基于BP神经网络的PHEV油耗与排放研究.pdfVIP

基于BP神经网络的PHEV油耗与排放研究

摘要：文章以P1+P3结构PHEV为研究对象，设计了基于BP神经网络算法的

动力匹配控制来提高PHEV的输出功率、降低排放及优化燃油经济性。结果表明：

在山路、城市、高速和郊区四种路况下进行实车测试，嵌入算法后P1+P3结构

PHEV的公里油耗平均降低了0.61L,CO、C02、HC、NOX排放分别降低了

0.28g/km0.198g/km0.813g/km0.021g/km,排放和燃油经济性均得到改善。

关键词：PHEVP1+P3结构BP神经网络排放油耗

PHEV在续航里程、维护成本上优于纯电动汽车，在燃油经济性上优于燃油汽

车，有利于实现双碳目标［1］。本文以发动机转速、节气门开度、车速、当前输出

功率和转矩、挡位以及坡度为BP神经网络的输入层，用于工况识别，以输出功率、

输出车速、节气门开度和转矩为输出层，来实现PHEV动力参数的合理匹配，提高

综合性能。BP神经网络算法应用在PHEV的变速箱优劣性判别［2-3］、发动机转矩

估算［4］、道路坡度预测、尾气排放、充电故障、电池荷电状态(Statefcharge,

SOC)估算［5-8］等方面。动力匹配是提高汽车传动效率和响应速度的关键，好的动

力匹配能改善综