基于模糊在线识别的并联混合动力客车自适应控制策略

针对一款并联混合动力客车提出了一种基于模糊在线识别的自适应控制策略.基于自主研发的混合动力车数据采集监控系统构建符合本地车辆实际行驶道路特点的典型工况,设计模糊工况识别算法对车辆实际行驶的工况类型进行在线识别.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,结合工况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.实验结果表明,所设计的模糊识别方法能够较好地完成行驶工况类型的识别.基于此所提出的自适应控制方法能够在满足车辆需求功率和电池SOC维持在有效工作区间内的前提下完成发动机和电池的最优功率分配,显著提高整车的燃油经济性.      

混联式混合动力客车发动机优化控制策略

以提高发动机工作效率为目标,根据一款新型混联式混合动力客车的结构特点,划分发动机的工作区域,采用一种功率均衡的控制策略,以电池功率为控制变量对发动机的工作点进行优化,并且引入了电池荷电状态PI控制函数。基于Matlab/simulink平台建立前向整车仿真模型,通过仿真结果表明：其燃油经济性与基于等效燃油最小控制策略相比提高6.74%,同时电池SOC能够控制在预定的范围内运行。     

基于循环工况统计规律的混联式混合动力客车参数匹配与性能仿真

参考中国城市公交城区循环工况的整车动力性及经济性要求,对混联式动力系统运行模式进行分析,根据其结构特点设计基于发动机最佳工作效率曲线的控制策略,应用Matlab/Simulink建立整车仿真模型,进行了基于循环工况统计规律的功率匹配,并对该混合动力客车的动力性及经济性进行仿真实验验证。结果表明,所匹配的客车参数能够满足整车性能目标,整车的燃油经济性相比于传统客车提高30%,同时,能够很好地维持SOC电池荷电状态保持在一定范围内,发动机的工作点基本在高效区域内运行。     

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％.     

混合动力汽车自适应等效油耗最低能量管理策略

为提高插电式混合动力汽车燃油经济性，采用基于动态规划（DP）的控制策略仿真分析了不同典型工况、不同行驶里程下SOC（电池荷电状态）的最优轨迹。在等效油耗最低能量管理策略（ECMS）的基础上，采用比例积分（PI）控制算法实时更新电能-燃油等效因子，以保证SOC实际轨迹能够大致跟随理论参考轨迹，进而提出了一种可实时控制的自适应等效油耗最低能量管理策略（AECMS）。为验证所提控制策略的控制性能有效性，采用不同典型工况及不同行驶里程对ECMS、DP、AECMS的控制性能进行了仿真对比。结果表明，AECMS控制效果接近于DP控制策略且可实时控制，电量消耗（CD）模式下AECMS相对于ECMS减少油耗3.50%~8.71%，电量保持（CS）模式下AECMS相对于ECMS减少油耗1.11%~2.46%。     

混合动力客车控制策略仿真与分析

混合动力城市公交车运行过程中平均速度偏低,导致过度使用动力电池,由于无法使用混合动力,使得整个行驶工况中不能保持良好的燃油经济性。本文提出了基于车速和电池荷电状态(SOC)规划的控制策略,在MATLAB/Simulink软件中搭建所设计的控制策略模型,并将控制策略导入CRUISE软件中,与所搭建的整车动力系统模型进行联合仿真。研究结果表明:基于车速和SOC规划的混合动力客车控制策略与基于规则的控制策略相比,整车燃油经济性提高了2.7%,且SOC的平衡性可控制在5%以内。     

基于系统效率的PHEV动力与控制参数优化

针对搭载无级变速器的单电机插电式混合动力汽车,提出了一种新的动力参数与控制参数设计方法.建立插电式混合动力汽车各工作模式的系统效率模型,得到基于系统效率的工作模式切换规律,并对模式切换曲线乘以控制参数以实现模式切换规律的调整.充分考虑燃油经济性的影响因素,以动力源功率、电池数目以及主减速器速比作为动力系统设计参数.利用Matlab/Simulink建立整车经济性仿真模型,构建"城市-城郊-高速-城郊-城市"综合行驶工况,以降低等效燃油消耗为目标,采用遗传算法对插电式混合动力汽车动力系统参数与模式切换规律控制参数进行综合优化.结果表明:采用本文所提出的方法能够优化出一组合理的动力与控制系统参数,使整车等效燃油消耗更低,比优化前的百公里等效油耗降低了7.2%.     

基于道路工况分析的HEV控制策略优化方法

以某并联式混动公交车为研究对象,建立了四种典型工况模型,采用蚁群算法优化了最小等效燃油消耗控制策略中四种工况的充放电等效因子;分析了路面坡度与电池荷电状态(state of charge,SOC)目标值域调整之间的对应关系,设计了相应坡度自适应模块;提出了基于道路工况分析的混合动力汽车(hybrid electric vehicle,HEV)控制策略优化方法.典型工况下的仿真对比分析表明,该方法具有良好的工况适应能力,燃油经济性明显优于几类典型HEV控制策略.     

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%.     

混合动力电动汽车行驶工况分析与识别

对不同行驶工况下混合动力电动汽车的匹配和控制策略优化结果进行了分析,发现工况的平均功率和平均功率的标准差对混合动力汽车的混合度有很大的影响.在同一混合度下,针对不同的工况采用不同的可调参数可得到不同的燃油经济性和最终稳定的电池荷电状态值.提出了"工况块"的概念,用工况的平均行驶车速和行驶距离作为特征参数,将统计的理论工况进行分类,通过模糊控制器,对实际工况进行模糊分析,将其划为对应的某一类.为更准确地反映行驶工况,还提出以时间、距离、最大车速等10个参数作为工况的相关特性参数,用聚类分析的方法对车辆行驶工况的类别进行了更细致的分析和辨识.在上述工况识别的基础上,提出了一种能根据实时工况的变化作出自适应调整的混合动力汽车控制策略.     

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。     

数据驱动的插电式混合动力客车能量管理策略

针对插电式混合动力公交客车的能量管理优化问题,提出了基于庞特里亚金极小值原理的两类工况片段新特征参数,其中非平衡状态特征参数与转速-扭矩分布相关,平衡状态特征参数与最优控制相关,并由此构建了行驶工况数据库.针对影响该类车辆能耗的关键阶段——电能平衡阶段,通过工况间的相似性,提出了含修正的数据驱动的最优等价因子估计方法,构建了数据驱动的能量优化管理策略.结果表明,该策略能使不同实际工况采用的等价因子和电池荷电状态SOC轨迹接近于理论最优,较目前常用的规则策略能显著地提升燃油经济性约5.72%,较同类研究能克服准确预测车辆未来行驶工况的难题.     

基于速度预测与自适应差分进化算法的混合动力汽车能量管理策略

为提高单行星排构型的混合动力汽车（hybrid electric vehicle, HEV）的燃油经济性,降低车辆燃油消耗量,提出了一种基于门控循环单元神经网络（gated recurrent unit neural network, GRU-NN）速度预测模型与自适应差分进化（adaptive differential evolution, A-DE）算法的能量管理策略,在模型预测控制（model predictive control, MPC）框架下预测未来车辆的行车速度,将整个工况内的全局优化求解问题转化为在预测时域内的局部优化求解,以发动机燃油消耗量最低与行车过程电池荷电状态（state of charge, SOC）平衡为目标,利用A-DE算法实现预测域内的最优控制序列求解。仿真结果表明,在实车采集的道路工况下,基于GRU-NN与A-DE算法的能量管理策略相较于ECMS燃油消耗量减少了4.55%,相较于动态规划燃油经济性达到了93.04%。     

基于工况识别的插电式混合动力公交车控制策略

为了充分挖掘插电式混合动力公交车(PHEB)的节油潜力、增强车辆对不同行驶工况的适应性,在规则类控制策略的基础上增加工况识别模块,由过去一段时间内的平均车速、平均绝对加速度、怠速时间比三个特征参数作为输入,对当前工况进行模糊识别;建立自动优化平台,用模拟退火算法对关键参数进行优化,根据当前工况类型选取最优控制参数。仿真及实验结果表明,有工况识别的自适应控制策略较无工况识别控制策略增强了路况适应性,燃油经济性提高7%以上。     

基于工况与粒子群优化的增程汽车能量管理策略开发

为了进一步提高增程式电动汽车(extended range electric vehicle,EREV)的燃油经济性,在满足驾驶性能和车辆动力要求的前提下,根据低速、中速、高速典型工况下发动机功率分布分析,提出一种基于自适应权重粒子群算法(adaptive weighted particle swarm optimization,AW-PSO)优化的三点式最优功率控制策略。为验证其经济性能,基于MATLAB/Simulink开发动力系统模型以及整车能量管理策略。基于驱动成本理论,在多种国际标准工况下进行仿真对比,结果表明：相比功率跟随策略而言,基于工况的三点式功率控制策略实现平均12.95%的成本节省,而AW-PSO优化策略下平均节约成本提升到21.44%。     

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%。     

Genetic-fuzzy HEV control strategy based on driving cycle recognition

A genetic-fuzzy HEV control strategy based on driving cycle recognition (DCR) was built. Six driving cycles were selected to represent different traffic conditions e.g. freeway, urban, suburb. A neural algorithm was used for traffic condition recognition based on ten parameters of each driving cycle. The DCR was utilized for optimization of the HEV control parameters using a genetic-fuzzy approach. A fuzzy logic controller (FLC) was designed to be intelligent to manage the engine to work in the vicinity of its optimal condition. The fuzzy membership function parameters were optimized using the genetic algorithm (GA) for each driving cycle. The result is that the DCR_fuzzy controller can reduce the fuel consumption by 1.9%, higher than only CYC_HWFET optimized fuzzy (0.2%) or CYC_WVUSUB optimized fuzzy (0.7%). The DCR_fuzzy method can get the better result than only optimizing one cycle on the complex real traffic conditions.