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MOEA的PHEV控制策略与参数优化

针对并联混合动力汽车（PHEV）控制策略与传动系统参数优化问题,建立了以最小化燃油消耗与污染物排放量的多目标优化模型,研究基于多目标进化算法的PHEV控制策略与传动系统参数优化方法.采用ADVISOR仿真并将仿真所得的燃油消耗与污染物排放量作为候选方案的目标值,基于帕累托支配性原理判定候选方案的优劣,限定待优化变量的取值在PHEV生产精度要求范围内.实验结果显示：优化后的系统1×105m燃油消耗平均降低了22.32%,污染物CO,HC与NOx排放量平均降低了22.06%,7.98%和7%;电动机工作效率由0.18提高到0.52以上;系统总效率平均提升了22.99%.     

并联混合动力汽车模糊多目标控制策略

针对并联混合动力汽车(PHEV),提出一种模糊多目标整车控制策略.通过应用电动机等效燃油消耗的概念,将整车燃油消耗与尾气排放同时作为优化目标.应用模糊逻辑和最小加权偏差法,并根据当前工况对优化目标的偏好情况,求得瞬时最优工作点.基于ADVISOR仿真平台的研究表明,模糊多目标控制策略(FMCS)相对基于规则的控制策略(RBCS)能够在不损失车辆动力性能的前提下有效降低燃油消耗和尾气排放,同时将电池荷电状态(SOC)维持在合理范围内.     

基于Pareto最优原理的混合动力汽车多目标优化

介绍了混合动力汽车（HEV）相关知识,建立了以最小化燃油消耗、HC+NOx排放量和CO排放量为目标的3目标优化模型,提出了基于Pareto最优原理的混合动力汽车多目标优化进化算法.该算法采用实数编码,以ADVISOR为HEV的仿真软件获得各候选方案目标值,基于Pareto支配性原理判定候选方案的优劣,并设计了可以调整待优化变量有效位的机制以保证优化所得的候选方案具有可实现性.针对不同车型的仿真实验结果表明,所提出的算法能够较好地解决混合动力汽车多目标优化问题,可以获得一组具有低燃油消耗与低污染物排放的Pareto最优解供决策者选择.     

基于多混沌算子遗传算法的混合动力汽车控制策略优化

为某款装备了电池/超级电容混合储能系统的并联型混合动力汽车设计了模糊控制策略.结合遗传算法的种群进化和混沌序列的随机遍历特性,将混沌初始化算子、混沌扰动算子、混沌局部搜索算子引入多目标非占优排序遗传算法(NSGA-II)中,构建了新的多混沌算子遗传算法(MCO-NSGA-II).运用MCO-NSGA-II算法进行了混合动力汽车模糊控制策略优化,以改进车辆的燃油经济性及HC、CO和NOx的排放性能.仿真结果表明,混沌初始化算子和混沌扰动算子可以改善原NSGA-II算法的搜索能力并增加种群多样性,而混沌局部搜索算子可以进一步增强算法局部搜索能力,能更好地搜索到理想的Pareto解集.运用MCO-NSGA-II算法进行优化,使混合动力汽车在欧洲城市驾驶循环(ECE)下的燃油消耗降低了11.8%,HC、CO和NOx排放分别下降了7.72%、15.72%和11.77%.     

采用NSGA-Ⅱ算法的混合动力能量管理控制多目标优化方法

综合考虑燃油经济性、排放性与驾驶性对混合动力能量管理控制优化的优点,以某款并联混合动力汽车为研究对象,选取能量管理控制参数与传动系参数作为待优化参数,以动力性作为约束条件,建立混合动力能量管理控制多目标优化评价方法,提出基于NSGA-Ⅱ算法的混合动力系统多目标优化方法,并与优化前控制策略进行仿真对比分析。结果表明:在满足基本约束的前提下,优化后燃油经济性最多提高了7.8%,平均提高了6.38%;驾驶性性能指标最多提高了27.12%,平均提高了21.74%;排放性综合指标平均提高了41.51%。提出的多目标优化算法具有良好的收敛性与分布性,得到的Pareto最优解集能够给混合动力能量管理控制策略提供更多的权衡选择方案,体现了多目标优化的优势。     

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.     

基于FA的等效燃油消耗最小控制策略优化

为了提高混合动力汽车的燃油经济性,研究了基于萤火虫算法(firefly algorithm,FA)优化的等效燃油消耗最小控制策略(equivalent fuel consumption minimization strategy,EFCMS).以并联式混合动力汽车为研究对象,运用萤火虫算法对等效燃油消耗最小控制策略的等...     

基于遗传算法的并联式混合动力汽车控制策略优化

并联式混合动力汽车是一个高度复杂的非线性系统,控制策略参数的设定对汽车性能有着重大影响﹒通过AMESim软件,建立整车动态性能仿真分析模型,以百公里油耗和排放指标为优化目标,运用遗传算法,针对NEDC工况,对混合动力系统的控制策略参数进行优化﹒结果表明,优化后的汽车燃油经济性提高了9.3%,NOx,HC和CO分别减少了7.6%,4.9%和8.2%.     

混合动力汽车控制策略研究现状及发展趋势

混合动力汽车的控制策略及结构决定了整车的行驶性能。根据蓄电池组的荷电状态变化情况,对混合动力汽车的结构型式进行了分类,并对并联型和串联型混合动力汽车控制策略研究现状及其发展趋势进行了分析,指出混合动力汽车的控制策略不十分完善,需要进一步优化。控制策略不仅仅要实现整车最佳的燃油经济性,同时还要兼顾发动机排放、蓄电池寿命、驾驶性能、各部件可靠性及整车成本等多方面要求,并针对混合动力汽车各部件的特性和汽车的运行工况,使发动机、电机、蓄电 池和传动系统实现最佳匹配,兼顾了上述各方面要求的优化控制策略的研究是今后的一个研究重点。还指出,采用小功率电机、小排量发动机配以自动无级变速器的并联型混合动力汽车,是获得较高的燃油经济性、较小的排放、平稳的驾驶性能、较低的制造成本及质量的一种比较理想蝗系统型式。     

ISG混合动力再生制动系统硬件在环仿真

再生制动可显著降低燃油消耗从而降低废气排放，是混合动力汽车的重要工作模式之一．以ISG型混合动力长安轿车为原型，进行了基于制动能量分配控制策略的整车制动动力学建模与离线仿真，并在ISG型混合动力系统上构建了dSPACE环境下的再生制动试验平台，进行了基于再生制动控制策略的硬件在环仿真，对不同车速、制动强度、变速器档位和离合器状态下的再生制动系统性能进行了测试与分析，为优化混合动力汽车再生制动控制策略奠定了基础．     

基于动态规划算法的并联式混合动力汽车能源优化管理

以提高燃油经济性为主要目标,建立并联式混合动力汽车能源优化分配控制策略.对动态规划算法进行改进,在汽车行驶过程中全局优化分配内燃机和蓄电池两种动力源的输出功率,以提高能源利用率.通过仿真软件ADVISOR2002的仿真结果表明:在相同条件下,采用改进型DP算法对并联式混合动力汽车进行能量优化时,大大缩短了仿真时间;与基于开关式能源优化管理策略油耗相比,采用改进型DP算法的能源优化管理系统,油耗可降低33%.     

插电式并联混合动力汽车模糊控制策略设计与仿真

文章以插电式混合动力汽车(plug-in hybrid electric vehicle,PHEV)为研究对象,以提高整车燃油经济性和排放性能为目标,设计了能够实现需求转矩在发动机和驱动电机之间合理分配的模糊逻辑控制策略。该模糊控制策略以SOC参考轨迹作为切入点,最大程度地发挥动力电池的存储能量。仿真结果表明,该模糊控制策略能够较好地优化发动机工作区间,提高燃油经济性和排放性能,并且能使动力电池SOC保持在设定的参考轨迹附近波动。     

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.     

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%.     

基于智能优化规则的并联混合动力汽车能量管理策略

针对并联型混合动力汽车,为了提高燃油经济性,在满足驾驶性能和车辆动力要求的前提下,提出了一种基于智能优化规则的能量管理策略。首先,考虑发动机最优工作区和电池的荷电状态,根据一定的工程经验,选取合适的发动机最优工作区转矩和电池荷电状态的阈值,设计了基于规则的能量管理控制策略。然后,考虑到规则控制中一些阈值参数不确定的问题,应用了一种智能优化算法——粒子群算法优化规则控制策略的阈值参数。最后,将所设计的控制策略在多种国际标准工况下进行仿真对比,结果表明,较纯发动机运行而言,普通规则控制策略可以平均节省14.9%的燃油,而基于智能优化规则的控制策略可以平均节省22%的燃油。     

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％.     

并联混合动力汽车再生制动控制策略研究

针对并联混合动力汽车再生制动的问题分析了再生制动基本原理、实现再生制动必须具备的条件.采用再生制动比例控制策略和再生制动转矩与机械制动转矩的分配线控制策略的方法,对并联混合动力汽车再生制动进行了研究.结果表明UDDS工况燃油消耗减少了11.8%,续驶里程增加了10%—20%.从而验证了再生制动控制策略的正确性和必要性.     

基于动态规划插电式并联混合动力汽车能量管理控制策略的研究

混合动力汽车能量管理策略会影响其动力性和经济性。为了寻找整车的最优节油点及控制策略,文章基于世界轻型汽车测试循环(world light vehicle test cycle, WLTC)工况,提出了利用动态规划算法优化插电式并联混合动力汽车能量管理策略。以发动机、电机的扭矩和角速度作为动态规划的控制变量,以保证电池荷电平衡和燃油最小为目标,建立动态规划模型。仿真结果表明,所提出的能量管理策略能使电池荷电状态(state of charge, SOC)保持在设定范围之内,且相对于基于标定经验规则的能量管理控制策略,节油率能达到5.78%,此方法对于整车厂(original equipment manufacturer, OEM)制定并联式混合动力汽车整车控制器能量控制策略及实车标定工作有一定的参考意义。     

智能混合动力汽车经济性自适应巡航控制策略研究

针对智能混合动力汽车自适应巡航过程中的能量控制策略问题,结合模型预测控制在处理多目标、多约束优化问题方面的优势和粒子群算法运算量小、收敛快的特点,将粒子群算法作为模型预测控制的滚动优化方法,构造基于模型预测控制的粒子群算法.仿真结果表明,文中算法能够使绝大部分工况点落在较低燃油消耗率区域,只有少部分工况点落在非经济区域,虽然多消耗了1.06%的燃油,但在运算速度上却获得了60.3%的提升.