典型文献
GA-BP工况识别的增程式电动汽车能量管理策略优化
文献摘要：
为了改善增程式电动汽车在复杂工况下的燃油经济性,提出一种利用遗传算法优化的反向传播神经网络(GA-BP)工况识别的规则能量管理策略.针对BP算法收敛速度慢、泛化能力差的问题,采用遗传算法优化BP神经网络.以中国工况中市区、市郊、高速作为工况类别,工况速度曲线为BP神经网络训练样本,构建遗传算法优化的BP神经网络识别器.在识别的工况下,以能耗费用为燃油经济性的评价指标,采用果蝇算法优化规则能量管理策略参数.仿真结果表明,使用遗传算法优化的BP神经网络识别正确率达到99.99％,优于未进行优化的神经网络识别;基于工况识别的能量管理策略,合理分配增程式电动汽车工作模式,有效的降低燃油消耗.
文献关键词：
遗传算法;BP神经网络;工况识别;增程式电动汽车;能量管理策略
中图分类号：
作者姓名：
白书杰;魏长银;陈勇;张建军
作者机构：
河北工业大学天津市新能源汽车动力传动与安全技术重点实验室,天津 300130;河北工业大学机械工程学院,天津 300130
文献出处：
引用格式：
[1]白书杰;魏长银;陈勇;张建军-.GA-BP工况识别的增程式电动汽车能量管理策略优化)[J].机械科学与技术,2022(07):1112-1120
A类：
B类：
GA,工况识别,增程式电动汽车,汽车能量管理,能量管理策略,策略优化,复杂工况,燃油经济性,遗传算法优化,反向传播神经网络,收敛速度,速度慢,泛化能力,中国工况,市郊,速度曲线,神经网络训练,训练样本,识别器,耗费,果蝇算法,合理分配,车工,燃油消耗
AB值：
0.218035
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
