融合工况预测的混合动力拖拉机自适应能量管理策略

针对传统等效燃油消耗最小策略(ECMS)下等效因子取值固定和工况适应性差的问题,提出了一种融合拖拉机工况预测的自适应等效燃油消耗最小策略(PA-ECMS)。以搭载混合动力液压机械无级变速动力总成的大马力拖拉机为研究对象,将ECMS策略应用于混合动力拖拉机的动力分配。首先,基于径向基(RBF)神经网络,建立了拖拉机工况预测模型,通过历史工况预测未来一段时间的工况信息;接着,结合电池荷电状态(SOC)反馈和预测的工况信息,对等效因子进行自适应调整;最后,在PA-ECMS策略框架下,对混合动力拖拉机的功率进行优化分配。仿真结果表明：与固定等效因子的ECMS策略和仅基于SOC反馈的自适应等效燃油消耗最小策略(A-ECMS)相比,采用所提策略时拖拉机在犁耕工况下的油耗分别降低了6.30%和2.55%,且具有更好的电量维持性能。     

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.     

基于动态规划的自适应等效最小燃油消耗策略

针对等效燃油消耗最小策略(ECMS)中最优等效因子对工况依赖性较大的问题,以单轴并联式混合动力汽车为研究对象,以动态规划算法(DP)获得的特定行驶工况下最优控制结果为基础,逆推得到ECMS的最优等效因子;拟合出平均最优等效因子随电量维持水平的变化规律,以此为基础设计了一种自适应等效燃油消耗最小策略.在中国典型城市工况下的仿真结果表明:对于任意初始SOC值,文中策略能够较好地维持电量平衡;在SOC稳定之后的油耗为828 g,与DP对比仅有0.8%的误差.多种不同工况仿真结果表明,SOC变化规律与中国典型城市工况仿真结果一致,在SOC稳定之后,单个循环工况的油耗相对DP仅增加了0.1%~0.2%.     

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%。     

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.     

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。     

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.     

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.