[发明专利]一种电动汽车用驱动电机系统性能评价方法

说明书

技术领域

本发明涉及电动汽车用驱动电机技术领域，具体涉及一种基于层次分析与蝙蝠-粒子群混合算法优化BP神经网络的电动汽车用驱动电机系统性能评价方法。

背景技术

目前，新能源汽车正于逢勃发展阶段，电动汽车作为新能源汽车的主要类型之一，属于一种低排放且有效利用资源的重要交通工具，也越来越受到人们的青睐和首选。电动汽车的核心部件是由驱动电机和驱动电机控制器等构成的驱动电机系统，其中电动汽车使用的驱动电机主要有直流电机、感应电机、永磁无刷电机、开关磁阻电机等。驱动电机系统已成为电动汽车的关键技术之一，它是车辆行驶的主要驱动系统，对于决定电动汽车的运行与控制性能起着至关重要的作用。

随着电动汽车用驱动电机技术不断提高以及电动汽车的产业化规模发展，电动汽车用驱动电机系统的综合性能评价已成为汽车厂家及学者共同关注且亟待破解的瓶颈。通过检索，目前对电动汽车用驱动电机系统及其评价的研究文献比较少，有王伟、王庆年、初亮等发表的《混合动力汽车驱动电机性能评价体系研究》，黄宜山、张文军、张日凡等发表的《电动汽车用驱动电机系统评价体系的研究》等，其中对驱动电机系统性能评价主要采取层次分析、多属性决策灰色关联度的评价方法等，以上方法虽然操作简便，具有一定的实用性，但在评价过程中评价指标受到参评人员的主观性、随意性及时间因素影响较大，再加之电动汽车用驱动电机系统本身具有较强的非线性、时滞性及不确定性，单纯采用这些传统方法，很难保证评价结果的准确性和客观性。人工神经网络以其独特的结构和处理信息的方法，具有很强的自适应、自学习、自组织以及容错能力，已广泛应用于不同行业和领域，其中利用人工神经网络构建评价模型方法也经常被用于各领域的评价研究上，如乔维德的《基于BP神经网络的现代远程教育教学质量评价模型的构建》，郑士腾等人的《基于BP神经网络的湿地道路生态景观综合评价研究》，温斯琴、王彪的《基于神经网络的计算机网络安全评价仿真模型》，汪忠、袁丹、江资斌等人的《基于BP神经网络的社会企业动态能力评价研究》，乔维德的《基于神经网络的教师网上导学行为评价研究》，等等。以上神经网络评价模型所采取的学习算法大多数仍采用BP算法、粒子群算法、遗传算法等，单纯使用这些算法，会存在收敛速度慢或容易出现早熟、陷入局部最优等问题，从而极大影响评价过程及其结果。所以，为提高电动汽车用驱动电机系统性能评价的准确性、完善性，应引入更加科学、客观的评价方法来改进上述评价方法。

发明内容

本发明的目的是解决以上存在问题，提供一种科学的电动汽车用驱动电机系统性能评价方法。根据电动汽车驱动电机系统性能特点，采用本发明方法进行评价，评价速度快、准确率高、智能化程度高，能对驱动电机系统综合性能优劣作出比较全面、客观、高效的评价，对于电动汽车驱动电机系统的评价、选择与应用具有较好的工程实用价值。

本发明所采取的技术方案是：