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%.     

基于道路工况预测混合动力公交车SOC开环控制策略

混合动力车辆一般采用基于荷电状态（SOC）闭环的控制策略,对蓄电池组进行频繁充电,使SOC维持在较高水平,影响制动能量的回收,从而导致燃油经济性不理想.为此,利用BP神经网络并结合城市公交运行特点,提出SOC开环控制策略,对公交车未来站点间的运行工况进行预测,减少蓄电池组的充电次数,降低蓄电池组的荷电状态.试验表明,采用该控制策略可以显著降低电池组充电时间和次数,有利于制动能量的回收,百公里油耗降低了3%.     

单轴并联式混合动力汽车能量分配的模糊控制策略研究

针对单轴并联式混合动力轿车,以混合驱动系统需求转矩和电池剩余电量(SOC)为输入,以发动机转矩为输出,构建了能量管理模糊控制器,基于ADVISOR的仿真研究表明,模糊控制策略与传统的逻辑门控制策略相比,能够更有效地降低混合动力汽车的燃油消耗和排放,更好地控制电池组SOC的变化。     

混合动力车技术不是我国的最佳产业机遇

一、混合动力车的基本概念和特点1.混合动力车的基本概念混合动力车(英文缩写为HEV)是指在同一辆汽车中同时采用了电动马达和燃料发动机的新型汽车。混合动力车以降低油耗和控制尾气排放为主要目标 ,燃油发动机或燃油发电机在最大效率区经济运行 ,输出功率相对稳定 ,燃油提供了车辆运行所需的大部分能量来源 ,而辅助动力单元即动力电池通过电机使车辆具有更好的动力性和经济性。混合动力车具有以下4种不同的混合方式。(1)串联HEV。其工作原理是 ,内燃机带动发电机 ,发电机向动力电池组充电 ,电池组由控制器驱动电机 ,电机输出的扭矩经过…     

锂离子电池荷电状态预测方法研究

针对电动汽车锂离子动力电池组能量管理中的荷电状态(SOC)预测问题,提出一种根据SOC及电流(SOC-I)计算库仑效率的方法,并建立电池SOC、充放电电流及充放电库仑效率的关系.以无迹卡尔曼滤波(UKF)算法为基础,采用自适应无迹卡尔曼滤波(AUKF)算法预测电池SOC,并将提出的库仑效率计算方法与UKF算法相结合构造了SOC-I-AUKF算法,该算法在预测过程中不断调整库仑效率、系统噪声协方差以及量测噪声协方差,以实现系统状态最优化预测.实验结果表明,SOC-I-AUKF算法有较好的SOC预测效果,与UKF算法相比,其SOC预测绝对误差、相对误差和平均误差水平都有显著提高.     

基于显式随机模型预测控制的功率分流式混合动力 车辆能量管理策略

混合动力车辆的能量管理策略对提高燃油经济性十分重要.为了提高功率分流式混合动力车辆的燃油经济性以及能量管理策略的实时性,设计了基于显式随机模型预测控制的能量管理策略.首先利用马尔科夫链预测车速,通过简化控制模型,把非线性的能量管理问题转化为线性二次优化问题,建立了以预测域内能量消耗最小为目标的随机模型预测策略(SMPC);然后通过参数化求解得到显式随机模型预测控制策略,该策略既保持了随机模型预测控制方法的优势,又提高了计算速度;最后在多个工况下进行仿真,对提出的能量管理策略的有效性进行验证.仿真结果表明:与基于规则的控制策略相比燃油经济性最高可提高28.64%,同时该策略在仿真中的平均计算时间为3.1 ms,具有实时运算潜力.     

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%。     

电动汽车用动力电池组SOC的神经网络估计

针对电动汽车用动力电池组的SOC受充放电率、放电历程和温度等因素的影响，传统方法很难建立准确的数学模型，对电池组SOC进行研究，在对动力电池组进行不同工况充放电试验的基础上。建立了电池组的神经网络仿真模型。并分别采用电流输入，电压和电压梯度输入进行了仿真，实现了对电池组SOC的估计。与实验结果对比，仿真结果与实验基本吻合，验证了该方法的正确性。     

模糊逻辑在新能源汽车能量控制中的应用

针对目前混合动力电动汽车(HEV,Hybrid Electric Vehicle)的能量控制问题,利用ADVISOR和MATLAB建立发动机、电机、电池等部件的数学模型,设计了一种以模糊控制理论为基础的HEV模糊逻辑控制策略,该策略是根据模糊逻辑控制原理,以电池的充电状态(SOC,State Of Charge)值和驾驶员需求功率为模糊输入来确定发动机的实际输出转矩,从而实现驱动能的合理分配,最终达到减小发动机燃油消耗并保证电池SOC平衡的目的.最后,在MATLAB中对模糊逻辑控制策略建模,并将建立的控制策略模型嵌入到ADVISOR汽车模拟仿真软件中进行仿真试验.通过与电辅助式控制策略的仿真对比,结果表明,模糊逻辑控制策略能够更好地提高燃油经济性,同时兼顾电池SOC平衡.     

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%。     

燃料电池混合动力汽车控制策略研究

提出一种燃料电池功率主导轻型混合动力汽车的整车控制策略. 构建了燃料电池混合动力系统构型,建立了高压燃料电池发电系统控制约束模型,制定了7种工作模式和以燃料电池输出功率为主导、电池组SOC维持型的控制逻辑. 整车试验结果表明,燃料电池输出功率能很好地跟踪驾驶员踏板的功率需求,整车燃氢经济性为2.464 kg/100 km.     

功率分流式混合动力汽车复合电源系统设计

为解决功率分流式混合动力汽车单一蓄电池功率密度小、循环寿命短等问题,引入超级电容-蓄电池复合电源系统,利用AVL-Cruise/Simulink联合仿真平台搭建了功率分流式混合动力汽车的动力系统模型,在基于发动机最优工作曲线的能量管理控制策略中加入了复合电源功率分配策略,该功率分配策略能够缓冲起停发动机、制动工况下的电机工作时的大电流对电池的冲击,使电池尽可能工作在高效率区间来提高车辆的燃油经济性.在此基础上,对蓄电池组和超级电容进行了参数匹配,仿真结果表明蓄电池的放电过程得到了优化,所设计的复合电源系统能够提高车辆的燃油经济性.      

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。     

HEV再生制动过程中CVT速比控制策略

考虑混合动力汽车制动安全性和燃油经济性,提出了一种基于电池SOC值和制动强度的再生制动力控制策略.提出了通过调节CVT的速比及控制电机工作在高效区来提高电机发电效率的再生制动控制方法.进行了整车再生制动系统建模和典型城市驱动循环工况下的仿真,结果表明,提出的CVT速比控制策略能使以CVT为变速器的混合动力汽车比以MT为变速器的混合动力汽车在ECE EUDC驱动循环工况下的再生制动能量回收率提高2.86%.     

基于状态反馈的燃料电池轿车动力控制算法

建立了包括燃料电池发动机、电机及其控制器、动力蓄电池组在内的燃料电池轿车动力系统的动态数学模型.在该模型基础上,设计了基于状态反馈的闭环功率平衡算法.针对状态变量蓄电池开路电压在运行过程中无法测量的问题,构造了相应的渐进状态观测器.以蓄电池开路电压观测值反馈实现了蓄电池最佳荷电状态的控制,使算法克服了对蓄电池SOC（state of charge,荷电状态）估计值的依赖,实现了解析冗余,较好地解决了SOC估计过程中存在的初始值不易确定和累计误差的问题.离线仿真和实车转鼓实验的结果证明,所建立的动力控制算法达到既定的控制目标,并且能够充分考虑动力系统主要部件的动力性和经济性,具有一定的实用价值.     

纯电动汽车磷酸铁锂电池组放电效率模型

以320V/100A·h磷酸铁锂动力电池组为研究对象,在电动汽车动力电池性能测试试验台上对电池组容量效率、开路电压及电压性效率等特性参数进行了测试.采用二次多项式构建了电池组放电效率模型,描述放电效率与电流及电池荷电状态之间的关系.利用实车测试的电池组放电电流对建立的模型进行了验证,模型的放电效率计算值与实测值的最大相对误差为0.8%,建立的模型是有效的.