作为车辆节能减排的关键技术之一,智能怠速起停系统通过自动停机和快速起动功能,在不影响驾驶员正常驾驶需求的状态下减少发动机的怠速时间,从而降低整车燃油消耗。然而由于道路通行状况的影响,搭载了起停系统的车辆常常会有短时间内频繁起停发动机的现象,不仅会加速零部件损耗,起动过程中的噪音和振动问题也会影响驾驶员的驾驶体验。为了使智能怠速起停系统能够适应不同的行驶工况,减少无效怠速停机、频繁起停的现象,本文在对车辆当前行驶工况进行识别的基础上,提出了基于车速预测控制发动机自动起停的方法,对基于逻辑控制的起停系统进行优化。本文以减少无效停机次数从而提高燃油经济性为目的,围绕车速预测制定怠速起停系统优化控制策略展开研究。本文主要研究内容为:(1)在对不同怠速起停系统的技术方案进行分析的基础上,选择增强型启动电机起动方案作为研究对象,研究系统组成结构、控制信号和基于简单逻辑控制的基本控制策略。针对该策略存在无效怠速停机的不足,提出基于车速预测的优化控制策略。(2)根据平均车速及怠速次数,选取三种(共六个)典型循环工况作为研究对象,通过复合等分法提取最大最小车速等10个能够反映行驶工况特征的参数制作数据集。将一部分数据用以对极限学习机进行训练并利用蝙蝠算法对极限学习机的网络参数进行优化。剩下的数据作为测试集验证该极限学习机对工况识别的有效性。仿真结果表明,经过蝙蝠算法优化的极限学习机对各个工况的识别精度达到93%。(3)以车辆车速时间序列为输入对象,建立NAR神经网络模型,对车辆进行速度预测。利用BP算法以Open-loop模式调整网络参数,最后通过试凑法确定网络延时阶数及隐含层神经元个数。使用不同工况车速序列训练不同的NAR神经网络,基于工况识别,对处于不同行驶工况下的车辆使用对应的NAR神经网络预测车速。(4)本文最后建立车辆燃油消耗模型,在不同工况下分别对不同策略起停系统进行仿真实验,实验结果表明,基于车速预测控制策略起停系统能够有效避免无效怠速停机的发生,最终提高车辆整体节油效果。