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%.     

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.     

考虑发动机排气背压阈值的柴电混合动力汽车最优控制

根据柴油发动机台架试验结果,分析排气背压对发动机性能的影响,在设计插电式柴电混合动力汽车(plug-in hybrid electric vehicle,PHEV)控制策略时考虑排气背压对油耗与排放的影响因素.以排气背压和蓄电池荷电状态为状态变量,利用庞特里亚金极小值原理,求解以插电式混合动力汽车油耗与颗粒物排放量的多目标泛函,从而得到整车油耗与排放综合最优控制策略.在MATLAB/Simulink仿真平台下建立了包含柴油颗粒过滤器(diesel particle filter,DPF)压力损失和捕集效率模型的整车动力学模型,对上述所得最优控制策略进行验证,并与二阶段(charge-depleting and charge-sustaining,CD–CS)控制策略和无排气背压状态最优控制策略进行对比.仿真结果表明,本文建立的最优控制策略相对于其它两种控制策略均能明显降低排气背压升高对发动机性能的影响,有效地改善了整车燃油经济性和排放性.最后通过台架试验对所提出的最优控制策略的有效性进行验证,结果表明,采用该控制策略优化后的等效燃油消耗量与颗粒物(particulate matter,PM)排放量分别降低了9.68%和32%.     

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。     

并联混合动力汽车模糊逻辑控制策略的建模和仿真

提出了基于模糊逻辑控制扭矩分配策略,建立了各功能组件模型.并利用ADVIS0R2002仿真平台,完成了该模糊逻辑扭矩控制策略和电气辅助控制策略仿真比较.结果表明,本文提出的模糊逻辑控制策略对提高混合动力汽车的动力性和燃油经济性,改善尾气的排放有明显的作用.     

神经网络工况识别的混合动力电动汽车模糊控制策略

采用模糊控制可以改进混合动力电动汽车(HEV)的燃油经济性和排放性,但是对模糊控制器进行优化时通常只针对某一典型工况.不同的城市的行驶工况有一定差别,影响了模糊控制改善混合动力电动汽车性能的效果.研究中以广州和上海市主干道行驶工况为例,首先建立了一个模糊控制策略,并采用遗传算法,以汽车燃油经济性和排放性为优化目标,分别针对广州和上海主干道行驶工况对模糊控制器中隶属度函数进行优化.然后建立了一个基于模糊神经网络的行驶工况识别方法,通过识别广州和上海的主干道行驶工况,对控制策略中模糊控制器的隶属度参数进行相应调整,结果证明采用模糊神经网络识别行驶工况的HEV模糊控制策略可以进一步提高汽车的燃油经济性和排放性能.     

燃料电池汽车最优氢耗马尔科夫决策控制

本文基于马尔科夫决策过程提出一种燃料电池汽车最优等效氢燃料消耗控制策略.控制策略以部分观测量为基础,以马尔科夫转移概率矩阵为条件,采用基于蒙特卡洛马尔科夫(MCMC)算法的Metropolis-Hastings采样方法,获得平均奖励输出,进而通过最优氢燃料消耗代价函数的优化以控制在氢燃料电池系统和动力电池系统间进行能量分配.该策略避免了目前燃料电池汽车控制策略过度依赖未来需求功率的预测以及预测模型的准确性.在建立燃料电池汽车动力模型,燃料电池系统和动力电池系统模型的基础上,进行了包含自学习系统、基于MH采样的平均奖励过滤系统以及控制选择输出系统的控制策略设计.通过仿真和实验结果表明基于马尔科夫决策控制策略的有效性.     

一种实用的磨矿多模型预测控制策略研究

房矿过程是选矿过程中的重要一环,属多输入多输出系统,并存在严重的扰动变量(诸如硬度等)和时变参数.介绍了一种磨矿控制系统中实用的多变量动态矩阵控制的多模型控制策略.该方法基于不同的矿石硬度对球磨过程建立不同的阶跃模型进行多模型预测控制.仿真证实了该方法的有效性.     

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。     

基于PEMS测量的机动车尾气预测研究

为了实现对机动车尾气排放的控制,解决现有预测模型未能通过燃油消耗来研究污染物排放以及未能建立起油耗及其车外可观测影响因素之间的关系问题,对油耗数据及其理论模型进行了研究,提出了微观综合预测模型,它是根据便携式尾气测量系统(PEMS)实际工况下测量的机动车油耗与各污染物排放数据,并结合油耗的理论模型建立起的综合预测模型;最后,通过实验对综合预测模型进行了实例分析与验证;实验结果表明,综合预测模型首次对污染物CO和NO的预测模拟值和实测值之间的平均误差分别为14.3%和12.8%,实现了较好的预测效果,为进一步研究燃油消耗和排放的关系奠定了很好的基础。     

基于多目标优化模型的电动汽车增程器油耗及排放优化

针对增程式电动汽车油耗和排放优化问题,首先综合考虑增程器的油-电转换效率特性、HC排放特性、CO排放特性以及NOx排放特性,构造了增程器油耗和排放多目标优化模型,同时结合实际增程器工作中的机械和电气约束特征,分析了多目标优化模型的3种转速、转矩约束条件.然后采用多目标粒子群算法和加权尺度法对增程器油耗和排放多目标优化模型进行了离线优化,得出了增程器的最优全局工作点和各功率值下的多目标最优工作曲线.最后,采用NEDC,FTP和HWFET3种测试工况在AVL Puma Open发动机测试台架上进行了实验,并和基于最佳制动燃油消耗率(BSFC)的油耗单目标优化模型进行了比较.结果表明,本文提出的方法能够以微弱的油耗增加为代价,有效的改善整车的HC,CO和NOx排放.     

基于强度Pareto进化算法的有约束并联混合动力汽车多目标优化

将混合动力系统多目标优化问题转化为单目标优化问题进行求解需要设置权系数。为避免设置权系数,研究基于强度Pareto进化算法（SPEA2）的有约束并联式混合动力电动汽车(PHEV)参数优化方法。该方法基于Pareto支配性原理判定候选方案的优劣,采用ADVISOR仿真PHEV,并将仿真所得的燃油消耗量与污染物排量作为候选方案的目标值。实验结果表明,该方法所获得的控制策略与传动系统参数,在提高PHEV工作效率、整车性能及降低燃油消耗与污染物排放等方面效果显著。     

不确定因素下建筑集群冷热电联供系统多目标优化

为降低建筑楼宇的能源消耗,研究建筑集群中的多个建筑楼宇共享冷热电联供系统、热能存储装置以及电池时的能源调度优化问题.考虑到建筑楼宇的能源需求和能源价格具有随机性,并且每个建筑楼宇以各自的费用最小化为目标,从随机规划和多目标的角度,建立建筑集群供能系统的两阶段多目标随机规划模型.为了提高模型的求解效率,提出将线性规划松弛与Benders分解算法相结合,从而获得建筑楼宇共享能源系统的Pareto最优解集.算例分析中通过CPLEX软件求解,对比分析不同随机因素对最优化建筑集群供能系统总费用以及建筑楼宇各自费用的影响程度,结果表明了所提出算法的有效性以及所构建的模型可以有效提高最优化决策的准确性.     

基于配送收益均衡的多目标绿色车辆路径优化算法

针对电商平台物流中的碳排放成本较大以及配送过程中配送员收益不均衡的情况,为满足平台减少物流成本和人力成本的需求,提高车辆配送效率,降低碳排放量,实现低碳绿色出行,研究带有时间窗、配送收益均衡的多目标绿色车辆路径规划问题,并设计混合智能求解算法.首先,建立基于行驶速度的燃油消耗、基于模糊客户满意度的惩罚成本和配送收益均衡函数,构建以最小化燃油消耗量、惩罚成本和配送收益方差为目标的多目标绿色车辆路径模型;然后,将变邻域搜索算子融入NSGA-II算法,设计求解上述模型的多目标进化优化算法,以提高算法的寻优性能;最后,选择Solomon中的18个测试数据集进行实验,通过与2个模型和3种算法的超体积值和knee点值进行对比,验证所提出模型的可行性和算法的有效性,为降低碳排放量、实现低碳绿色出行提供新方案.     

基于多目标遗传算法的柴电混合动力船舶功率分配优化

船舶在传统的柴油机推进模式时,低负荷下船用主机性能不佳,燃油消耗率高,燃烧质量差,在提高经济指标和减少排放指标方面遇到瓶颈。柴-电动混合动力推进形式能够通过合理的分配,有效降低燃料消耗和排放。针对混合动力船舶的动力结构,构建关于油耗和污染物排放的多目标优化模型。采用多目标遗传算法(NSGA-II)优化功率在主机和发电机间的分配问题,旨在所有目标之间进行折衷处理,尽量达到Pareto最优。选取某深水三用工作船的典型负荷进行优化计算和仿真验证,仿真结果表明优化后的结果能够兼顾排放性和经济性,提高船舶能效。     

增程式电动汽车控制策略的优化研究

针对增程式电动汽车恒功率控制策略中发动机工作点难以选择的问题,运用一种基于多目标遗传算法的优化方法,以百公里油耗和排放指标为优化目标,利用AVL CRUISE和Matlab/Simulink软件联合建立增程式电动汽车整车动态性能仿真分析模型,针对NEDC工况和FTP75工况进行恒功率控制策略下发动机工作点优化,仿真结果显示,优化后的发动机工作点有效改善了百公里油耗和尾气排放量。该优化方法可以减少设计者调试和选择电动汽车增程器发动机工作点的时间,具有良好的实用价值。     

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.