《混合動力繫統優化及智能能量管理》是是一本難得的實用技術專著。專注於混合動力繫統優化及智能能量管理的核心和關鍵技術進行了較繫統和深入的介紹，以商用車混動繫統能量流動為出發點，提出了混動繫統瞬時效率優化的控制方法，並得到了實際案例的驗證。《混合動力繫統優化及智能能量管理》緊密結合工程應用的基本要求，內容完整繫統、重點突出，所用資料能夠更新、更準確地解讀問題點。在注重混合動力繫統優化及智能能量管理技術知識的同時，強調知識的應用性，具有較強的針對性。適合汽車研發設計、教學科研等相關人員使用。

●第1章 緒論 001
1.1 節能與新能源汽車的發展概況 002
1.2 混合動力繫統優化設計方法研究 004
1.2.1 混合動力繫統構型拓撲研究現狀 005
1.2.2 混合動力繫統設計參數與控制聯合優化研究現狀 009
1.3 融合車聯網信息的混合動力繫統能量管理控制研究 011
1.3.1 車聯網與車輛節能技術 011
1.3.2 混合動力車輛行駛工況信息研究現狀 015
1.3.3 混合動力車輛能量管理策略研究現狀 018
1.4 本章結語 023

第2章 混合動力繫統優化設計方法 025
2.1 混合動力繫統構型拓撲分析 026
2.1.1 構型拓撲生成 026
2.1.2 生成結果與分析 035
2.2 混合動力繫統內外雙層參數優化方法 040
2.2.1 優化三要素的確定 041
2.2.2 混合動力繫統參數-控制雙層優化算法設計 045
2.3 優化結果驗證與分析 048
2.4 本章結語 066

第3章 基於車聯網信息行駛工況處理 068
3.1 車聯網信息下汽車行駛工況數據獲取 069
3.1.1 新能源汽車車聯網平臺介紹 069
3.1.2 基於車聯網的行駛工況數據獲取 072
3.1.3 車聯網平臺下行駛工況數據質量問題 075
3.2 車聯網平臺下行駛工況數據缺失與數據噪聲處理 077
3.2.1 基於插補與神經網絡的缺失數據估計方法 078
3.2.2 基於小波變換的噪聲數據濾波方法 078
3.2.3 行駛工況噪聲數據清洗方法 080
3.3 車聯網平臺下行駛工況數據處理的評價方法 083
3.3.1 行駛工況數據誤差評價指標 083
3.3.2 行駛工況特征參數評價指標 083
3.4 本章結語 084

第4章 基於車聯網信息行駛工況數據挖掘 085
4.1 數據挖掘理論在行駛工況數據中的應用 086
4.2 基於能耗特性的公交線路行駛工況特征參數分析 087
4.2.1 公交線路特征統計分析 088
4.2.2 基於公交客車線路特點的行駛工況特征參數集 090
4.2.3 車輛能耗特性與工況特征關繫分析 092
4.2.4 基於能耗回歸分析模型的工況特征參數篩選 096
4.3 基於能耗特征與線路特征參數的固定線路行駛工況合成 097
4.3.1 基於K-Means 算法的工況聚類分析 098
4.3.2 馬爾可夫鏈狀態轉移矩陣 100
4.3.3 公交線路行駛工況合成結果分析 101
4.4 基於能耗特征與線路特征參數的未來行駛工況智能預測 103
4.4.1 基於LS-SVM 和BP-NN 的智能預測模型 103
4.4.2 未來工況智能預測模型對比 105
4.4.3 未來工況預測精度影響因素分析 108
4.4.4 未來工況預測模型的魯棒性分析 112
4.5 本章結語 114

第5章 基於行駛工況信息的分層優化自適應能量管理策略 115
5.1 行星式混合動力公交客車功率分流特性及其能量管理 116
5.1.1 雙行星排功率分流式混合動力繫統構型 116
5.1.2 雙行星排式混合動力繫統功率分流狀態分析 119
5.1.3 雙行星排式混合動力繫統能量管理策略 121
5.2 分層優化自適應智能能量管理策略概述 125
5.2.1 分層優化自適應智能能量管理策略研究內容 125
5.2.2 分層優化自適應智能能量管理策略架構 126
5.3 基於固定線路合成工況的近似全局很優控制 127
5.3.1 考慮終止約束的全局優化SOC 軌跡求解 128
5.3.2 基於近似全局很優的模式切換規則提取 131
5.3.3 基於近似全局很優的SOC 軌跡規劃模型 133
5.4 基於未來工況預測的A-ECMS 自適應控制 135
5.4.1 基於PMP 的等效燃油消耗最小策略 136
5.4.2 基於未來工況預測信息的自適應規律 139
5.4.3 基於LQR 控制器的SOC 跟隨策略 140
5.5 分層優化自適應智能能量管理策略驗證與分析 142
5.5.1 分層優化自適應智能能量管理策略很優性 142
5.5.2 分層優化自適應智能能量管理策略適應性 147
5.6 硬件在環試驗 148
5.6.1 硬件在環試驗平臺 148
5.6.2 硬件在環試驗結果分析 150
5.7 本章結語 153

第6章 基於固定線路全局優化的深度強化學習能量管理策略 154
6.1 學習型智能能量管理控制策略概述 155
6.1.1 學習型智能能量管理策略研究進展 155
6.1.2 學習型智能能量管理的控制問題 157
6.2 基於固定線路全局優化的深度強化學習能量管理策略 159
6.2.1 Deep Q-Learning 深度強化學習算法 159
6.2.2 基於固定線路行駛信息的深度強化學習策略架構 161
6.2.3 Deep Q-Learning 能量管理策略算法設計 162
6.3 基於固定線路全局優化的深度強化學習能量管理策略驗證 163
6.3.1 F-DQL-EMS 智能能量管理策略的很優性 164
6.3.2 F-DQL-EMS 智能能量管理策略的工況適應性 167
6.4 硬件在環試驗 168
6.5 兩種智能能量管理策略對比分析 170
6.5.1 智能能量管理策略的很優性 170
6.5.2 智能能量管理策略的工況適應性 171
6.5.3 智能能量管理策略的總結分析 172
6.6 本章結語 172

第7章 全書總結 174
7.1 內容總結 175
7.2 未來展望 176

名詞簡寫 178

名詞索引 179

參考文獻 182

本書首先以商用車混合動力繫統能量流動為出發點，提出了混合動力繫統瞬時效率很優的控制方法，並得到了實際案例的驗證。其次針對實際公交客車復雜行駛工況數據，提出了基於能耗特征的數據挖掘方法，對車聯網數據進行了有效利用。在此基礎上，提出有效利用車聯網信息的分層優化自適應智能能量管理方法與深度強化學習智能能量管理控制方法，並對這些智能能量管理控制方法的很優性與工況適應性、實時性均進行了驗證。本書緊密結合工程應用的基本要求，內容完整、繫統、重點突出，強調知識的應用性，具有較強的針對性。本書適合汽車研發設計、教學科研等相關人員使用。

曾小華 等 著