新型插电式混合动力轿车能量管理策略优化

针对一款新型插电式混合动力轿车,以燃油经济性为目标,设计了其能量优化管理策略并进行了仿真验证。首先,建立了整车前向仿真模型;其次,综合考虑驾驶员需求、车辆及各部件状态,设计了基于规则的能量管理策略;再次,使用等效燃油消耗最小算法(ECMS)进一步优化转矩分配;最后,通过离线仿真和硬件在环仿真对上述策略进行测试验证。结果表明:与基于规则的能量管理策略相比较,优化后能量管理策略在新欧洲行驶工况(NEDC)下油耗降低4.29%;同时硬件在环试验也表明,所开发的等效燃油消耗最小(ECMS)控制策略能够在车载控制器中实时运行。     

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。     

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。     

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。     

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%。     

基于等效燃油消耗最小算法的并联式混合动力卡车控制策略

为提高混合动力卡车燃油经济性,解决等效燃油消耗最小策略实时性差的问题,针对某款混合动力卡车,在基于逻辑门限值控制策略基础上,结合等效燃油消耗最小策略(equivalent consumption minization strategies,ECMS),制定等效因子,引入电池电荷状态(state of charge,SOC)平衡策略,建立了基于ECMS算法的门限值控制策略,既保证了算法的实时性,又提升了控制效果。仿真结果表明,相比于门限值的能量管理策略时的百公里油耗,燃油经济性提升5. 96%,所设计的控制策略能够在实现较好的燃油经济性的同时,维持电池SOC的平衡。     

基于能量回收的等效燃油消耗最小策略

在混合动力能量管理策略中,基于电池荷电状态(SOC)反馈的等效燃油最小控制策略(ECMS)在某些时刻点由于惩罚函数取值不合适,会出现惩罚过度,导致燃油消耗量的增加.文中采用一种可变SOC参照的方式来解决这一问题:在工况已知的情况下,将行驶工况划分为若干个运动学区间,任意区间中,用电池初始剩余容量减去该区间的制动回收能量,差值作为该区间中电池倾向于放电时的参考值,并以此为基础构建等效因子.最后以标准行驶循环工况NEDC为例,运行基于ECMS框架的整车模型.仿真结果表明,与传统的基于固定SOC参照的ECMS相比,文中提出的方法在维持电量不变的同时提高了燃油经济性.     

遗传算法优化的PHEV模糊能量管理策略研究

选取某款插电式并联式混合动力汽车(PHEV)进行转毂实验,通过转毂实验分析整车的动力性、经济性及整车控制策略,利用GT-suite软件搭建整车一维动力性模型并制定能量管理控制策略,对比分析仿真结果和实验结果:发动机功率实验数据和仿真数据变化趋势一致,电池SOC变化趋势一致,并且最大误差小于20％,验证了仿真模型的准确性.在一维模型基础上利用GT-suite软件和Simulink软件联合仿真,利用基于模糊规则能量管理策略优化混合动力模式下发动机和电机功率分配,然后以整车经济性最佳为优化目标,利用遗传算法优化模糊控制器.结果表明:相对于特定规则的能量管理策略,基于模糊规则策略下整车经济性提高了8.98％,基于遗传算法优化的模糊控制策略整车经济性提高了15.69％.     

燃料电池混合动力系统优化控制策略

针对车用燃料电池蓄电池混合动力系统的特点设计了优化的能量管理策略。采用动态规划算法对目标驾驶循环进行全局优化,对最优能量分配策略进行分析,提取相应的控制规则,并设计了基于模糊控制的燃料电池混合动力系统实时控制策略。仿真及台架试验结果表明该控制策略能够控制燃料电池工作在高效区,提高整车的燃料经济性。     

燃料电池混合动力系统优化控制策略

针对车用燃料电池蓄电池混合动力系统的特点设计了优化的能量管理策略。采用动态规划算法对目标驾驶循环进行全局优化,对最优能量分配策略进行分析,提取相应的控制规则,并设计了基于模糊控制的燃料电池混合动力系统实时控制策略。仿真及台架试验结果表明该控制策略能够控制燃料电池工作在高效区,提高整车的燃料经济性。     

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%。     

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%。     

基于道路坡度信息的插电式混合动力汽车能量管理策略

考虑道路坡度对整车驱动需求的影响,针对插电式混合动力汽车,提出基于道路坡度信息的插电式混合动力汽车能量管理策略,进行车载导航系统在整车能量管理策略中应用的初步探究。根据车载导航系统提供的道路信息,建立坡道行驶电量消耗预估模型,分别对行程中电量消耗阶段和电量维持阶段动力电池的荷电指数进行规划,提出行车预充电时刻规划准则,使车辆在坡道行驶前动力电池的荷电指数达到预定值,保证车辆在坡道行驶时不会因动力电池亏电造成动力不足或过放电有损动力电池的使用寿命,并在上坡行驶结束后动力电池的荷电指数下降到临界值,有利于充分吸收制动回收的电能。利用MATLAB/Simulink仿真平台,对提出的能量管理策略进行仿真验证。本文所提出的基于坡道预测的能量管理策略能够避免动力电池的过放电,确保车辆上坡行驶过程电量充足。     

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。     

基于极小值原理的插电式四驱混合动力汽车能量管理策略

建立以电池SOC为状态变量，以后驱电机和ISG （integrated starter and generator）电机输出转矩为控制变量，以整车燃油消耗最小为目标的能量管理优化模型，然后基于极小值原理设计上述优化问题的求解流程，从而获得基于极小值原理的插电式四驱混合动力汽车能量管理控制策略，最后在建立整车系统仿真模型的基础上对该能量管理控制策略进行仿真，并将仿真结果与基于CD-CS模式规则控制策略的仿真结果进行对比。结果表明，提出的控制策略具有良好的燃油经济性，与CD-CS模式规则控制策略相比，提出的控制策略使整车百公里油耗降低了28.18%。     

基于多目标遗传算法的混合动力汽车能量管理优化

混合动力技术是实现汽车节能减排的有效途径。本文P2混合动力汽车为研究对象,考虑SOC状态分别为高、中、低三种不同的电量模式时,设计不同的能量管理策略,以实现混合动力汽车节能减排的同时维持SOC的平衡的目的。该策略在基于规则的基础上采用Isight软件中的多目标遗传算法对门限值进行优化,以提高能量管理策略中门限值的可靠性和有效性。仿真结果表明该能量管理策略对降低车辆油耗的效果显著,并且能很好的维持电池SOC的平衡。     

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.