基于工况识别的混合动力汽车能量管理策略优化

针对现有基于工况识别的能量管理策略在车辆行驶过程中未全面考虑动力电池荷电状态(SOC)在某些工况片段下降过快的问题,从ADVISOR中选取23个典型的循环工况,用聚类分析方法将其划分为五类,以燃油消耗最小为目标,采用模拟退火粒子群算法对各类工况下能量管理策略中的关键参数进行离线优化,并建立优化参数数据库,提出了一种基于工况识别的能量管理策略优化方法。利用构建的综合测试工况对所制定的能量管理策略进行仿真分析。结果表明,所制定的基于工况识别的能量管理策略与未采用工况识别的能量管理策略相比,综合油耗降低了12.77%;同时,所制定的基于工况识别的能量管理策略可使汽车在行驶过程中动力电池SOC下降速度大为减小。     

基于工况识别的混合动力汽车能量管理策略

为提高混合动力汽车燃油经济性及控制策略随路况的实时适应能力,以一款双行星排式的新型功率分流混合动力汽车为研究对象,选定五种典型工况,制定识别精度较高的模糊控制器进行工况识别,并优化各工况等效因子,建立了一种基于工况识别的自适应等效燃油消耗最低能量管理策略(A-ECMS).仿真结果表明,相比于基于规则的实车控制策略及等效...     

基于驾驶风格识别的混合动力汽车能量管理策略

为了进一步提高混合动力汽车的燃油经济性,针对驾驶员的驾驶风格对混合动力汽车的燃油经济性有较大影响的问题。通过对驾驶操作引起的汽车行驶过程的车体冲击度分析,确定不同类型行驶工况下的驾驶风格区分方法,应用该方法在所采集的大量行驶工况数据上,得到不同驾驶风格的车速信息。将行驶工况识别算法、不同驾驶风格的车速信息、等效燃油最小能量管理策略相结合,获取不同驾驶风格下的最优需求功率分配方式,从而建立基于驾驶风格识别的能量管理策略。对一段随机工况应用所制定的能量管理策略,仿真结果表明,所提出的控制策略比不考虑驾驶风格的等效燃油最小能量管理策略燃油经济性提高了8.47%,发动机工作点更好地运行在其最佳效率曲线附近,电池SOC更稳定且更好地维持在高效区域。     

基于最优功率分配因子的插电式混合动力汽车实时能量管理策略研究

插电式混合动力汽车兼顾传统混合动力汽车和纯电动汽车的优点,即具有较长的续驶里程又具有较好的燃油经济性,插电式混合动力汽车的实时能量管理策略是发挥节能潜力的关键技术。为解决具有手动行驶模式选择功能的P2构型插电式混合动力汽车的能量管理实时优化问题,定义发动机和电机功率分配因子,在任何SOC下从电量消耗模式切换到电量维持模式时,提出通过功率分配因子动态调整发动机最优工作曲线获得最佳的燃油经济性的实时能量管理策略。建立功率分配因子全局优化模型,利用自适应模拟退火算法离线优化功率分配因子,研究功率分配因子和SOC对整车燃油经济性的影响规律,得到在不同SOC的最优功率分配因子控制线。从而建立基于最优功率分配因子控制线的插电式混合动力汽车实时控制能量管理策略。在多个循环工况下对比仿真分析不同SOC下的燃油经济性,结果表明基于最优功率分配因子的能量管理策略使得燃油经济性改善幅度最大可达16.99%。     

[智能感知]基于粒子群优化支持向量机算法的行驶工况识别及应用

实车采集4种典型行驶工况数据,采用随机数法提取并扩充行驶工况识别训练及测试样本,利用多元统计理论对数据进行处理,基于粒子群优化的支持向量机(PSO-SVM)算法来进行行驶工况识别,分析了识别周期及更新周期对行驶工况在线识别精度的影响。将行驶工况识别技术应用在插电式混合动力汽车的能量管理策略中。仿真结果表明,相对于未采用行驶工况识别技术以及采用传统SVM算法进行工况识别的能量管理策略,基于PSO-SVM算法工况识别的能量管理策略使整车燃油经济性分别提高9.836%和4.348%,并且电池荷电状态(SOC)变化相对平稳,有利于提高系统效率和延长电池寿命。     

基于LVQ工况识别的混合动力汽车自适应能量管理控制策略

为提高混合动力汽车的燃油经济性,选取6种典型行驶工况代表“市区”、“郊区”和“高速公路”3类主要工况,采用基于规则的模糊能量管理控制策略,以整车燃油经济性为目标,在3类主要工况下用改进型粒子群优化算法优化发动机联合工作曲线与发动机关闭曲线系数,得到相应的优化后的隶属度函数的参数;运用学习向量量化(LVQ)算法识别车辆运行工况,动态选择相应的模糊控制策略,使混合动力汽车控制策略对选定的几种代表性工况具有自适应性,从而提高整车的燃油经济性。仿真对比结果表明,相比于传统混合动力汽车,燃油经济性提高了3.4%。     

基于随机动态规划的混合动力履带车辆能量管理策略

混合动力履带车辆采用发动机—发电机组和电池组混合供电,必须设计满足车辆动力性和燃油经济性约束的能量管理策略。针对串联式混合动力履带车辆,提出一种基于随机动态规划的能量管理策略设计方法。以实车行驶试验数据为目标工况,将驾驶员功率需求抽象为随车速变化的马尔科夫过程。建立发动机—发电机组、电池组以及直流母线功率平衡动态模型。以目标工况中燃油消耗及电池最终荷电状态的偏差作为车辆的优化控制成本函数,建立车辆能量管理最优控制问题。采用策略迭代法求解以发动机转速、电池组荷电状态、车速和驾驶员功率需求为输入、发动机电子节气门为输出的最优控制策略。所得控制策略通过基于前向车辆模型的仿真以及行驶试验验证。结果表明,相对于原发动机多点控制策略,所得最优控制在满足目标工况同时,燃油经济性明显提高。     

纯电动汽车工况识别和能量控制策略研究

针对纯电动汽车能量管理策略优化主要面向单一工况,提出包含BP神经网络工况识别控制的能量管理策略.以锂电池-超级电容复合电源纯电动汽车为研究对象,引入工况识别的复合电源纯电动汽车能量管理策略对整车经济性和蓄电池工作状态的影响.在MATLAB/Simulink平台下修建整车模型并进行综合测试工况仿真,结果表明:包含工况识别的能量控制策略能够准确识别行驶工况,相较于优化前的能量管理策略,蓄电池能量消耗下降2.81％,总能量消耗下降1341 kJ,两种能量源之间的能量分配更加合理,蓄电池工作状态得到进一步优化,有效提高整车经济性.     

基于工况识别与多元非线性回归优化的能量管理策略

为给混合动力汽车智能管理策略提供基础,开展了基于学习向量化(LVQ)神经网络的工况模式识别算法研究。选取4种典型微观道路类型工况和3类标准循环工况,提取11个参数为训练特征数据,建立了LVQ神经网络工况模式识别算法;在此基础上,以某款混联式动力系统为例,结合多元非线性回归分析制定相应控制策略;最后,基于Simulink仿真平台建立LVQ神经网络工况模式识别及整车仿真模型,分别采用中国城市典型循环工况以及构建UDDS+NYCC+UDDS的标准行驶工况进行道路工况识别验证。结果表明,所建立的LVQ神经网络工况识别算法可以准确识别工况模式并能有效提高能量管理策略的控制效果。     

并联式混合动力客车AMT换挡过程分析及其验证

提出了一种混合动力汽车的AMT挡位控制方法,根据城市公交客车的车速-时间历史统计信息制定一组道路工况,针对每一种道路工况制定相应的优化控制参数;在车辆行驶过程中自动采集行驶参数判断对应的道路工况,并由整车控制器采取相应的优化控制参数及能量分配模式,优化调整车辆电机和发动机的扭矩输出及能量回收。对客车能源进行合理分配,不仅满足了整车的动力性,还有效减少了燃油的消耗和污染物的排放,提高了燃油经济性。     

基于等效油耗最小的四驱混合动力汽车能量管理

提出了一种基于遗传算法优化的四驱混合动力汽车等效油耗最小控制策略。针对四驱混合动力的特点,建立了整车动力学模型,设计了基于等效油耗最小的瞬时能量管理优化策略。为进一步提高四驱混合动力汽车的燃油经济性,采用遗传算法优化了等效油耗最小策略的关键参数。硬件在环仿真结果表明,基于遗传算法优化的等效油耗最小策略可以实现整车能量优化管理,与基于规则的能量管理策略相比,其在典型工况下的平均燃油经济性高8.94%,比优化前的等效油耗最小策略的燃油经济性高2.68%。     

一种混联式HEV瞬时优化监控策略的研究

以一种新型混联式混合动力电动汽车为具体对象，研究以瞬时等效燃油经济性为优化目标的能量管理监控策略。通过基于混合动力电动汽车整车及动力总成相关数学模型所建立的MATLAB／Simulink仿真优化平台，搜寻出了全部转速一转矩需求条件下动力总成各元件的理想能量分配及相应挡位，以MAP图的形式存储于车载监控器中。监控器根据混合动力电动汽车荷电保持的设计要求，按瞬时工况调用这些MAP图，以简单查表计算方式对理想值实时地作适当修正和调整。监控策略的有效性、实时性通过若干典型行驶工况仿真及实车应用得以证实，展现出良好的实用价值。     

并联混合动力电动汽车的模糊能量管理策略

为进一步优化并联的经济性，增强其能量管理策略的鲁棒性，针对高混合率，分析了常用的发动机最优曲线能量管理策略的不足，提出了以功率差、电池组荷电状态和电机转速为输入，以决定电机功率的比例系数为输出的模糊逻辑功率分配策略，在线计算电机所应承担的功率，达到了优化发动机工作点、电机效率和电池组荷电状态平衡的目的。通过整车循环工况前向仿真验证了该模糊策略对车辆经济性和工况适应性的改善。     

单电机式强混合动力车辆控制策略

提出了基于一种新型的单电机、双离合器式强混合动力结构的车辆分层控制系统方案,制定了整车能量管理策略,并研究了车辆行进中启动发动机过程的动态协调控制方法。通过自行开发的前向仿真系统对能量管理策略进行了验证,在NEDC循环工况下等效百公里油耗降低了34%。同时通过动态台架试验,对车辆行进中启动发动机的动态协调控制策略进行了验证。     

并联式混合动力汽车能量管理策略新分类与概述

针对混合动力汽车(hybrid electric vehicle,HEV)能量管理策略的分类与综述问题,对并联式HEV能量管理策略的研究现状与发展趋势进行了研究。根据能量管理策略是否使用人工智能控制方式或优化算法,对并联式HEV能量管理策略进行了横向分类和综述,纵向梳理了模糊逻辑、神经网络、动态规划与等效油耗最小原理的具体应用方式,分析了多智能体系统应用于HEV能量管理优化控制的可行性和优势。研究结果表明,智能优化控制型能量管理策略是解决HEV量管理问题的有效途径,而智能优化控制方法和驾驶工况预测技术的有机结合是未来的一个重要研究方向;另外,将多智能体技术应用于HEV能量管理优化控制也是一个值得研究的方向。     

HEV电加热能量对三元催化器转化效率、油耗和排放的影响

对混合动力汽车电加热型三元催化器冷起动阶段的催化过程进行了分析, 建立了适用于开发整车控制策略的三元催化器动力学模型。在此基础之上,通过对混合动力汽车运行工况的模拟,对影响三元催化器起燃的加热功率和位置等因素进行了研究,分析了电加热能量对电池荷电状态、整车油耗和排放的影响。结果表明, 混合动力汽车采用电加热方式不会造成电池过放电,能以微小的燃油消耗为代价,有效加快三元催化器起燃,提高冷起动阶段的HC/CO转化效率。