基于BP神經網絡的PHEV油耗與排放研究

摘 要：文章以P1+P3結構PHEV為研究對象，設計了基于BP神經網絡算法的動力匹配控制來提高PHEV的輸出功率、降低排放及優化燃油經濟性。結果表明：在山路、城市、高速和郊區四種路況下進行實車測試，嵌入算法后P1+P3結構PHEV的百公里油耗平均降低了0.61L，CO、CO2、HC、NOX排放分別降低了0.28g/km、0.198g/km、0.813g/km、0.021g/km，排放和燃油經濟性均得到改善。

關鍵詞：PHEV P1+P3結構 BP神經網絡 排放 油耗

1 前言

PHEV在續航里程、維護成本上優于純電動汽車，在燃油經濟性上優于燃油汽車，有利于實現雙碳目標[1]。本文以發動機轉速、節氣門開度、車速、當前輸出功率和轉矩、擋位以及坡度為BP 神經網絡的輸入層，用于工況識別，以輸出功率、輸出車速、節氣門開度和轉矩為輸出層，來實現PHEV動力參數的合理匹配，提高綜合性能。BP神經網絡算法應用在PHEV的變速箱優劣性判別[2-3]、發動機轉矩估算[4]、道路坡度預測、尾氣排放、充電故障、電池荷電狀態（State of charge，SOC）估算[5-8]等方面。動力匹配是提高汽車傳動效率和響應速度的關鍵，好的動力匹配能改善綜合性能和燃油經濟性。

2 P1+P3結構PHEV的動力系統設計

P1+P3結構PHEV中電機、離合器2與E-CVT結合構建后驅系統，W-DCT與離合器1、發動機構建前驅系統。當車輛在上坡或者高速行駛時采用前驅系統；當車輛的速度小于60km/h時，采用后驅模式；當車輛在下坡時啟動能量回收模式；當車輛在上陡坡時，前驅和后驅系統同時工作。

3 基于BP神經網絡的PHEV控制模型構建及性能分析

3.1 研究對象描述

本文以中德汽車基地改款后的大眾邁騰GTE 2022款為研究對象，P1+P3結構PHEV的前驅動力系統采用燃油發動機、后驅采用電動機，電機的動力源自電池系統，電機的輸出功率控制取決于電池管理系統和工作模塊的控制。……