基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种采用分层方法的解耦优化算法.外层采用多目标粒子群算法对整车动力部件参数进行优化,同时引入对电池以及逆变器的效率优化,将得到的不同优化结果实时提取并传递给内层;内层采用Bellman动态规划算法,根据外层优化得到的动力部件参数求解,建立优化后的换挡策略.在此基础上,通过广义回归神经网络提取动态规划的换挡优化结果,利用所得到的换挡策略建立了自适应驾驶员模型和整车正向仿真模型,以动力性和经济性为目标,通过整车正向仿真分析对分层优化结果进行进一步选择.研究结果表明,该优化算法实现了换挡控制策略与动力部件参数的解耦,有效提高了优化效率,同时能够获得全局优化结果,明显提高了整车经济性.
推荐文章
两挡纯电动汽车性能仿真与换挡策略优化
两挡变速器
纯电动汽车
仿真
换挡策略
优化
纯电动汽车两挡自动变速器传动比优化及换挡品质研究
纯电动汽车
变速器
传统比
换挡品质
两挡AMT纯电动汽车换挡协调控制及试验研究
电动汽车
两档AMT
换挡平顺性
综合协调控制策略
试验验证
含电动汽车混合储能系统的微网多目标经济优化运行
微网
多目标优化
电动汽车
热电联产
混合储能
优化调度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 两挡纯电动汽车多目标参数解耦优化方法
来源期刊 中国机械工程 学科 交通运输
关键词 纯电动汽车 多目标解耦优化 广义回归神经网络 自适应驾驶员
年,卷(期) 2020,(6) 所属期刊栏目 工程前沿
研究方向 页码范围 746-755
页数 10页 分类号 U469.72
字数 4851字 语种 中文
DOI 10.3969/j.issn.1004-132X.2020.06.015
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王强 合肥工业大学机械工程学院 82 949 16.0 27.0
2 黄康 合肥工业大学机械工程学院 145 1174 16.0 28.0
4 邱明明 合肥工业大学机械工程学院 19 173 5.0 13.0
6 张怡然 合肥工业大学机械工程学院 3 1 1.0 1.0
7 刘泽链 合肥工业大学机械工程学院 2 0 0.0 0.0
12 汝艳 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (79)
共引文献  (125)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(13)
  • 参考文献(2)
  • 二级参考文献(11)
2011(21)
  • 参考文献(2)
  • 二级参考文献(19)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(15)
  • 参考文献(2)
  • 二级参考文献(13)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(7)
  • 参考文献(3)
  • 二级参考文献(4)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
纯电动汽车
多目标解耦优化
广义回归神经网络
自适应驾驶员
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国机械工程
半月刊
1004-132X
42-1294/TH
大16开
湖北省武汉市湖北工业大学772信箱
38-10
1973
chi
出版文献量(篇)
13171
总下载数(次)
15
总被引数(次)
206238
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导