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。     

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.     

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%。     

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.     

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%.     

基于功率比的混合动力汽车模糊自适应等效燃油消耗最小策略研究

针对基于优选固定等效因子的等效燃油消耗最小策略(ECMS)工况适应性差的问题,提出一种基于功率比的自适应ECMS(PR-AECMS)。以功率分流式混合动力汽车为对象,建立采用电池荷电状态(SOC)修正ECMS等效因子的显示自适应求解模型,针对仅基于SOC反馈修正等效因子的不足,引入相邻时段平均功率作为ECMS等效因子前馈调节变量,通过研究相邻时段平均功率、前一时段电池充放电行为,以及不同电池SOC实时值和参考值等因素对等效因子修正机制的影响,提出基于多模糊控制器切换的ECMS等效因子自适应求解方法,根据电池SOC和前一时段车辆平均功率制定各模糊控制器的切换逻辑,以当前时段与前一时段的平均功率比、前一时段电池SOC变化量为各模糊控制器输入,基于标准循环工况的全局优化结果确定模糊控制参数。基于不同标准循环工况的仿真结果表明,相较于无功率比修正的AECMS,本文提出的PR-AECMS使整车在大范围工况下具有更优越的等效燃油经济性和电池充放电平衡特性,有效提高了ECMS策略的工况适应性。     

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%。     

基于粒子群优化的混合动力汽车多目标能量管理策略

为了同时实现降低整车能耗和控制电池电量的能量管理目标,针对某功率分流式混合动力汽车,提出了基于粒子群优化(PSO)的多目标能量管理策略。该策略采用双层结构,内层采用考虑模式切换的等效燃油消耗最少策略(ECMS)对工作模式和工作点进行优化,实现降低整车能耗的目标;外层采用PSO对等效因子进行迭代优化,实现电池电量的控制目标。通过基于实车控制策略的整车仿真模型对优化效果进行了验证,结果表明,PSO与ECMS相结合的能量管理策略可实现降低整车能耗与控制电池电量的双重目标。     

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%.     

插电式混合动力车基于最佳燃油效率的能量管理策略及仿真分析

本文使用Matlab/Simulink建立了一种基于最佳燃油效率的PHEV车辆的能量管理策略,并在Cruise所建立的车辆模型环境中进行了验证分析,并与传统车辆的仿真结果进行了比较。     

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.     

数据驱动的插电式混合动力客车能量管理策略

针对插电式混合动力公交客车的能量管理优化问题,提出了基于庞特里亚金极小值原理的两类工况片段新特征参数,其中非平衡状态特征参数与转速-扭矩分布相关,平衡状态特征参数与最优控制相关,并由此构建了行驶工况数据库.针对影响该类车辆能耗的关键阶段——电能平衡阶段,通过工况间的相似性,提出了含修正的数据驱动的最优等价因子估计方法,构建了数据驱动的能量优化管理策略.结果表明,该策略能使不同实际工况采用的等价因子和电池荷电状态SOC轨迹接近于理论最优,较目前常用的规则策略能显著地提升燃油经济性约5.72%,较同类研究能克服准确预测车辆未来行驶工况的难题.     

插电式混合动力车型控制策略优化

控制策略对整车燃油经济性起着重要作用,以某辆插电式混合动力汽车(PHEV)为研究对象,对原有的二阶段(CD-CS)控制策略进行了研究。针对该策略存在的问题,进行了控制策略优化设计,并制定了四阶段控制策略。通过仿真软件GT-drive建立整车动力模型并进行仿真分析,结果表明:在行驶里程已知的情况下,四阶段控制策略能够使得荷电状态(SOC)长时间保持在高效区,相比CD-CS控制策略更加节油,每100 km油耗减少了8.2%。实车验证结果表明:优化后的四阶段控制策略同样适用于实车运行。     

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。     

基于动态规划的E-REV能量管理策略研究

增程式电动汽车动力来源于增程器与动力电池,车辆运行过程中如何在两者之间分配需求功率,使得整车在行驶过程中燃油经济性最好,是增程式电动汽车能量管理策略核心的问题.提出一种基于动态规划的增程式电动汽车能量管理策略,运用动态规划对整个工况增程器与动力电池输出功率分配比例进行优化.欧洲标准行驶工况(NEDC)组合行驶工况的仿真结果表明:相比实车采用的恒温器式控制策略,基于动态规划的能量管理策略整车燃油经济性提高12.6%.     

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%.