Plug_in电动车能量管理控制器研究

基于模糊神经网络算法研究设计Plug_in混合动力汽车整车能量管理控制器。将驾驶行为用神经网络进行建模,驾驶模式、踏板(油门和刹车)位置以及当前车轮力矩作为神经网络输入,目标力矩作为输出;将道路类型、目标力矩、电池SOC、当前车轮力矩为模糊输入变量,以满足整车动力性能、燃油经济性和极限边界极值为约束条件,对混合动力汽车的能量进行分配与管理,并在DSP硬件平台设计实现能量管理控制器。测试表明,行驶里程在40 km内时,样车等价燃油经济性最好,随着行驶里程的增加,燃油经济性下降,整个测试过程中样车动力性能以及各部件工况良好。     

并联式混合动力汽车双模糊控制能量管理策略研究

针对单模糊控制策略下再生制动能量不能得到充分回收,提出了一种并联式混合动力汽车的双模糊控制能量管理策略.分别设计了驱动和制动工况下相应的模糊控制器,简化了控制系统设计的复杂度.最后,在Matlab中利用Advisor软件对所设计的双模糊控制策略进行了仿真.结果表明,与电辅助控制策略和单模糊控制策略相比,所设计的双模糊控制能量管理策略,在有效提高燃油经济性和制动工作效率的同时,极大地降低了废气排放.     

基于粒子群优化的并联式混合动力汽车模糊能量管理策略研究

针对一种并联式混合动力轿车,以混合驱动系统需求转矩和电池组荷电状态(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,并以总的等效燃油消耗为优化目标,利用粒子群算法对模糊隶属度函数参数和模糊控制规则进行优化.基于ADVISOR的仿真研究表明,与未优化的模糊能量管理策略相比,经过优化的模糊能量管理策略能够更有效地降低混合动力汽车的燃油消耗,更好地控制电池组SOC的变化.     

应用粒子群算法优化模糊规则的自适应多目标控制策略

为了改善一款插电式混合动力汽车(PHEV)的燃油经济性和排放性能,本文利用等效燃油消耗最小方法(ECMS)建立以油电转换等效因子为核心的多目标控制策略.首先,在建立PHEV模型和多目标优化价值函数的基础上,构建了模糊比例积分等效因子优化模型.随后,利用粒子群优化(PSO)算法通过对隶属度函数值及控制规则进行优化以得到更为准确的比例和积分系数,进而获得更为精确的等效因子用以合理分配动力部件的能量,从而建立了基于PSO-fuzzy的PHEV等效因子自适应多目标优化控制策略.最后以福州市实际行驶工况数据对所提出的控制策略进行仿真研究,结果表明在该策略控制下PHEV的燃油经济性和排放性均得到了明显改善.其中,基于PSOfuzzy的控制策略与基于一般模糊控制的策略相比,等效油耗降低了9.0%,HC排放量降低了2.7%,CO排放量降低了2.9%,NO_x的排放量降低了7.8%.     

并联混合动力汽车能量管理建模及优化研究

为了降低混合动力汽车的能耗,提高其能量回收率及减少其尾气排放量,对并联式混合动力汽车(PHEV)的能量管理系统采用基于粒子群优化的模糊控制进行分析与设计。首先在Matlab中的Simulink软件上建立了模糊控制器模型,根据经验设计模糊控制规则;然后将模糊控制器嵌入到Advisor仿真软件的并联式混合动力汽车模型中,并用粒子群优化算法对该模糊控制器进行优化;最后选择几种典型的运行路况进行仿真分析研究。仿真结果表明,在满足汽车行驶性能的前提下,优化后的模糊控制器不仅能有效降低尾气的排放,并且能明显提高能量回收率。     

并联混合动力汽车能量管理系统的仿真研究

对于混合动力汽车而言,节能减排是促使其发展的主要原因,而能量管理策略是节能减排的关键技术,因此针对并联混合动力汽车的能量管理策略展开研究;首先运用ADVISOR电动汽车仿真软件,选用某款并联混合动力车型,并使用标准ECE_ECDU和UDDS循环工况来评估整车燃油经济性和污染物排放效果;然后,采用门限参数优化的方法对控制策略进行优化;最后对比优化前后不同循环工况仿真结果中汽车的燃油经济性和排放性能的变化,并分析了优化后的策略对汽车性能的影响;研究表明,所提出的优化方法使汽车在ECE_ECDU和UDDS循环工况中的每百公里油耗分别降低了8.45%和10%,有害气体HC、CO和NOX含量分别减少了5.88%和5.8%、12.24%和11.54%、8.55%和7.51%,进一步验证了优化策略的有效性。     

混合动力电动汽车能量管理控制策略及仿真

研究电动汽车能量管理优化控制问题,混合动力电动汽车(HEV)能量管理系统,由于动力效率决定于发动机性能控制。针对传统方法燃油利用率低,车辆驾驶控制方式影响了优化。为了提高能源优化效率及优化驾驶控制,提出了一种燃油经济性和驾驶性能全局优化的能量管理控制策略。首先在系统中加入驾驶性能变量,并在代价函数中加入驾驶性能限制,然后把HEV能量管理问题建模为多步决策过程问题,运用动态规划(DP)原理,得到了全局优化的能量管理控制器。将该控制器模型嵌入高级车辆仿真器ADVISOR的并联车辆模型中,与传统规则的控制策略进行仿真对比。仿真结果表明,新的控制策略使燃油经济性提高了约16%,并且使驾驶性能控制在良好的范围内,能有效提高HEV能量管理的效率和实用性,为优化设计提供了依据。     

车速动态特性优化在HEV多能源动力总成系统控制中的运用

根据车辆控制工程理论,建立混合动力电动汽车（HEV）动力驱动模型及汽车闲环控制系统仿真模型,并以此进行计算机动态仿真.通过对设定不同汽车车速以及控制器参数下汽车实际车速响应情况以及响应与系统输入力矩之间关系的分析,发现现有混合动力电动汽车控制策略难以在保证汽车良好动态特性的基础上实现环保与节能.为解决上述矛盾,提出车速动态特性优化在HEV多能源动力总成系统控制中的运用,并论述其原理及实现方法.比较在两种控制策略下特定工况段的发动机油耗,说明车速动态特性优化的现实意义.     

基于路况预测的PHEV能量管理策略

为了提高插电式混合动力汽车(plug-in hybrid electric vehicle, PHEV)的燃油经济性,减少排放,提出了基于路况预测的PHEV能量管理策略;首先,建立PHEV系统结构并在此基础上依据动力电池SOC(State of charge)变化规律定义了3种PHEV基本工作模式;然后,设计路况识别模糊控制器对当前行驶路况进行识别并预测;最后,根据预测的路况类型结合合理规划的动力电池SOC的曲线约束,制定PHEV能量管理策略;仿真结果表明,该能量管理策略能够较好的使动力电池SOC保持在设定的参考轨迹附近,提高燃油经济性,减少排放。     

ISG混合动力电动汽车控制策略仿真研究

控制策略是混合动力汽车的关键技术,直接影响混合动力汽车整车性能.ISG混合动力汽车中发动机和电机输出转矩在同轴上耦合,工作要求具有独特性.通过对驱动结构和工作要求分析,以优化整车动力性和燃油经济性为目标,提出了针对ISG混合动力系统的电辅助控制策略,制定了各行驶工况下的控制逻辑.建立了相关控制模型,在Advisor软件平台上对控制策略进行了仿真.仿真结果表明,提出的电辅助控制策略完全适用于ISG混合动力汽车,与传统汽车相比,整车动力性和燃油经济性均得到进一步提高.     

Design of genetic-fuzzy control strategy for parallel hybrid electric vehicles

Hybrid Electric Vehicles (HEVs) generate the power required to drive the vehicle via a combination of internal combustion engines and electric generators. To make HEVs as efficient as possible, proper management of the different energy elements is essential. This task is performed using the HEV control strategy. The HEV control strategy is the algorithm according to which energy is produced, used and saved. This paper describes a genetic-fuzzy control strategy for parallel HEVs. The genetic-fuzzy control strategy is a fuzzy logic controller that is tuned by a genetic algorithm. The objective is to minimize fuel consumption and emissions, while enhancing or maintaining the driving performance characteristics of the vehicle. The tuning process is performed over three different driving cycles including NEDC, FTP and TEH-CAR. Results from the computer simulation demonstrate the effectiveness of this approach in reducing fuel consumption and emissions without sacrificing vehicle performance.     

基于多指标正交实验的并联混合动力汽车控制策略参数分析

针对并联式混合动力汽车电辅助控制策略的参数优化问题,基于多指标正交优化设计理论,以混合动力汽车的燃油消耗、CO排放量、HC和NOx的总排放量为实验指标,设计了正交优化实验表。运用直观分析法分析了18组实验结果,量化研究了控制策略参数对并联式混合动力汽车整车性能的影响,找出了各个指标的显著性影响因素。     

插电式混合动力汽车车速预测及整车控制策略

本文针对插电式混合动力汽车(plug-in hybrid electric vehicle,PHEV)这一典型混杂系统,提出了一种基于车速预测的混合逻辑动态(mixed logical dynamical,MLD)模型预测控制策略.首先,通过对发动机和电动机能量消耗模型进行线性化,建立双轴并联插电式混合动力城市公交车的动力传动系统数学模型;其次,运用模糊推理进行驾驶意图分析,提出基于驾驶意图识别和历史车速数据相结合的非线性自回归(nonlinear auto-regressive models,NAR)神经网络车速预测方法进行未来行驶工况预测.然后,以最小等效燃油消耗为目标建立PHEV的混合逻辑动态模型,运用预测控制思想对车速预测时域内最优电机转矩控制序列进行求解.最后,通过仿真实验验证了本文所提出控制策略在特定的循环工况下与电动助力策略相比,能够提高燃油经济性.     

免疫遗传算法的混合动力汽车多目标优化

以混合动力汽车传动系统参数与控制策略参数为优化变量,以最小燃油消耗和尾气排放量（CO+HC+NOx）为优化目标,以动力性能与电池荷电状态平衡作为约束条件,建立多目标优化模型,并使用权重系数法将多目标函数优化问题转化为单目标问题。提出了基于免疫遗传算法优化混合动力汽车参数的优化方法,该算法采用实数编码,通过调用ADVISOR的后台函数,建立联合优化仿真模型。仿真结果表明,该算法可有效降低车辆的燃油消耗,减少CO与HC排放量,能够较好地解决带有约束的混合动力汽车的多目标多参数优化问题,可以获得一组具有低油耗与低污染物排放的传动系统与控制策略参数,供决策者选择。     

Hardware-in-the-loop simulation for the design and verification of the control system of a series–parallel hybrid electric city-bus

Hybrid electric buses have been a promising technology to dramatically lower fuel consumption and carbon dioxide (CO₂) emission, while energy management strategy (EMS) is a critical technology to the improvements in fuel economy for hybrid electric vehicles (HEVs). In this paper, a suboptimal EMS is developed for the real-time control of a series–parallel hybrid electric bus. It is then investigated and verified in a hardware-in-the-loop (HIL) simulation system constructed on PT-LABCAR, a commercial real-time simulator. First, an optimal EMS is obtained via iterative dynamic programming (IDP) by defining a cost function over a specific drive cycle to minimize fuel consumption, as well as to achieve zero battery state-of-charge (SOC) change and to avoid frequent clutch operation. The IDP method can lower the computational burden and improve the accuracy. Second, the suboptimal EMS for real-time control is developed by constructing an Elman neural network (NN) based on the aforementioned optimal EMS, so the real-time suboptimal EMS can be used in the vehicle control unit (VCU) of the hybrid bus. The real VCU is investigated and verified utilizing a HIL simulator in a virtual forward-facing HEV environment consisting of vehicle, driver and driving environment. The simulation results demonstrate that the proposed real-time suboptimal EMS by the neural network can coordinate the overall hybrid powertrain of the hybrid bus to optimize fuel economy over different drive cycles, and the given drive cycles can be tracked while sustaining the battery SOC level.     

The Combination of Two Control Strategies for Series Hybrid Electric Vehicles

With most countries paying attention to the environment protection, hybrid electric vehicles have become a focus of automobile research and development due to the characteristics of energy saving and low emission. Power follower control strategy (PFCS) and DC-link voltage control strategy are two sorts of control strategies for series hybrid electric vehicles (HEVs). Combining those two control strategies is a new idea for control strategy of series hybrid electric vehicles. By tuning essential parameters which are the defined constants under DC-link voltage control and under PFCS, the points of minimum mass of equivalent fuel consumption (EFC) corresponding to a series of variables are marked for worldwide harmonized light vehicles test procedure (WLTP). The fuel economy of series HEVs with the combination control schemes performs better compared with individual control scheme. The results show the effects of the combination control schemes for series HEVs driving in an urban environment.      

基于PMP算法的HEV能量优化控制策略

针对常用混合动力汽车（Hybrid electric vehicle,HEV）中锂离子电池在功率波动较大时难以满足需求,以及单个驱动周期内HEV燃油能耗大且能量不能很好回收等问题,研究采用锂离子电池和超级电容器混合储能系统（Lithium-ion battery and super-capacitor hybrid energy storage system,Li-SC HESS）与内燃机共同驱动HEV运行.结合比例积分粒子群优化算法（Particle swarm optimization-proportion integration,PSO-PI）控制器和Li-SC HESS内部功率限制管理办法,提出一种改进的基于庞特里亚金极小值原理（Pontryagin's minimum principle,PMP）算法的HEV能量优化控制策略,通过ADVISOR软件建立HEV整车仿真模型,验证该方法的有效性与可行性.仿真结果表明,该能量优化控制策略提高了HEV跟踪整车燃油能耗最小轨迹的实时性,节能减排比改进前提高了1.6%~2%,功率波动时减少了锂离子电池的出力,进而改善了混合储能系统性能,对电动汽车关键技术的后续研究意义重大.     

基于Matlab/Simulink的混联式混合动力电动汽车建模与仿真

在Matlab/Simulink环境下建立混联式混合动力电动汽车(Parallel Series Hybrid Electric Vehicle,PSHEV)模型,并用Stateflow建立整车控制器的模式逻辑模型。在欧洲城市道路循环工况(European Urban Road Driving Cycle,CYC_ECE_EUDC)下对整车动力性能、燃油经济性能与排放性能进行仿真分析。仿真结果表明：与Advisor/Prius在相同工况下的仿真结果相比,所建立模型符合混联式混合动力电动汽车的整车动力学要求,模型具有正确性和可行性,且采用所建立的能量分配控制策略,百公里油耗为5.056L,较Advisor/Prius模型同比下降2.8%,CO排放量和NOx排放量分别降低16.9%和2.7%,实现控制策略的有效性,达到节能减排的目的。     

An optimal regulation strategy with disturbance rejection for energy management of hybrid electric vehicles

The energy management problem of finding the optimal split between the different sources of energy in a charge-sustaining parallel HEV, ensuring stability and optimality with respect to a performance objective (fuel consumption minimization over a driving cycle), is addressed in this paper. The paper develops a generic stability and optimality framework within which the energy management problem is cast in the form of a nonlinear optimal regulation (with disturbance rejection) problem and a control Lyapunov function is used to design the control law. Two theorems ensuring optimality and asymptotic stability of the energy management strategy are proposed and proved. The sufficient conditions for optimality and stability are used to derive an analytical expression for the control law as a function of the battery state of charge/state of energy and system parameters. The control law is implemented in a simplified backward vehicle simulator and its performance is evaluated against the global optimal solution obtained from dynamic programming. The strategy performs within 4% of the benchmark solution while guaranteeing optimality and stability for any driving cycle.     

基于二次型性能指标的混合动力汽车实时优化控制

为解决混合动力系统实时优化控制问题,本文提出了一种基于二次型性能指标最优的混合动力汽车功率分配优化方案.通过合理的假设和近似,建立了混合动力系统的线性模型,并利用二次型最优控制理论将混合动力最优控制问题转化为二次型最优调节问题进行求解,得到了一个结构简单的实时优化控制算法.5种道路工况下的仿真结果表明,本文提出的控制方法在未来道路工况未知的情况下能够实现混合动力系统的实时优化控制,且节油率与离线计算以燃油消耗最小为性能指标的全局最优控制的节油率相近.