基于BP神经网络的自动挡汽车换挡规律优化研究

摘要

换挡规律对于自动挡汽车的燃油经济性至关重要.通过训练BP神经网络来预测目标车型的实时挡位,利用MATLAB/Simulink将训练好的神经网络封装成模块嵌入到AVL Cruise整车模型中,对目标车型在WTCL工况下进行模拟.结果表明,BP神经网络可以优化换挡规律,使发动机运行在更加经济性的工作区间,有效降低了整车燃油消耗,提高了整车燃油经济性,在整车性能开发与换挡策略编制上具有一定的工程应用性.