1、“.....通过整车等效燃油消耗的比较，验证变参数能量管理策略的优越性。能量管理策略关键控制参数优化分析粒子群优化算法粒子群算法,又称为微粒群算法，是年由和等提出的种群体智能优化算法。其模拟鸟群飞行觅食的行为，通过鸟之间的集体协作达到最优。此算法基于群体迭代，群体在解空间中追随最优粒子进行搜索。其优势在于操作简单且优化效率高，特别适合解决工程应用中的非线性优化问题。算法中包括个粒子群体，每个粒子都代表问题的个可行解，而每个粒子对应个由适应度函数决定的适应度值。并且每个粒子都有自己的位置和速度，粒子的速度决定了粒子移动的方向和距离，速度随自身和其他粒子的移动经验进行动态调整，从而实现个体在解空间中的寻优。粒子群寻优算法流程如图所示......”。

2、“.....本文制定的基于规则的能量管理策略主要包含六个关键控制参数，如表所示。本节中，主要使用粒子群算法对特定循环工况下六个关键控制参数的取值进行全局优化分析。表关键控制参数控制参数作用模式到模式的切换条件模式切换到模式的条件为模式纯电动驱动模式控制系数模式纯电动驱动模式控制系数模式发动机单独驱动模式控制系数模式行车充电模式控制系数由于本文的优化过程需要不断调用插电式混合动力汽车的仿真模型，需要把粒子群算法和仿真模型有机的结合在起，因此本文建立的参数优化算法流程如图所示。优化过程中，粒子群中每个粒子都需要依次赋值给仿真模型中的能量管理策略控制参数，并运行仿真模型得到整车经济性分析结果，并作为粒子群算法的适应度值。适应度函数粒子群优化的目标为特定循环工况下，整车的百公里等效燃油消耗最小其中，为车辆的行驶里程单位......”。

3、“.....基于行驶工况识别和行驶里程模式预测的能量管理策略约束条件为动力电池应在允许的工作范围内，即其中和为仿真过程中动力电池的最大值和最小值和为动力电池允许工作范围的上限和下限。图参数优化流程图为了便于粒子群优化算法的搜索寻优，本文采用惩罚函数法把约束问题转化为无约束问题。实现的途径是将目标函数和约束条件组成辅助函数，把原来的约束条件转化为辅助函数的极小化问题。根据惩罚函数原理，适应度值的计算公式为其中为惩罚因子，且为以动力电池值为变量的惩罚函数。粒子群算法本文将对六个关键控制参数的取值进行优化分析，则粒子群算法在个六维的搜索空间中进行，并建立由个粒子组成的种群,，其中第个粒子表示为个六维向量,，代表第个粒子在六维重庆大学硕士学位论文搜索空间中位置，亦代表个潜在解......”。

4、“.....第个粒子的速度为,，其个体极值和种群极值分别为,和,。在每次迭代过程中，粒子根据个体极值和群体极值的信息通过下列公式来更新自身的速度和位置。其中为惯性权重,,为当前迭代次数为第个粒子的速度和为加速度因子和为分布于,区间的随机数。根据文献中对粒子群算法惯性权重的分析可知，大的惯性权重倾向于全局搜索，而小的惯性权重倾向于局部搜索。为更好的权衡局部最优能力和全局最优能力，惯性权重般不设定为定值，而是设定为个随时间线性减少的函数优化结果分析图最优个体适应度值使用粒子群优化算法，对上章的循环工况的能量管理策略控制参数的取值进行了优化分析。本文采用的粒子群的粒子数目为，迭代次数为次。优化迭代过程中，最优个体适应度值的变化情况如图所示。从图中可知......”。

5、“.....寻得最优解。优化前后的能量管理策略控制参数取值如表所示。表优化前后控制参数取值对比控制参数优化前优化后分别使用优化前后的能量管理策略控制参数进行仿真分析，得到动力电池的变化曲线如图所示。优化后的控制参数延长了模式车辆运行的距离。同时，经过分析计算可知，优化后的插电式混合动力汽车等效百公里油耗为，比优化前的等效百公里油耗降低了。由此可见，应用粒子群算法对能量管理策略关键控制参数的取值进行优化分析，有效的降低了车辆的整车能耗，提高了整车的经济性。从而进步验证了对基于规则的能量管理策略进行优化计算的可行性和必要性。图优化前后动力电池的变化情况能量管理策略控制参数的影响因素分析为了更好的发挥插电式混合动力汽车的经济性优势，有必要对能量管理策略关键控制参数取值的影响因素进行进步分析......”。

6、“.....车辆行驶里程对控制参数的影响为分析车辆行驶里程对能量管理策略控制参数取值的影响情况，本文首先对不同车辆行驶里程的循环工况的控制参数进行优化分析，主要包括重庆大学硕士学位论文，其优化结果如表所示。表循环工况的关键控制参数控制参数图不同行驶里程的控制参数变化曲线图为不同车辆行驶里程的最优控制参数变化曲线。从图中不难看出，能量管理策略的最优控制参数取值随车辆行驶里程的变化而变化，除控制参数外的其余五个控制参数的变化规律较为明显。较短的行驶里程和较长的行驶里程对应的最优控制参数取值差异较大，因此至少需要对车辆长途行驶和短途行驶时的控制参数取值进行优化分析，才能满足插电式混合动力汽车的需求。行驶工况对控制参数的影响为研究行驶工况对控制参数取值的影响情况......”。

7、“.....其结果如表所示。然后将循环工况和循环工况的最优控制参数进行了对比分析，如图所示。表循环工况的关键控制参数控制参数图不同循环工况的控制参数曲线由图不同循环工况下控制参数的对比曲线可以得出，车辆行驶工况是能量管理策略的又个重要影响因素。重庆大学硕士学位论文基于行驶工况识别和行驶里程模式预测的能量管理策略车辆的行驶工况和行驶里程对能量管理策略的制定有明显的影响，因此本节中将在建立车辆行驶工况识别控制策略和预测车辆行驶里程模式的基础上，制定插电式混合动力汽车的变参数能量管理策略，从而进步改进本文上章所制定的基于规则的能量管理策略。基于行驶工况识别的控制策略车辆行驶工况识别控制策略的思想为选择适当的典型循环工况，覆盖车辆可能的行驶工况情形，并对典型循环工况的能量管理策略进行离线优化在车辆实际运行中，通过工况识别得到当前的行驶工况......”。

8、“.....文献中均采用神经网络算法实现车辆行驶工况的识别，但神经网络的方法需要大量的训练数据，才能得到更好的识别效果。本文以行驶工况的特征参数为基础，采用欧几里得贴近度的方法来完成行驶工况的模糊模式识别。本文车辆行驶工况的识别流程如图所示。当车辆启动时，开始采集车辆的行驶工况数据，每当采样时间达到定的识别周期参考文献中对识别周期和识别精度关系的研究，本文选定的识别周期为时，提取车辆行驶工况的特征参数然后通过模糊模式识别与典型循环工况的特征参数进行对比分析，确定车辆行驶工况的类型。图工况识别流程图典型循环工况以及特征参数选择典型循环工况的选择对于车辆行驶工况的识别至关重要，需要能够覆盖车辆可能的行驶工况。本文选取的有代表性的循环工况为纽约市循环工况美国典型城市循环工况美国洲际公路循环工况和美国高速路循环工况......”。

9、“.....基于行驶工况识别和行驶里程模式预测的能量管理策略特征参数是进行工况识别的基础，要能够反映循环工况间的差异。吕仁志在其毕业论文中对行驶工况的特征参数进行了分析，得出能够代表车辆行驶工况的五个特征参数为循环平均车速平均运行车速除去停车时间停车时间比例平均加速度平均减速度。本文选取的典型循环工况的特征参数如下表所示，由表中可以看出，其特征参数具有递变性，可以更好的反应车辆的实际运行工况。表循环工况特征参数工况循环平均车速平均运行车速停车时间比例平均加速度平均减速度行驶工况特征参数提取当车辆启动以后，根据车辆的实时车速以及相应的时间节点数据，提取车辆行驶工况的特征参数。其计算公式分别为循环平均车速单位运行平均车速单位停车时间比例单位平均加速度单位平均减速度单位重庆大学硕士学位论文其中为车辆的实时车速数据单位......”。