基于FCMAC神经网络的PHEV转矩分配策略

针对混合动力汽车转矩分配策略对整车的燃油经济性和排放性能具有重要的影响,提出了基于模糊小脑模型(FCMAC)神经网络控制的整车转矩分配方法.以某变速箱前置式双轴转矩耦合并联混合动力汽车为研究对象,建立了以发动机的输出转矩为目标的FCMAC神经网络控制策略,将输入量离散化后的高斯基模糊隶属度进行规则相乘后作为FCMAC神经网络的输入,经过hash映射及权值调整输出发动机转矩,实现了混合动力汽车的转矩分配.在AVL-Cruise及Matlab/Simulink平台上建立仿真模型,将其控制策略与基于逻辑门限值控制策略的仿真结果进行比较.结果表明:在NEDC工况下FCMAC控制策略较逻辑门限值控制策略,油耗与排放都有改善,提升了并联式混合动力汽车的燃油经济性和排放性.     

插电式混合动力汽车能量管理策略多目标优化

能量管理策略与插电式混合动力汽车(plug-in hybrid electric vehicles,PHEV)的燃油消耗和尾气排放密切相关.在开发的PHEV能量管理策略基础上,建立整车仿真模型.利用自适应惯性因子对基本粒子群算法进行改进.为克服单一优化算法的固有缺陷,将改进粒子群算法和遗传算法组成混合优化算法,并将该混合算法应用于PHEV能量管理策略的多目标优化.优化结果表明,该算法能有效跳出局部最优,其寻优能力明显高于基本粒子群算法和遗传算法,优化后的PHEV油耗和尾气排放相对于优化前减少近30%.     

单行星排客车混动系统控制策略对比

为了提高混合动力汽车的燃油经济性及降低汽车的尾气排放,从中国城市典型工况的动力需求出发,以单行星排10.5 m城市公交客车为研究对象,采用MATLAB软件建立整车经济性计算模型;然后,对比分析客车在单一目标控制策略和双层筛选全局优化控制策略下的节油效果.研究结果表明:在中国城市典型工况下,客车采用双层筛选全局优化控制策略比采用单一目标控制策略节油效果更为显著,节油率高达4.4%.     

基于粒子群优化的混合动力汽车多目标能量管理策略

为了同时实现降低整车能耗和控制电池电量的能量管理目标,针对某功率分流式混合动力汽车,提出了基于粒子群优化(PSO)的多目标能量管理策略。该策略采用双层结构,内层采用考虑模式切换的等效燃油消耗最少策略(ECMS)对工作模式和工作点进行优化,实现降低整车能耗的目标;外层采用PSO对等效因子进行迭代优化,实现电池电量的控制目标。通过基于实车控制策略的整车仿真模型对优化效果进行了验证,结果表明,PSO与ECMS相结合的能量管理策略可实现降低整车能耗与控制电池电量的双重目标。     

基于行为博弈进化算法的PHEV控制策略参数优化

控制策略是影响并联混合动力汽车(PHEV)性能的重要组成部分。针对混合动力汽车控制策略优化问题,设计了基于行为博弈进化算法的并联混合动力汽车控制策略参数优化方法(PGEA).该方法以行为博弈进化算法为优化工具,以混合动力汽车的加速性能、最大爬坡度、最高车速等动力性能指标为约束条件,采用ADVISOR仿真并联混合动力汽车,以最小化燃油消耗与污染物排放总量为优化目标。30组仿真实验结果表明：1)优化后的系统百公里燃油消耗与污染物排放之和最大降幅为23.68%,最小降幅为18.72%,平均下降22.13%;2)发动机效率、电动机效率和系统整体效率至少分别提高了16.67%、44.44%和18.39%;3) PGEA比基于Pareto最优原理的混合动力汽车多目标优化进化算法能够获得精度更高的解。     

基于行为博弈进化算法的并联混合动力汽车控制策略参数优化

控制策略是影响并联混合动力汽车(PHEV)性能的重要组成部分。针对混合动力汽车控制策略优化问题,设计了基于行为博弈进化算法的并联混合动力汽车控制策略参数优化方法(PGEA);该方法以行为博弈进化算法为优化工具,以混合动力汽车的加速性能、最大爬坡度、最高车速等动力性能指标为约束条件,采用ADVISOR仿真并联混合动力汽车;以最小化燃油消耗与污染物排放总量为优化目标。30组仿真实验结果表明:(1)优化后的系统百公里燃油消耗与污染物排放之和最大降幅为23.68%,最小降幅为18.72%,平均下降22.13%;(2)发动机效率、电动机效率和系统整体效率至少分别提高了16.67%、44.44%和18.39%;(3)PGEA比基于Pareto最优原理的混合动力汽车多目标优化进化算法能够获得精度更高的解。     

并联式混合动力电动汽车全局优化控制

以一种充电保持型并联式混合动力电动汽车（PHEV）为研究对象，基于其整车及动力总成相关数学模型建立了以整个行驶工况消耗的总燃油量最小为目标的系统目标泛函，以及相关的机械特性、蓄电池电量保持等约束条件方程．然后采用Lagrange乘子法将有约束的极小值问题转化为无约束的极小值问题进行求解，得到PHEV的全局优化控制策略．最后基于Matlab／Simulink建立整车仿真模型，在几种不同的循环工况中对获得的全局优化控制策略进行仿真验证，并与采用瞬时优化控制策略得到的仿真结果进行比较．结果表明该全局优化控制策略切实可行，所获得的整车燃油经济性与采用瞬时优化得到的相比有所改善．     

基于CRUISE的轻度ISG型HEV控制策略研究

控制策略是混合动力汽车(HEV)的关键技术,直接影响HEV整车性能。文章以整车动力性和燃油经济性为控制目标,分别设计了基于逻辑门限值的电力辅助控制策略和模糊逻辑控制策略,在CRUISE平台上搭建样车ISG混合动力汽车的模型,并分别在UDDS和NEDC 2种工况下进行仿真分析。仿真结果表明,与同类型传统燃油汽车相比,基于电力辅助控制策略和模糊逻辑控制策略的ISG型HEV的燃油经济性都有明显改善,模糊逻辑控制策略更为适合。     

并联式混合动力汽车机械式自动变速器换档策略

并联式混合动力汽车(Parallel Hybrid Electric Vehicle,PHEV)档位决策作为能量管理策略的一部分,对整车动力性、经济性及排放性能有较大影响.混合动力汽车换档策略不仅要考虑发动机,还要考虑电机和电池系统的影响.基于电池电能的等效燃油概念,通过考虑电池充、放电过程中的能量损失,将充、放电生成或消耗的电能折算为等效燃油,由此得到不同档位时整车的综合燃油消耗,进而选取燃油消耗较小时的档位使整车经济性能指标达到最优.同时,该方法也通用于装备液力自动变速器(Automatic Transmission,AT)等有级式自动变速器的混合动力汽车换档策略制定.     

基于需求功率预测的混合动力越野车能量管理

为了优化混合动力越野车多动力源动态响应控制与燃油经济性,以需求功率为关键研究参量,设计自适应马尔科夫链预测算法,实现需求功率的实时预测.基于等效燃油消耗最小控制策略,提出考虑实时需求功率的变化寻优域,设计变域等效燃油消耗最小控制策略,实现能量管理优化.运用Cruise和Simulink软件搭建了混合动力越野车能量管理联合仿真平台,以典型越野行驶工况为仿真循环工况进行策略验证.联合仿真结果表明:所设计的自适应马尔科夫链需求功率预测算法使得整车动力性提升6.5％;与传统复合规则型策略相比,变域等效燃油消耗最小能量管理策略使得整车燃油经济性提升10.5％.     

燃料电池客车动力系统建模与能量管理策略研究

基于ADVISOR进行二次开发,建立了燃料电池客车整车前向仿真模型.基于模糊控制方法制定了能量管理策略;为提升燃料电池耐久性,对模糊控制进行改进,提出改进后的模糊控制能量管理策略.中国典型城市工况下的仿真结果表明,改进后的模糊控制能量管理策略在车辆经济性和燃料电池耐久性方面均优于功率跟随式能量管理策略.     

混合动力汽车补偿模糊神经网络能量管理策略

以上海大众汽车公司某型号混合动力电动汽车(HEV)的设计要求为基础,提出了一种基于补偿模糊神经网络的能量控制策略,并采用动态调整步长的梯度下降法加快算法的收敛速度.分析了样本数据选取、输入、输出模糊分割和模糊规则提取对控制器性能的影响.利用ADVISOR2002仿真平台进行二次开发,完成了基于补偿模糊神经网络的控制策略、并联电力辅助控制策略和模糊控制策略的仿真比较.仿真结果表明,基于补偿模糊神经网络的控制器具有较强的自适应能力,可以较好提高混合动力汽车的燃油经济性和排放性.     

ISG型混合动力汽车模糊控制策略及仿真

针对配备CVT的ISG型混合动力汽车,采用模糊控制策略对整车燃油经济性进行了研究．以整车瞬时状态为基础,燃油消耗最小为目标,建立了模糊控制器。为了消除模糊控制规则获取过程中的不确定性因素,以序列二次规划法的优化计算结果作为制定模糊控制规则的基础,制定了模糊控制规则．结合本文研究车型,对ADVISOR仿真软件进行二次开发,并对整车燃油经济性进行了仿真计算．仿真结果表明,模糊控制策略能够有效提高ISG型混合动力汽车的燃油经济性．     

串联混合动力汽车的能量管理策略

以串联混合动力汽车为研究对象,采用“系统建模-策略开发-仿真验证”的思路对能量管理策略进行了研究,建立了动力系统各关键部件的模型.将功率分配系数作为控制变量,以燃油经济性作为控制目标建立了一种基于逻辑门限与模糊算法的能量管理策略;以US06作为循环工况,在MATLAB/Simulink平台下进行了仿真,结果表明,所提出的能量管理策略正确有效,可以实现良好的燃油经济性,与传统的开关式能量管理策略相比,可以降低油耗113%.     

融合驾驶风格识别的插电式混合动力汽车自适应控制策略

考虑到驾驶风格对燃油经济性的影响较大,提出了一种融合驾驶风格识别的自适应控制策略,用于插电式混合动力汽车发动机和电机之间的实时扭矩分配。 构建出两种驾驶风格识别模型,在获得驾驶风格识别模型后,考虑到对各种驾驶风格的适应性,融合识别的驾驶风格类别,提出了一种与基于自适应等效因子算法的 PI 模糊更新规则相结合的等效消耗最小化策略 (ECMS)。根据最小等效燃油消耗控制算法和电池电量平衡控制方法,结合驾驶风格识别的结果调用相应最优控制参数,对发动机和电池的功率分配进行实时优化计算,实现对整车的控制。将一段工况使用所指定的能量管理策略,仿真结果表明,融合驾驶风格识别的策略在燃油经济性最高提升了10.5%,汽车的HC,CO,NOx总排放最高降低了11%,,发动机,电机工作点更好的运行在最佳区域中。     

插电式并联混合动力汽车再生制动控制策略

再生制动是混合动力汽车区别于传统汽车的技术特点,是提高车辆燃油经济性的重要措施之一.以一种轴间力矩耦合的插电式并联混合动力汽车为研究对象,从再生制动分配算法的影响因素入手,提出了一种带有模糊控制的混合动力汽车再生制动能量管理策略.所设计的控制策略主要针对两个层面的控制决策,顶层是轴间制动力矩的分配决策,底层是再生制动电机所在的后轴力矩在摩擦制动与再生制动之间的分配决策.采用多种典型车辆行驶工况对所提出的模糊控制策略进行仿真研究.结果表明,所提出的模糊控制策略能够明显改善车辆的能量回收效果,与传统理想制动力分配曲线控制策略相比,能量回收最多可提高23.44%.     

计及能耗经济性和电池寿命的PHEV能量管理策略优化

针对一款混联式双电机插电混合动力汽车,建立了整车动力学模型和电池寿命衰减模型,同时为反映电池温度对电池寿命的影响,建立了电池温度模型;考虑能量管理控制对能耗经济性和电池寿命衰减的影响,制定了一种多模式逻辑规则能量管理策略,并分析了控制参数变化对能耗经济性和电池寿命的影响。建立包含等效油耗和电池寿命衰减的多目标优化模型,基于多目标改进遗传算法对能量管理策略控制参数进行优化,优化结果表明：基于本文插电式混合动力汽车能量管理策略的优化方法得到的控制参数Pareto最优解集兼顾了插电式混合动力汽车的能耗经济性和电池寿命,可以得到多组不同的控制参数优化解,为能量管理策略的设计应用提供了多种可供选择的方案。     

基于混沌遗传算法的PHEV能量管理策略优化

提出了一种新的混沌遗传算法,改进了混沌映射和遗传算法的结合方式,使种群在进化的过程中能够混沌搜索解空间,从而增强遗传算法的遍历性.该算法有效地克服了遗传算法局部收敛的缺陷.在软件ADVISOR2002中,以一辆采用模糊能量管理策略的插电式混合动力电动汽车(Plug-in Hybrid Electrical Vehicle,PHEV)为研究对象,应用该混沌遗传算法对其隶属函数和控制规则进行了优化.仿真结果表明,该算法可以实现对模糊控制器的全局优化.与原模糊控制策略相比,优化后的燃油经济性提高了5.15%,CO排放减少了6.39%.     

混合动力汽车深度强化学习分层能量管理策略

为了提高混合动力汽车的燃油经济性和控制策略的稳定性,以第三代普锐斯混联式混合动力汽车作为研究对象,提出了一种等效燃油消耗最小策略(equivalent fuel consumption minimization strategy,ECMS)与深度强化学习方法(deep feinforcement learning,DRL)结合的分层能量管理策略。仿真结果证明,该分层控制策略不仅可以让强化学习中的智能体在无模型的情况下实现自适应节能控制,而且能保证混合动力汽车在所有工况下的SOC都满足约束限制。与基于规则的能量管理策略相比,此分层控制策略可以将燃油经济性提高20.83%~32.66%;增加智能体对车速的预测信息,可进一步降低5.12%的燃油消耗;与没有分层的深度强化学习策略相比,此策略可将燃油经济性提高8.04%;与使用SOC偏移惩罚的自适应等效燃油消耗最小策略(A-ECMS)相比,此策略下的燃油经济性将提高5.81%~16.18%。