ISG并联混合动力轿车最优转矩分配策略

能量管理策略对混合动力汽车燃油经济性的改善具有关键作用。因为ISG混合动力轿车发动机转速不是受控变量,转矩成为能量管理策略惟一的控制变量,使其实质为转矩分配策略。考虑动力总成部件之间能量传递转换效率得到电机等效燃油消耗量,由此得到不同待选分配点动力总成等效燃油消耗率,以动力总成等效燃油消耗率最小化为原则优化转矩分配,使整车燃油经济性达到最优。通过离线计算,使转矩分配成为根据整车需求转矩、发动机转速和超级电容电压进行简单查表的过程,解决了计算量大的缺点,方便了实际应用和实时控制。建立整车和控制策略模型进行仿真计算,基于中国乘用车城区瞬态循环,与传统逻辑门限值分配策略相比,整车燃油经济性改善提高了5.2%。     

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%。     

并联式混合动力汽车的实时控制策略优化

分析了并联式混合动力汽车的能量流动情况，建立了便于进行扭矩分配计算的驱动系统简化模型。将电池充放电过程中消耗的能量等效为一定的油耗，以最少等效油耗为目标函数，建立了实时控制策略。针对FUDS驾驶循环，计算得到了最少油耗的实时扭矩分配方案．结果表明，该实时控制策略能有效的降低车辆的燃油消耗，优化发动机的工作点。     

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.      

基于ECMS混联式混合动力客车工况识别控制策略

由于城市特殊的运行工况,单纯的基于规则控制策略很难从城市复杂的工况中获取最佳燃油经济性.以提高一款新型混联式混合动力客车燃油经济性为目的,为了更好地适应城市复杂的行驶工况,制定了一种工况自适应实时优化控制策略.根据等效燃油最小控制策略思想结合新型混联式混合动力客车的结构特点构建发动机与电池间的功率分配实时优化算法,针对城市循环工况的特点选定了4种典型的工况类型,并获得不同行驶工况和等效燃油转换系数及油耗的关系,经分析发现每一行驶工况都存在相应的等效燃油系数使得其油耗最低,因此采用LVQ神经网络模型对各工况特征参数进行学习训练以进行实时工况识别,利用工况识别的方法获取当前运行的工况类型并选择相对应的等效系数进行周期性更新以期达到最佳燃油经济性,从而实现对不同工况的适应性.仿真结果表明:其燃油经济性比单纯的能量管理优化控制策略提高了8.55%,同时电池SOC能够控制在预定的范围内运行.     

插电式混合动力汽车等效因子的实时优化

为了兼顾平衡SOC与降低燃油消耗的需要,进一步提高插电式混合动力汽车的燃油经济性,对等效因子的实时优化方法进行了研究.以NEDC工况为例,将行驶工况分解为不同的基本工况块,分别对各个基本工况块的等效因子与燃油消耗量、SOC变化量的关系曲线进行线性拟合,并将等效因子实时优化问题转化为简单的线性规划问题,构建了基于线性规划的等效因子实时优化模型,在此基础上提出了基于线性规划的自适应等效燃油消耗最小策略(A-ECMS).硬件在环测试证明,基于线性规划的等效因子实时优化模型的实时性满足实车控制器在线控制的需求,具备实车应用的可行性.测试和仿真结果显示,在不同工况下基于线性规划模型的A-ECMS均可维持SOC平衡,取得接近于全局优化能量管理策略的燃油经济性,说明该实时优化模型具备实际应用价值和应用潜力.     

新型双电机行星耦合PHEV多目标补偿能量优化策略研究

针对某新型双电机行星耦合插电式混合动力汽车(PHEV),以燃油经济性为研究目标,为改善以等效因子为核心的等效燃油瞬时消耗最小策略(ECMS)的控制效果,结合多动力源之间在行星齿轮机构中的耦合机理,建立油电等效因子自适应瞬态ECMS算法(A-ECMS),在此基础上进一步引入车辆初始荷电状态(SOC)和行驶里程对油电等效因子的影响,根据不同驾驶条件对等效因子进行离线遗传优化,建立基于等效因子优化Map图的遗传优化ECMS能量管理策略(GA-ECMS)。进行了仿真与硬件在环试验,仿真结果表明:相比于传统ECMS以及A-ECMS,本文提出的GA-ECMS算法下车辆百公里燃油消耗量分别降低了6.5%和3.4%;硬件在环试验结果与仿真结果趋势一致,表明了所制定的能量管理策略的有效性和可行性,从而可为建立不同初始SOC、不同行驶里程下PHEV功率分配策略提供理论基础。     

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％.     

一种新型的增程式电动汽车驱动系统

为提高混合动力汽车的动力性和燃油经济性,简化驱动系统的结构,提出了一种新型多模式驱动的增程式电动汽车驱动系统.文中分析了该系统的各个工作模式及功率流分配;通过台架实验获得了发动机、电机、电池等的工作性能,在Matlab/Simulink环境下建立了关键动力元件(如发动机、主电机、辅助电机和蓄电池)及整车的仿真模型,并对该系统进行了动力性能和燃油经济性能仿真分析.结果表明,相对于Volt系统,文中提出的驱动系统的动力性明显改善,最高车速提高了37.5%,燃油消耗率降低了24.8%.     

混合动力汽车工况识别自适应能量管理策略

为改善传统等效燃油消耗最低策略(ECMS)在真实复杂路况下的控制效果,以并联混合动力汽车为研究对象,提出了一种依据工况变化在线调整等效因子的自适应等效燃油消耗最低(A-ECMS)控制策略。首先,提取差异化显著的工况特征参数,采用聚类分析方法来完成工况分类,构建典型工况库,计算出各典型工况对应的最优等效因子;然后,采用学习向量量化(LVQ)神经网络设计了工况识别器,经充分训练后识别器准确率达到98.8%;最后,在线采集选定的车辆行驶特征参数,将当前实际工况识别为典型工况库中某一种,采用对应典型工况下的最优等效因子作为当前优化输入,建立了基于工况识别的A-ECMS控制策略。仿真结果表明:与ECMS相比,在单一给定工况下,A-ECMS燃油经济性降低了0.8%,而电池组荷电状态(SOC)提高了0.13%,能取得近似优化效果;在多工况联合工况下,燃油经济性提高了4.18%,且SOC波动减小了43.26%,证明了A-ECMS控制策略的优越性。     

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.     

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%。     

基于遗传算法优化支持向量机工况识别的燃料电池混合动力汽车能量管理策略

为了提高氢燃料电池混合动力汽车的燃料经济性,延长蓄电池寿命,选取中国重型商用车行驶工况-货车工况中3种典型工况代表"市区""市郊"和"高速公路",分别制定相应的最优能量管理策略;运用遗传算法优化支持向量机(gentic algorithm-support vector machine,GA-SVM)算法识别车辆运行工况,动态选择相应的能量管理策略,使其对选定的几种代表性工况具有自适应性,从而降低氢耗量,延长蓄电池寿命。仿真结果表明,与无工况识别的能量管理策略和采用传统算法优化的支持向量机(support vector machine, SVM)工况识别能量管理策略相比,使用GA-SVM工况识别的能量管理策略的等效氢耗量分别降低了7.78%和1.31%,蓄电池电池荷电状态(battery state of charge, SOC)变化量减小,变化相对平稳,有利于延长电池寿命。     

基于阿特金森发动机的增程式电动汽车控制策略匹配设计

能量管理控制策略是增程式电动汽车降低油耗和排放的关键,为了使增程式电动汽车获得较好的燃油经济性和控制效果,对采用阿特金森循环发动机的增程式电动汽车的结构特点和工作模式进行了分析.基于阿特金森循环发动机的工作特点,对传统的恒功率控制策略、功率跟随控制策略进行了匹配优化,并提出了发动机三工作点控制策略和基于转速切换的功率跟随控制策略.利用Cruise和Matlab软件建立了联合仿真模型.仿真结果表明:三工作点控制策略与恒功率控制策略相比,有效地防止动力电池大电流充电,有利于缓解电池寿命衰减.基于转速切换的功率跟随控制策略能有效减小发动机转速的频繁波动并且显著提高了燃油经济性,为采用阿特金森循环发动机的增程式电动汽车实用型控制策略的开发提供参考.     

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%。     

混合动力车辆多目标控制能量管理策略研究

为满足混合动力车辆动力性要求,并提高车辆的能量利用效率,根据动力单元与负载的能量关系及电池组充放电特性与SOC的关系,提出了一种基于电池组恒SOC和发动机燃油消耗优化控制的综合能量管理策略.对该策略进行实验验证的结果表明:电池组能保持在最佳工作状态,且车辆的燃油经济性提高了约8%.     

混合动力车辆多目标控制能量管理策略研究

为满足混合动力车辆动力性要求,并提高车辆的能量利用效率,根据动力单元与负载的能量关系及电池组充放电特性与SOC的关系,提出了一种基于电池组恒SOC和发动机燃油消耗优化控制的综合能量管理策略.对该策略进行实验验证的结果表明:电池组能保持在最佳工作状态,且车辆的燃油经济性提高了约8%.     

燃料电池混合动力轿车控制策略与参数优化

以某国产经济型轿车为平台,对其动力总成进行了燃料电池混合动力驱动系统的虚拟改装．为提高其整车的经济性和动力性,使用ADVISOR软件对整车性能进行仿真分析,研究了燃料电池混合动力驱动系统开关控制模式和功率跟随控制模式的特性,确定功率跟随控制模式为适合该车型的控制策略．分析了4种典型驱动工况下不同混合动力度的整车经济性及动力性,其中50％的混合动力度是适用于该车型燃料电池混合动力驱动系统最优配置．在此最优配置下,以最小氢气燃料消耗为目标,优化主减速比、燃料电池的最大和最小工作功率以及蓄电池的充电功率,得到了燃料电池混合动力系统的最佳工作点．