随着汽车智能化、网联化的发展,车内控制器的数量日益增多,随之而来的是车内各节点间需传输的数据量剧增,导致车载网络面临着空前未有的压力。车载网络作为整车通信的载体,负责车内各控制器之间信号的传递。倘若车载网络不能保证数据实时的、准确的传输,将可能导致控制器无法正常工作,严重影响到行车安全。因此,为了适应当前汽车的发展趋势,优化车载网络环境是一项十分必要的工作。本文以CAN（Controller Area Network）总线为研究对象,该总线通信协议规定,报文只能在总线空闲阶段发出且在同一时刻采取仲裁机制决定报文的发送优先级。车内数据量的增加势必会引起总线的负载升高,总线空闲时段变短,从而导致低优先级的报文延迟发送甚至无法发送。这样就会使得节点功能失常或总线关闭,车载网络陷入瘫痪的状态。针对上述问题,本文围绕CAN总线负载的优化展开研究。首先,根据CAN总线通信的原理,分析影响负载率大小的因素,并结合定义推导出CAN总线负载率的计算方法。然后,针对影响因素进一步研究可知,将总线的波特率提高,能有效降低CAN总线的负载率。此外,报文的周期和长度之间存在复杂的耦合关系。报文的周期由报文中周期最小的通讯信号决定,而报文的长度受报文中通讯信号长度的影响。为此,引入现代优化算法来解决通讯信号优化分配的问题。通过使用模拟退火算法、遗传算法和Hopfield神经网络三种优化算法分别对信号优化分配问题进行Matlab建模仿真,对比不同信号集规模下各算法优化结果可知采用Hopfield神经网络算法处理该问题更具工程价值。因此,结合CAN通信机制提出了基于Hopfield神经网络的CAN总线负载率优化方案。该方案根据信号的长度和周期将各通讯信号优化分配至各报文中,达到降低CAN总线负载率的目的。最后,使用该负载率优化方案对微型电动车的通讯信号进行优化处理,得到优化后各节点的信号分配方式及理论负载率。为了验证该优化方案的有效性,将微型电动车优化后的信号分配方式与报文设计规则相结合创建通信矩阵,并设计自动转换工具将其转换成DBC文件。在CANoe软件中建立微型电动车CAN总线仿真模型,通过对比优化前后的仿真情况表明当波特率为100kbps时,优化后的微型电动车CAN总线负载率比优化前降低了18.53%。因此,从实验的角度验证了该优化方案对于降低CAN总线负载的可行性和有效性。