增程式電動拖拉機研究進展*

楊杭旭，劉冬梅，周俊，汪珍珍，王旭

(1. 南京農(nóng)業(yè)大學(xué)工學(xué)院，南京市，210031；2. 金華職業(yè)技術(shù)學(xué)院機電工程學(xué)院，浙江金華，321017；3. 浙江省農(nóng)作物收獲裝備技術(shù)重點實驗室，浙江金華，321017)

0 引言

隨著農(nóng)機設(shè)備向大型化、多功能化發(fā)展，在農(nóng)作物產(chǎn)銷量持續(xù)增長和耕種收獲機械化水平不斷提髙的同時，也帶來了能源的大量消耗和環(huán)境污染[1-4]。因此，現(xiàn)代農(nóng)業(yè)新業(yè)態(tài)對生態(tài)、節(jié)能、環(huán)保提出了越來越高的要求，特殊農(nóng)業(yè)生產(chǎn)環(huán)境下對零排放、無污染、低噪音的綠色動力農(nóng)機具的需求越來越迫切，而拖拉機作為主要的農(nóng)業(yè)機械，電動化的發(fā)展趨勢迫在眉睫。當(dāng)今，隨著各國對環(huán)保重視以及智能化、電動化技術(shù)進步，尤其是電動汽車領(lǐng)域三電(電池、電機、電控)技術(shù)取得的突破，大大推動了電動拖拉機的發(fā)展，諸如美國約翰迪爾、中國一拖等大公司、企業(yè)均已開展相關(guān)研究并不斷研制出新機型投放市場[5-8]。盡管電動拖拉機能實現(xiàn)零排放、零污染，但單一的能量來源致使續(xù)航里程受限，難以滿足大功率拖拉機持續(xù)作業(yè)需求，可以采用柴電增程器來提升電動拖拉機的續(xù)航能力，并通過實施一定的主動控制策略與能量管理策略，降低系統(tǒng)燃油消耗率[9]。然而，對于增程式電動拖拉機來說最大的問題是在行程結(jié)束時，動力電池的電量仍然很高，電量沒有得到充分使用，圍繞動力電池電耗以及柴油車油耗能量管理策略以及相關(guān)參數(shù)的設(shè)計、調(diào)整十分關(guān)鍵；同時，由于增程式電動汽車技術(shù)、管理策略等相對比較成熟[10-11]，在考慮拖拉機自身特點的前提下，一定程度借鑒增程式電動汽車在控制策略、能量管理方面的技術(shù)方案，對推動增程式電動拖拉機領(lǐng)域發(fā)展也具有相當(dāng)意義。

鑒于此，本文圍繞增程式電動汽車動力系統(tǒng)參數(shù)設(shè)計、能量管理策略、增程式電動拖拉機相關(guān)技術(shù)等方面展開評述，并對增程式電動拖拉機控制策略、能量管理方面未來的研究提出建議，以期為增程式電動拖拉機研制、推廣和運用提供借鑒與參考。

1 增程式電動汽車相關(guān)技術(shù)

增程式電動汽車是在純電動汽車基本結(jié)構(gòu)基礎(chǔ)上，增加了一個含有柴油機(內(nèi)燃機)的增程器[12-13]，如圖1所示，相比與純電動汽車，設(shè)計自由度大、續(xù)航里程高、電池使用耐久度大，是一種發(fā)展前景非常好的新能源汽車類型，增程式電動汽車核心在于動力系統(tǒng)以及能量管理策略。

圖1 增程式電動汽車結(jié)構(gòu)示意圖

1.1 動力系統(tǒng)研究

增程式電動汽車存在多個動力源，多個動力系統(tǒng)建模、參數(shù)匹配關(guān)系到后續(xù)能量管理策略的效果。目前已發(fā)表的文獻中大部分是對于混合動力汽車動力系統(tǒng)參數(shù)匹配研究，專門針對增程式電動汽車開展動力系統(tǒng)設(shè)計、參數(shù)匹配的研究不多。例如，蔣建華等[14]以續(xù)航里程和動力性為目標(biāo)，設(shè)計了增程式電動汽車動力系統(tǒng)參數(shù)，并采用了增程器恒功率控制策略驗證了其設(shè)計效果；黃欣等[15]以整車制造成本、汽車等效百公里加速時間和百公里油耗為目標(biāo)，以電機峰值功率、電池能量以及發(fā)動機額定功率為變量，設(shè)計了基于線性加權(quán)的多目標(biāo)遺傳算法，最后進行了試驗驗證；周蘇等[16]采用了定點能量管理策略對設(shè)計的某款增程式電動汽車動力系統(tǒng)進行了分析和驗證。

1.2 能量管理控制策略研究

能量管理策略是增程式電動汽車技術(shù)研究的熱點，也是難點。其目標(biāo)是對多個能量源之間的動力進行優(yōu)化和分配，使其在滿足動力性同時，兼顧經(jīng)濟性和排放性。目前對于增程式電動汽車的控制策略主要有三種，即全局最優(yōu)控制策略、基于規(guī)則的邏輯門限控制策略以及智能控制策略(包括模糊控制、神經(jīng)網(wǎng)絡(luò)控制、動態(tài)規(guī)劃以及其他各種智能優(yōu)化控制方法)，對于上述控制策略，學(xué)者們開展了一定的研究。竇國偉等[17]提出了一種基于模糊控制的算法的增程式電動汽車多能源能量分配控制策略，設(shè)計了模糊控制器(圖2)，綜合考核電池SOC與驅(qū)動電機功率需求，仿真驗證了策略有效性，結(jié)果表明：在電機需求功率為負時，輸出功率均在5 kW以下，當(dāng)SOC值為0.9時，輸出功率88 kW，SOC越高，電池功率輸出能力越高；盤朝奉等[18]也提出了基于模糊控制的穩(wěn)態(tài)能量分配策略，采用單輸出、雙輸入的二維結(jié)構(gòu)，以驅(qū)動電機需求功率和SOC為輸入，輔助動力單元需求功率為輸出，最后利用Cruise以及Simulink進行聯(lián)合仿真，整車油耗為5.94 km/L，效果良好；賀俊杰等[19]為了對汽車增程器進行有效控制同時，兼顧動力電池組壽命，研究了一種基于模糊控制的恒溫器策略與功率跟隨相結(jié)合的能量管理策略，該策略對比功率跟隨策略，油耗消化率達到了16%，同時將發(fā)動機工作點控制在最優(yōu)燃油附近，改善了排放與增程器效率；胡瑾瑜等[20]以燃料電池堆作為增程器的增程式電動汽車為例，提出了一種綜合電池充放電效率和燃料電池效率的能量管理策略，并基于神經(jīng)網(wǎng)絡(luò)將策略實現(xiàn)，在常規(guī)工況下續(xù)航里程增加3.32%；Chen等[21]利用動態(tài)規(guī)劃算法對增程式電動汽車能量管理策略進行設(shè)計與研究；朱龍飛等[22]以提高整車燃油經(jīng)濟性為目標(biāo)，也利用動態(tài)規(guī)劃方法得到燃油消耗最優(yōu)值以及最優(yōu)控制，建立基于邏輯門限值的控制策略，最后借助遺傳算法對策略主要參數(shù)進行了優(yōu)化，優(yōu)化后整車燃油消耗與最優(yōu)理論誤差僅為2.8%；席利賀等[23]開展了基于動態(tài)規(guī)劃與神經(jīng)網(wǎng)絡(luò)的增程式電動汽車能量管理策略研究，設(shè)計了一種具有實時控制能力的增程式電動汽車能量管理策略，針對動態(tài)規(guī)劃算法(動態(tài)規(guī)劃算法求解示意圖如圖3所示)需要基于實際具體工況而信息實際困難的缺點，借助了BP神經(jīng)網(wǎng)絡(luò)算法進行離線訓(xùn)練(圖4為構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu))，最終進行了硬件在環(huán)仿真試驗，提高了燃油經(jīng)濟性；張承寧等[24]提出了一種基于Pontryagin 極小值原理的增程式電動車輛電量維持階段控制策略，分析了其能實現(xiàn)SOC維持控制的機理，相比于傳統(tǒng)開關(guān)控制策略，燃油經(jīng)濟性最高能提高5.8%；徐群群等[25]針對傳統(tǒng)遺傳算法易收斂于局部最優(yōu)(圖5為遺傳算法的優(yōu)化流程)，無法達到全局最優(yōu)的缺陷，以車輛百公里油耗以及最長行駛里程為優(yōu)化目標(biāo)，提出了交叉和變異概率可動態(tài)變化的自適應(yīng)遺傳算法，對能量管理策略進行優(yōu)化，使等效燃油消耗減少10%；閔海濤等[26]圍繞增程式電動汽車結(jié)構(gòu)和特點，針對傳統(tǒng)增程式電動汽車主要圍繞發(fā)動機工作區(qū)域及其控制效果進行研究，無法確定所制定的策略能否在全域范圍內(nèi)能達到最佳性能的缺點，以系統(tǒng)循環(huán)損失能量最小為優(yōu)化目標(biāo)，設(shè)計了帶精英策略的非支配遺傳基因算法的優(yōu)化方法，使循環(huán)損失能量比優(yōu)化前降低了6.63%；牛繼高等[27]引入基于規(guī)則的發(fā)動機定點和最優(yōu)曲線控制策略改善了燃油經(jīng)濟性，燃油經(jīng)濟性提高了9.8%；吳曉剛等[28]為了探討能量管理策略對增程式電動汽車燃油經(jīng)濟性提升的潛力，考慮不同輸出功率下燃油經(jīng)濟型最優(yōu)并以最小燃油消耗為目標(biāo)函數(shù)，提出了一種基于凸優(yōu)化的能量管理策略，通過于傳統(tǒng)的電量消耗—電量保持模式、混合模式進行了對比，增程器的平均效率提高了0.98%，系統(tǒng)驅(qū)動能效提高了3.66%。

圖2 模糊控制器結(jié)構(gòu)圖

圖3 動態(tài)規(guī)劃算法求解示意圖

圖4 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

圖5 遺傳算法的優(yōu)化流程

2 增程式電動拖拉機研究

2.1 動力系統(tǒng)設(shè)計與參數(shù)優(yōu)化

動力系統(tǒng)設(shè)計與參數(shù)優(yōu)化是開展增程式電動機拖拉機研究的重要方面之一，目前，國內(nèi)外開展了一些研究，主要以國內(nèi)為主。劉孟楠等[29]以國內(nèi)某一常用拖拉機為研究對象，設(shè)計了電動拖拉機驅(qū)動系統(tǒng)參數(shù)以及結(jié)構(gòu)方案，并基于CRUISE建立了增程式電動拖拉機仿真平臺，以旋耕為例，提出并建立了一種等效模型，仿真結(jié)果良好；Chen等[30]采用了雙電機驅(qū)動方案，提出一種基于雙電機耦合驅(qū)動方式的電動拖拉機傳動系統(tǒng)參數(shù)匹配與設(shè)計方法，采用基于混合罰函數(shù)的粒子群優(yōu)化算法進行了參數(shù)優(yōu)化，建立了仿真動態(tài)模型，通過試驗驗證，提高了電動拖拉機牽引性能。國外各大高校和科研機構(gòu)也有對混合動力電動拖拉機、增程式電動拖拉機的驅(qū)動系統(tǒng)開展研究，Kim等[31]對增程式混合動力拖拉機驅(qū)動系統(tǒng)進行研究，基于傳統(tǒng)拖拉機道路測試獲得的負載工況，分析了動力源的功率特性，并設(shè)計了兩級減速比，用于典型農(nóng)業(yè)作業(yè)；Kim等[32]針對并聯(lián)式混合動力拖拉機在主要田間作業(yè)(如打包、犁耕和旋耕)的動態(tài)特性，提出了一種自適應(yīng)觀測器用于負載扭矩估計，并將估計的負載扭矩值與測量值進行比較以驗證其性能。

2.2 轉(zhuǎn)矩分配與能量管理控制策略

完成動力系統(tǒng)設(shè)計之后，如何進行轉(zhuǎn)矩分配以及能量控制策略的研究是增程式電動拖拉機技術(shù)的關(guān)鍵，該方面國內(nèi)外也有學(xué)者做了一些研究。Liu等[33]提出了一種基于負載轉(zhuǎn)矩的控制策略，采用了粒子群優(yōu)化算法，用來提升電動拖拉機能量轉(zhuǎn)化效率；王麗綿等[34]從降低啟動能耗角度出發(fā)，對增程式電動拖拉機的控制策略進行了研究，提出了電動機功率前向預(yù)測控制模型，從發(fā)動機起動控制略優(yōu)化角度對增程器能耗、起動成功率、起動平順性等進行了試驗研究和分析，確定了最佳拖動轉(zhuǎn)速以及起動控制方法，降低了起動能耗，其發(fā)動機起動控制邏輯如圖6所示；Xu等[35]針對增程式電動拖拉機行程結(jié)束時動力電池SOC仍較高，電量并未得到充分利用的情況，對動力電池電耗與柴油車油耗能量管理策略之間控制參數(shù)調(diào)整的問題進行了研究，建立了拖拉機整車模型，利用AVL巡航控制模塊編制能量管理策略，同時，為驗證模型優(yōu)越性， 同柴油機啟?？刂萍佣c能量管理策略(FPEMS)進行對比，通過連續(xù)操作和深松操作驗證了該策略適用性。國外的研究很少，主要在韓國以及歐洲，比如Choi等[36]還提出了基于規(guī)則的扭矩輔助分配策略用于并聯(lián)式混合動力拖拉機，通過仿真模擬比較了傳統(tǒng)拖拉機和混合動力拖拉機燃料消耗，結(jié)果表明，并聯(lián)式混合動力要比傳統(tǒng)式省油量為0.514 3 L/h；趙靜慧等以國內(nèi)某款大功率拖拉機為例，采用了增程設(shè)計方案提出了驅(qū)動系統(tǒng)主要參數(shù)設(shè)計方案，并實施發(fā)動機啟停 + 定點能量管理策略，對經(jīng)濟性和動力性進行了仿真分析，最后與傳統(tǒng)拖拉機相比，降低了綜合油耗的同時一定程度上提高了最大牽引力和最大爬坡度，其增程式電動拖拉機的驅(qū)動系統(tǒng)方案如圖7所示；徐立友等[37]針對增程式四驅(qū)電動拖拉機前后輪轉(zhuǎn)矩分配問題(四驅(qū)拖拉機控制原理如圖8所示)，提出了一種基于模糊控制的轉(zhuǎn)矩分配策略，將犁耕阻力與拖拉機坡度作為模糊輸入變量，將電機轉(zhuǎn)矩分配因數(shù)作為輸出變量，設(shè)計模糊控制器，并與定比分配策略進行了對比，有效控制滑轉(zhuǎn)率在合理范圍，效果良好。

圖6 發(fā)動機起動控制邏輯

圖7 增程式電動拖拉機驅(qū)動系統(tǒng)方案

圖8 四驅(qū)拖拉機控制原理

國外對于增程式電動拖拉機轉(zhuǎn)矩分配以及控制策略的研究極少，主要集中在韓國以及歐洲的高校及科研機構(gòu)。Lee等[38]針對并聯(lián)混合動力拖拉機提出了基于功率分配比規(guī)則的能量管理策略，該策略以效率最優(yōu)為目標(biāo)，仿真結(jié)果表明，優(yōu)化后的燃油效率要比優(yōu)化前的提高了1.88%；Mocera等[39]根據(jù)果園實際作業(yè)場景對并聯(lián)式混合動力拖拉機進行了性能研究，提出了一種負載觀察的能量管理策略，合理地分配兩個動力源的功率需求，仿真結(jié)果表明，所提出的方案不僅能夠在不同的工作條件下提供與傳統(tǒng)拖拉機相同的功率，而且還可以使用更小的發(fā)動機達到同樣的效果；Jia等[40]提出了一種用于串聯(lián)式混合動力拖拉機的前向模型，設(shè)計恒溫器(TC)和功率跟隨器控制(PFC)這兩種基于規(guī)則的能量管理策略，基于典型犁耕和收獲混合工作循環(huán)工況下對其進行仿真分析，結(jié)果表明，PFC在節(jié)省燃料和減少氮氧化物(NOX)和一氧化碳(CO)排放方面實現(xiàn)了更好的性能，但以產(chǎn)生更多的顆粒物(PM)為代價。

2.3 不同增程式電動拖拉機關(guān)鍵技術(shù)對比分析

對于增程式電動拖拉機來說，最關(guān)鍵的技術(shù)在于能量管理及控制策略，根據(jù)控制器的數(shù)學(xué)建模原理，能量管理策略可以分為兩大類：基于規(guī)則的能量管理策略和基于優(yōu)化的能量管理策略[41-43]。增程式電動拖拉機也存在上述兩者控制策略。在基于確定性規(guī)則的策略中，規(guī)則是在基于增程式電動拖拉機系統(tǒng)的功率流分析、效率/燃料或排放圖和人類經(jīng)驗的啟發(fā)式方法下來設(shè)計確定性規(guī)則的，規(guī)則的實現(xiàn)通常通過預(yù)先計算的查找表來實現(xiàn)功率分配問題，比如基于模糊規(guī)則、自適應(yīng)規(guī)則等。由于其低計算需求、對在線應(yīng)用的自然適應(yīng)性、良好的可靠性和令人滿意的油耗結(jié)果，基于規(guī)則的控制策略被廣泛使用，然而，它們規(guī)則定義和校準(zhǔn)過程漫長，并且會因每種拓撲結(jié)構(gòu)和新的駕駛條件而重新定義規(guī)則，從而對基于規(guī)則的增程式電動拖拉機控制策略的魯棒性提出了一些問題[44]，這激發(fā)了優(yōu)化算法的研究和適用性。

基于優(yōu)化的能量管理策略在增程式電動拖拉機中的應(yīng)用很少?；趦?yōu)化的控制策略通過最小化目標(biāo)函數(shù)隨時間的和(全局優(yōu)化)或瞬間最小化目標(biāo)函數(shù)(局部優(yōu)化)來決定控制信號。全局最優(yōu)控制策略僅依賴于整個駕駛周期的先驗知識，對于汽車來說，在現(xiàn)實中難以事先知道整個駕駛周期，因此，不能在實時中應(yīng)用，但可以用來評估其他控制策略的質(zhì)量，或基于此基礎(chǔ)上設(shè)計在線實施規(guī)則。而在農(nóng)作業(yè)場景中，對于增程電動拖拉機來說，一旦確定作業(yè)工況，其場景要比汽車駕駛單一的多得多，在此情況下，全局最優(yōu)控制策略不失為一個不錯的選擇，線性規(guī)劃[45-46]、動態(tài)規(guī)劃和隨機動態(tài)規(guī)劃[47-49]、遺傳算法[50-51]等都屬于全局優(yōu)化控制策略。局部優(yōu)化控制策略是一種基于瞬時成本函數(shù)最小值的實時優(yōu)化控制策略，所定義的瞬時函數(shù)只能依賴于當(dāng)前的系統(tǒng)變量。瞬時成本函數(shù)應(yīng)包括等效燃料消耗，還可以將排放污染物、電池壽命、駕駛平順性等添加到瞬時成本函數(shù)中。雖然這類問題的解不是全局最優(yōu)解，但可以實現(xiàn)實時在線優(yōu)化。這些主要基于等效消耗最小化策略(ECMS)[52-53]、神經(jīng)網(wǎng)絡(luò)控制[54-55]或模型預(yù)測控制(MPC)策略[56-57]。

因此，結(jié)合上述對比分析，針對增程式電動旋耕拖拉機能量管理問題，進行數(shù)學(xué)一般公式化定義，結(jié)合拖拉機作業(yè)工況特征，實施全局優(yōu)化控制是較好的選擇。

3 增程式電動拖拉機存在的問題及發(fā)展建議

3.1 存在問題

1) 動力系統(tǒng)建模及參數(shù)優(yōu)化針對性欠缺。增程式電動拖拉機在動力系統(tǒng)設(shè)計及建模時一般需要考慮整體的動力需求，在滿足整體需求的基礎(chǔ)上進行參數(shù)的匹配與優(yōu)化設(shè)計。大多數(shù)的研究僅僅采用是通用的參照增程汽車的動力建模模式，并沒有考慮到針對電動拖拉機各種作業(yè)工況下的實際動力需求，針對性不夠。

2) 能量管理技術(shù)有待進一步改進和提升。能量管理技術(shù)是衡量增程式電動拖拉機總體性能的重要指標(biāo)之一。對于電動拖拉機來說，如何在差異化以及不同負載、路況等條件下，綜合考慮多個動力部件的動態(tài)響應(yīng)特性與高效區(qū)間差異性，合理分配輸出功率是關(guān)鍵。而現(xiàn)有的能量管理技術(shù)絕大部分采用基于確定規(guī)則的能量管理策略，不能實時根據(jù)工況變化動態(tài)調(diào)整策略，整體效率不高。

3) 整體續(xù)航里程較短，無法滿足大載荷長時間作業(yè)。由于電池技術(shù)不夠完善，增程式電動拖拉機仍存在續(xù)航里程較短的問題，無法滿足大載荷長時間作業(yè)，尤其對于大功率拖拉來說，由于農(nóng)作業(yè)時長需求和作業(yè)負載繁重，混合電驅(qū)動(增程)形式仍然是首選考慮方案，急需改進并提升電池性能。

4) 智能化技術(shù)運用不夠?，F(xiàn)有的增程電動拖拉機在傳感、信息、網(wǎng)絡(luò)、通訊等方面并沒有很好結(jié)合進來，缺少大數(shù)據(jù)基礎(chǔ)上的系統(tǒng)分析，影響了增程式電動拖拉機帶極具作業(yè)時的精度與準(zhǔn)確性。

3.2 發(fā)展建議

對于增程式電動拖拉機來說，未來機械結(jié)構(gòu)的改進不是重點，結(jié)構(gòu)方面相對比較成熟，重點在于控制策略與能量管理方面的研究。通過梳理目前增程式電動汽車以及電動拖拉機在動力系統(tǒng)設(shè)計、能量管理、控制策略等方面的研究現(xiàn)狀與進展，結(jié)合增程式電動拖拉機的自身特點，借鑒增程式電動汽車在動力系統(tǒng)參數(shù)設(shè)計、能量管理及控制策略等方面的成功運用案例，提出以下幾點研究建議。

1) 研究增程式電動拖拉機動力系統(tǒng)建模以及參數(shù)優(yōu)化技術(shù)。目前，針對增程式電動拖拉機的建模均是在傳統(tǒng)拖拉機等效模型基礎(chǔ)上附加增程裝置，同時在參數(shù)設(shè)計以及優(yōu)化方面并沒有考慮到拖拉機的諸如運輸、犁土、翻土、整地等不同的作業(yè)需要，未來可以在基于一定數(shù)據(jù)分析基礎(chǔ)上，全面考慮實際作業(yè)需求，實施個性化、精準(zhǔn)化建模與參數(shù)設(shè)計，提高準(zhǔn)確性。

2) 研究增程式電動拖拉機能量管理技術(shù)。整車能量管理的核心問題在于：在特定負載和路況條件下，如何綜合考慮各部件動態(tài)響應(yīng)特性與高效率區(qū)間差異性，對增程式電動拖拉機來說，即如何合理分配發(fā)動機與動力電池的輸出功率，提升系統(tǒng)效率、節(jié)約燃油、提高電能利用率，如何在電耗和油耗間找到平衡點，提高特定工況下的續(xù)航里程。由于拖拉機工況相對汽車來說比較復(fù)雜，基于確定性規(guī)則的控制方法不一定適合電動拖拉機，而基于全局優(yōu)化控制(比如動態(tài)規(guī)劃算法等)在電動汽車上的成功運用，未來可以結(jié)合到增程式電動拖拉機能量管理研究中。

3) 開展適應(yīng)增程電動拖拉機的電池及相關(guān)技術(shù)研發(fā)，提升續(xù)航里程。在充分分析增程式電動拖拉機作業(yè)特性與能量需求的基礎(chǔ)上，開展適合該類拖拉機的電池及控制系統(tǒng)研發(fā)，在電池材料的選擇、電池控制策略優(yōu)化等方面進行針對性研究，重點提升大功率增程式電動拖拉機續(xù)航里程。

4) 開展智能化技術(shù)在增程式電動拖拉機上的運用。隨著人工智能、大數(shù)據(jù)等技術(shù)的進步，已進入智慧農(nóng)業(yè)時代，同時，基于模糊控制、神經(jīng)網(wǎng)絡(luò)等技術(shù)已經(jīng)在電動汽車以及拖拉機上取得了一定的應(yīng)用，但網(wǎng)絡(luò)層級、結(jié)構(gòu)仍較為簡單。未來，通過在獲取大量的數(shù)據(jù)樣本前提下，可以進一步豐富神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，甚至引入深度學(xué)習(xí)控制算法，對增程式電動拖拉機的控制模型進行深入訓(xùn)練，提高控制精確性。

4 結(jié)語

能量管理以及控制策略優(yōu)化是未來增程式電動拖拉機得以發(fā)展的重要前提?；谀壳霸龀淌诫妱悠囈约巴侠瓩C在控制策略、動力參數(shù)設(shè)計、能量管理等方面的研究現(xiàn)狀，提出完善增程式電動拖拉機的動力系統(tǒng)參數(shù)化設(shè)計與優(yōu)化、實施全局優(yōu)化控制、充分結(jié)合深度學(xué)習(xí)等人工智能算法是未來增程式電動拖拉機發(fā)展的關(guān)鍵。今后，隨著控制技術(shù)和智能算法的進一步發(fā)展，實現(xiàn)控制的精準(zhǔn)化和智能化，進一步提升全局范圍內(nèi)的電能利用率，降低燃油消耗，是未來增程式電動拖拉機技術(shù)的發(fā)展趨勢。