燃料電池電動汽車（Fuel Cells Vehicle,FCV）由于其具有零排放、高效率等優(yōu)點,為解決環(huán)境和能源問題提供了重要思路,成為節(jié)能和新能源汽車領(lǐng)域的研究熱點。本文針對燃料電池+蓄電池這種結(jié)構(gòu)的燃料電池電動汽車,提出了一種基于車速預(yù)測模型的能量管理策略。首先,分析了燃料電池的工作原理以及燃料電池混合動力系統(tǒng)的結(jié)構(gòu)類型,結(jié)合燃料電池電動汽車的工作條件選擇了質(zhì)子交換膜燃料電池（Proton Exchange Membrane Fuel Cell,PEMFC）+蓄電池這種拓?fù)浣Y(jié)構(gòu);根據(jù)汽車所需的動力性能指標(biāo)提出了燃料電池電動汽車動力系統(tǒng)參數(shù)優(yōu)化匹配的問題并使用遺傳算法對其進(jìn)行優(yōu)化求解;其次,根據(jù)優(yōu)化得到的燃料電池參數(shù)和蓄電池參數(shù),結(jié)合燃料電池的工作原理和電化學(xué)理論,使用Matlab/Simulink和Advisor仿真平臺建立了燃料電池混合動力系統(tǒng)的仿真模型。使用含有長短期記憶神經(jīng)網(wǎng)絡(luò)層（Long–short Term Memory Neural Network,LSTM）的神經(jīng)網(wǎng)絡(luò)進(jìn)行車速預(yù)測是本文研究的重點之一。本文對比分析了LSTM神經(jīng)網(wǎng)絡(luò)與普通循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1.緒論
    1.1 論文選題背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài)
    1.3 車速預(yù)測的意義及分類
        1.3.1 基于實時道路信息的車速預(yù)測
        1.3.2 基于歷史信息的車速預(yù)測
    1.4 本文研究的主要思路
2.燃料電池汽車動力系統(tǒng)參數(shù)匹配
    2.1 燃料電池種類選擇
        2.1.1 燃料電池工作原理
        2.1.2 燃料電池的分類
    2.2 燃料電池動力系統(tǒng)構(gòu)型
        2.2.1 純?nèi)剂想姵貏恿︱?qū)動
        2.2.2 燃料電池+蓄電池系統(tǒng)結(jié)構(gòu)
        2.2.3 燃料電池+超級電容系統(tǒng)結(jié)構(gòu)
        2.2.4 燃料電池+蓄電池+超級電容系統(tǒng)結(jié)構(gòu)
    2.3 燃料電池電動汽車混合動力系統(tǒng)參數(shù)設(shè)計
        2.3.1 燃料電池電動汽車混合動力系統(tǒng)設(shè)計要求
        2.3.2 燃料電池電動汽車混合動力系統(tǒng)設(shè)計方法
    2.4 基于遺傳算法的參數(shù)匹配方法
        2.4.1 遺傳算法的基本原理和特點
        2.4.2 燃料電池電動汽車動力系統(tǒng)參數(shù)優(yōu)化
    2.5 本章小結(jié)
3.燃料電池電動汽車主要部件的仿真模型
    3.1 車輛部件及動力學(xué)模型
    3.2 電機及其控制器模型
    3.3 燃料電池模型
    3.4 動力電池模型
    3.5 本章小結(jié)
4.基于LSTM神經(jīng)網(wǎng)絡(luò)的車速預(yù)測模型
    4.1 LSTM神經(jīng)網(wǎng)絡(luò)介紹
        4.1.1 神經(jīng)網(wǎng)絡(luò)發(fā)展及特點
        4.1.2 RNN-LSTM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    4.2 LSTM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
        4.2.1 訓(xùn)練數(shù)據(jù)的分類及其歸一化
        4.2.2 神經(jīng)網(wǎng)絡(luò)各層結(jié)構(gòu)設(shè)計
        4.2.3 激活函數(shù)與訓(xùn)練算法選擇
    4.3 網(wǎng)絡(luò)訓(xùn)練結(jié)果分析
    4.4 本章小結(jié)
5.燃料電池汽車能量管理策略
    5.1 混合動力系統(tǒng)常用控制策略
        5.1.1 開關(guān)模式控制策略
        5.1.2 功率跟隨控制策略
        5.1.3 自適應(yīng)能量管理策略
    5.2 全局優(yōu)化能量管理策略
        5.2.1 動態(tài)規(guī)劃算法基本理論
        5.2.2 基于全局優(yōu)化能量管理策略建立
        5.2.3 仿真分析
    5.3 基于模型預(yù)測的能量管理策略
        5.3.1 模型預(yù)測控制的基本原理
        5.3.2 基于車速預(yù)測模型的FCV能量管理策略優(yōu)化模型建立
    5.4 模型預(yù)測控制的優(yōu)化求解
        5.4.1 預(yù)測時域內(nèi)SOC約束值確定
        5.4.2 利用動態(tài)規(guī)劃算法與預(yù)測時域內(nèi)的控制序列求解
    5.5 仿真分析
    5.6 本章小結(jié)
6.全文總結(jié)與展望
    6.1 全文總結(jié)
    6.2 前景展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]全球原油和天然氣儲量與產(chǎn)量盤點[J]. 施放.  石油知識. 2018(01)
[2]基于駕駛風(fēng)格識別的混合動力汽車能量管理策略[J]. 秦大同,詹森,曾育平,蘇嶺.  機械工程學(xué)報. 2016(08)
[3]節(jié)能與新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃（20122020年）[J].   地球. 2015(09)
[4]燃料電池混合動力系統(tǒng)的功率平衡控制[J]. 贠海濤,譚建榮,趙玉蘭.  浙江大學(xué)學(xué)報(工學(xué)版). 2015(03)
[5]MATLAB仿真在數(shù)字信號處理教學(xué)中的應(yīng)用研究[J]. 霍慧芝.  大學(xué)教育. 2013(24)
[6]燃料電池公共汽車示范運行評價分析[J]. 王菊.  北京汽車. 2013(02)
[7]基于道路工況預(yù)測混合動力公交車SOC開環(huán)控制策略[J]. 朱道偉,謝輝,嚴(yán)英.  天津大學(xué)學(xué)報. 2012(05)
[8]基于神經(jīng)網(wǎng)絡(luò)的增程式電動汽車能量管理策略研究[J]. 胡瑾瑜,宋珂,章桐.  佳木斯大學(xué)學(xué)報(自然科學(xué)版). 2011(06)
[9]插電式并聯(lián)混合動力汽車模型預(yù)測控制[J]. 舒紅,聶天雄,鄧麗君,喬俊林.  重慶大學(xué)學(xué)報. 2011(05)
[10]利用GPS信息的并聯(lián)混合動力公交車的監(jiān)控算法（英文）[J]. Daeheung LEE,Jongyeol JEONG,Changwoo SHIN,Yeongil PARK,Wonsik LIM,Sukwon CHA.  汽車安全與節(jié)能學(xué)報. 2011(01)

碩士論文
[1]基于NAR神經(jīng)網(wǎng)絡(luò)的車速預(yù)測及應(yīng)用[D]. 袁魯山.大連理工大學(xué) 2016
[2]基于模型預(yù)測控制的插電式混合動力客車能量管理策略研究[D]. 張潔麗.北京理工大學(xué) 2016
[3]面向混合動力汽車能量管理策略的汽車運行工況多尺度預(yù)測方法[D]. 張巖.吉林大學(xué) 2013
[4]燃料電池電動汽車自適應(yīng)能量管理系統(tǒng)的研究[D]. 盧廣苗.西南交通大學(xué) 2011
[5]帶超級電容的燃料電池電動汽車的優(yōu)化配置和優(yōu)化控制研究[D]. 王慧云.山東大學(xué) 2010
[6]并聯(lián)型混合動力牽引車動力系統(tǒng)參數(shù)匹配與優(yōu)化[D]. 連志偉.武漢理工大學(xué) 2008
[7]質(zhì)子交換膜燃料電池的建模與仿真研究[D]. 劉杰.武漢理工大學(xué) 2008
[8]中度混合動力汽車燃油經(jīng)濟(jì)性最優(yōu)控制研究[D]. 高銀平.重慶大學(xué) 2008
[9]基于嵌入式的燃料電池電動汽車能量及驅(qū)動控制策略的研究與設(shè)計[D]. 侯賽.武漢理工大學(xué) 2006
[10]燃料電池電動汽車驅(qū)動系統(tǒng)選型及仿真研究[D]. 劉飛.武漢理工大學(xué) 2006



本文編號：3557679