扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

同济大学:基于人工神经网络的并联混合动力发动机转矩估计与闭环控制

论论资讯 | 2024-02-23 4热度

Tongji Daxue Xuebao/Journal of Tongji University

Explore content

About the journal

Publish with us

Torque Estimation and Closed-Loop Control of Parallel Hybrid Engine Using ANN Method

Lou D.; Tang Y.; Fang L.; Shi Y.; Zhang Y.; Qiu J.; Yang F.

Published:2023-12-01
DOI:10.11908/j.issn.0253-374x.22133

研究背景

近年来,随着社会的发展和人们对环保的重视,混合动力汽车逐渐成为了一种热门选择。然而,混合动力汽车的发展仍面临着诸多问题,其中之一便是如何更好地控制引擎的扭矩输出,以提高汽车的性能和经济性。因此,如何准确地估计和控制混合动力汽车发动机的扭矩输出成为了当前研究领域存在的问题。

研究内容

本论文旨在利用人工神经网络方法(ANN)估算混合动力汽车发动机的扭矩输出,并建立一个基于进气空气和发动机状态参数的协作控制模块来实现估算扭矩反馈的闭环控制。通过对比ANN方法和Map方法在估算发动机稳态、瞬态扭矩变化、升档和降档时的估算结果误差,发现在稳态条件下Map方法更可靠,而在低、中、高转速下ANN方法的误差较小,分别比Map方法低1.31%、1.09%和1.52%。在扭矩瞬变条件下,ANN方法的误差比Map方法低5.62%和1.32%,在提升条件下比Map方法低1.93%和0.84%。

研究意义

本论文的创新之处在于探索了一种新的方法来估算混合动力汽车发动机的扭矩输出,并建立了一个基于进气空气和发动机状态参数的协作控制模块来实现估算扭矩反馈的闭环控制。通过对比ANN方法和Map方法的结果,发现ANN方法在低、中、高转速下的误差较小,这为混合动力汽车的发展提供了一种新的思路和方法。同时,本研究还对混合动力汽车的性能和经济性提出了一些有益的建议,有望为混合动力汽车的发展做出积极贡献。

微信扫码即可查看