汽車運(yùn)行工況域自主動(dòng)態(tài)調(diào)節(jié)研究.pdf

1、汽車發(fā)動(dòng)機(jī)工況的實(shí)變性，導(dǎo)致了其實(shí)際路況工況與臺(tái)架測試工況差別較大，這就給汽車中央控制器的控制參數(shù)的設(shè)計(jì)帶來了很大的難題。目前，判斷一般工況的方法都是通過使用臺(tái)架測試采集到的大量實(shí)驗(yàn)數(shù)據(jù)樣本建立的識(shí)別模型，進(jìn)而依據(jù)該模型來識(shí)別新的運(yùn)行工況。該模型的不足之處在于它沒有普適應(yīng)，無法匹配各種不同交通結(jié)構(gòu)下的汽車運(yùn)行工況，更不能依據(jù)實(shí)際的路況條件加以調(diào)節(jié)。因此，它具有極大的局限性和較差的適應(yīng)能力。
　　汽車發(fā)動(dòng)機(jī)轉(zhuǎn)速預(yù)測控制的研究已經(jīng)成為

2、智能交通系統(tǒng)的研究熱點(diǎn)之一，通過對(duì)未來行駛工況的預(yù)測，對(duì)發(fā)動(dòng)機(jī)的輸出功率進(jìn)行優(yōu)化分配，使之在實(shí)際行駛中的油耗降低，排放降低，達(dá)到節(jié)能環(huán)保的綠色要求。
　　本文是在分析了現(xiàn)有的汽車未來運(yùn)行工況預(yù)測控制技術(shù)的基礎(chǔ)上，結(jié)合汽車發(fā)動(dòng)機(jī)轉(zhuǎn)速預(yù)測控制技術(shù)，建立了以自適應(yīng)神經(jīng)模糊推理系統(tǒng)與免疫反饋控制算法相結(jié)合的工況域自主動(dòng)態(tài)調(diào)節(jié)模型，基于Matlab軟件平臺(tái)，通過事先預(yù)測出的轉(zhuǎn)速偏差來動(dòng)態(tài)調(diào)整穩(wěn)態(tài)工況域，提高發(fā)動(dòng)機(jī)在不同路況條件下的適應(yīng)能力，

3、借此來改善和提高發(fā)動(dòng)機(jī)的性能。
　　論文研究的主要內(nèi)容有：
　?。?）分析幾種現(xiàn)有的預(yù)測方法，主要包括：BP神經(jīng)網(wǎng)絡(luò)預(yù)測方法、基于歷史據(jù)的預(yù)測方法、灰色系統(tǒng)預(yù)測方法，通過對(duì)各種方法預(yù)測效果的分析，綜合各種預(yù)測方法的優(yōu)缺點(diǎn)，為后面的研究做準(zhǔn)備。
　　（2）針對(duì)現(xiàn)有的預(yù)測的方法的不足，應(yīng)用了一種新的預(yù)測方法，即基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的發(fā)動(dòng)機(jī)轉(zhuǎn)速預(yù)測方法，對(duì)發(fā)動(dòng)機(jī)的轉(zhuǎn)速進(jìn)行預(yù)測控制，得到轉(zhuǎn)速預(yù)測偏差特征信號(hào)，作為動(dòng)態(tài)調(diào)節(jié)

4、模型的輸入信號(hào)；
　　（3）針對(duì)傳統(tǒng)運(yùn)行工況判斷方法的不足，引入了運(yùn)行工況域的概念，基于數(shù)理統(tǒng)計(jì)和模糊原理，建立汽車運(yùn)行工況域的模糊判斷模型，運(yùn)用道路實(shí)際行駛數(shù)據(jù)，確定運(yùn)行工況域的閾值邊界，并分析影響運(yùn)行工況域邊界的幾種因素；
　?。?）建立汽車運(yùn)行工況域的動(dòng)態(tài)調(diào)節(jié)模型，該模型采用的控制算法是基于免疫反饋控制原理的，設(shè)計(jì)一個(gè)工況域動(dòng)態(tài)調(diào)節(jié)免疫反饋控制器，基于Matlab平臺(tái)，建立工況域動(dòng)態(tài)調(diào)節(jié)仿真模型，以此來驗(yàn)證運(yùn)行工況域動(dòng)