基于工况识别和驾驶风格识别的纯电动汽车剩余续驶里程估计

摘要

当今时代的主题是能源与环保，而电动汽车具有无污染、能耗低的特点，因此各个国家对其发展都非常重视，然而受制于续驶里程的因素，致使电动汽车的普及遇到障碍。纯电动汽车的续驶里程普遍较短，准确的估计剩余续驶里程可以指导用户出行，缓解用户“里程焦虑”的问题，有利于纯电动汽车的发展。　　纯电动汽车剩余续驶里程的准确估计不仅受制于整车结构参数，也受制于行驶工况类型以及驾驶风格类型。整车结构参数在车辆制造时就已确定，在行车过程中整车结构参数不会变化，而具有随机性特点的工况类型和驾驶员驾驶风格类型在车辆行驶过程中不是一成不变的。因此，本文基于不同行驶工况和驾驶风格对剩余续驶里程的影响规律，在建立工况识别模型和驾驶风格识别模型的基础上提出了一种考虑行驶工况和驾驶风格的纯电动汽车剩余续驶里程估计方法，并与其他估计方法进行对比，旨在体现本方法的优势。具体研究内容如下：　　首先将纯电动汽车的剩余续驶里程影响因素分为固定因素和随机因素，固定因素为整车结构参数，随机因素为工况类型和驾驶风格类型，结合前人的研究结果简要分析了随机因素对剩余续驶里程的影响规律。　　其次结合ADVISOR软件里的工况数据采用系统聚类算法和主成分分析方法基于LVQ（学习向量量化）神经网络建立了工况识别模型。对驾驶风格评价指标进行分析，结合某公司的驾驶风格实车数据采用K-means聚类算法和模糊推理系统建立了驾驶风格识别模型。　　然后在工况识别模型和驾驶风格识别模型的基础上给出了不同工况下驾驶风格对剩余续驶里程的修正系数确定方法并提出了基于工况识别和驾驶风格识别的剩余续驶里程估计算法。　　最后将基于平均电耗、基于工况识别以及本文提出的基于工况识别和驾驶风格识别的剩余续驶里程估计算法进行对比，结果表明基于工况识别和驾驶风格识别的剩余续驶里程估计值最接近于实际剩余续驶里程，说明本文所提出的剩余续驶里程估计方法精度更高。

目录

1 绪 论

1.1 课题研究背景及意义

1.2.1 纯电动汽车续驶里程定义

1.2.2 剩余续驶里程估计的主要影响因素及其影响规律

1.3 国内外研究现状

1.3.1 工况识别

1.3.2 驾驶风格识别

1.3.3 剩余续驶里程的估计

1.4 本文主要研究内容

2 纯电动汽车动力传动系统及关键零部件建模

2.1 纯电动汽车驱动形式分类

2.2 电机模型

2.3 电池模型

2.3.1 锂离子电池的工作原理

2.3.2 锂离子电池二阶RC模型的建立

2.3.3 锂离子电池模型参数识别

2.3.4 电池组剩余能量计算

2.4 汽车行驶动力学建模

2.5 整车模型

2.6 本章小结

3 行驶工况识别模型的建立

3.1 基于系统聚类的典型循环工况的筛选

3.1.1 聚类算法的基本思想

3.1.2 聚类算法的分类

3.1.3 分裂聚类算法步骤

3.1.4 工况聚类结果

3.2 工况特征参数的优化

3.2.1 PCA基本思想

3.2.2 PCA算法步骤

3.2.3 特征参数优化结果

3.3 基于LVQ神经网络建立工况识别器

3.3.1 LVQ神经网络

3.3.2 LVQ神经网络的训练与验证

3.4 本章小结

4 驾驶风格识别模型的建立

4.1 数据获取

4.2 K-means 聚类算法和模糊推理理论

4.2.1 K-means聚类算法

4.2.2 模糊推理系统

4.3 考虑行驶工况的驾驶风格识别算法研究

4.3.1 驾驶风格评价指标

4.3.2 联合K-means聚类和模糊推理的驾驶风格识别

4.4 本章小结

5 纯电动汽车剩余续驶里程估计

5.1 纯电动汽车实际剩余续驶里程

5.2 基于平均电耗的剩余续驶里程估计

5.3 基于工况识别的剩余续驶里程估计

5.4 基于工况识别和驾驶风格识别的剩余续驶里程估计

5.5 估算方法结果对比

5.6 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

附录

A 作者在攻读硕士学位期间参与的科研项目

B 学位论文数据集

致谢