液压混合动力矿用卡车系统参数多目标优化研究

以液压混合动力矿用卡车为研究对象,综合考虑能量管理控制参数与传动系参数对燃油经济性和小型化目标的影响。选取能量管理控制参数与传动系参数为优化变量,以矿用卡车的动力性能为约束条件,建立燃油经济性和小型化为目标的多目标优化评价方法。选取NSGA-II算法对混合动力系统进行多目标的优化。结果表明：在满足动力性约束的基础上,优化后等效百公里油耗下降了14.86%,爬坡度上升了12.39%。该多目标优化方法的收敛性和分布性较好,得到的pareto解集能够给液压混合动力矿用卡车的设计提供更多的方案进行选择,体现了基于NSGA-II算法的多目标优化的优势。     

基于差分进化算法的混合动力系统多目标优化

针对混合动力能量管理系统多目标优化问题通常采用加权求和等方法的缺点,采用Pareto最优原理处理燃油经济性与排放性(CO、NOx、HC)评价指标,提出一种基于非支配排序的自适应差分进化算法,并应用于混合动力能量管理多目标优化系统之中并进行仿真分析。结果表明,提出的优化方法能够得到一组非支配Pareto最优解集,且燃油经济性最大提高了5.30%,CO排放物最大下降了3.65%,NOx最大下降了14.40%,HC最大下降了3.26%。     

基于特征选择遗传算法对混合动力汽车的研究

针对传统遗传算法优化串联式混合动力汽车时燃油经济性和排放性不佳、优化运行时间过长的问题,提出一种基于特征选择遗传算法的串联式混合动力汽车系统参数和控制策略参数的多目标优化算法,并建立以动力性能指标为约束的混合动力汽车参数优化的非线性模型,其中目标函数包含最佳的燃油消耗和排放等指标。首先对目标函数的可行解空间进行特征选择,筛选出与目标函数相关度较高的可行解,并将基于特征选择的优化方法与传统遗传算法相结合,对其控制参数进行优化。其次通过ADVISOR仿真程序,计算出目标函数的最佳燃油消耗量和排放值。仿真结果表明:与传统的遗传算法相比,燃油经济性提高9.96%,CO、HC和NOX的排放分别降低18.07%、26.71%以及15.61%,同时优化运行时间降低62.14%。     

应用多目标粒子群算法的车辆传动系参数优化仿真研究

利用多目标粒子群算法研究了车辆传动系参数优化问题。首先根据目标车辆的结构搭建了整车模型,通过台架试验对整车模型进行验证;其次以车辆传动系参数作为设计变量,以车辆动力性和经济性作为优化目标,建立多目标优化模型;然后运用多目标粒子群算法对传动系参数进行优化计算,得到Pareto最优解集;最后运用基于信息熵的多属性决策方法,确定了最优传动系参数。研究结果表明:优化后的整车的动力性能和燃油经济性均得到提升,其中燃油经济性提高了4.83%,全负荷0~100 km/h加速性能提升了2.03%。     

基于NSGA-Ⅱ算法的复合电源混合动力系统参数匹配优化

针对复合电源混合动力系统传统参数优化算法目标比较单一的缺陷,以燃油经济性、排放性和舒适性作为多目标参数优化对象,以整车动力性指标作为约束条件,提出NSGA-Ⅱ多目标参数优化算法。优化结果表明:在满足动力性指标和车速跟随基本吻合的情况下,优化后的燃油经济性指标平均提高了5.51%,排放性指标平均提高了14.86%,舒适性指标达到了使人感到舒适的程度,蓄电池的最高充放电电流降低了一半。而且获得的一系列分布均匀全局最优解,优化结果比较满意,验证了提出的参数匹配优化算法的准确性和适用性。     

基于免疫算法的四驱插电式混合动力汽车控制策略多目标优化

为改善四驱插电式混合动力汽车的燃油经济性和排放性能,构建了基于规则的能量管理控制策略,并建立了整车仿真模型;将多种群协同进化的思想引入免疫算法,提出多种群免疫算法,并运用该算法对四驱插电式混合动力汽车的控制策略进行了多目标优化;在dSPACE实时仿真系统上对优化前后的控制策略进行了硬件在环仿真实验。结果表明：优化后的控制策略控制效果良好,且发动机的燃油消耗降低了12.71%,HC、CO以及NOx的排放分别下降了15.74%、15.92%和12.69%。     

考虑排放约束的汽车动力传动系的优化匹配研究

基于GT-drive软件建立汽车整车仿真模型,并利用多目标优化设计软件mode FRONTIER与GT-drive软件联合构建汽车动力性、燃油经济性的双目标优化模型,在此基础上兼顾排放约束对某中级乘用车的动力传动系进行优化匹配,得到一组关于各挡速比与主减速比的Pareto解集(多目标规则问题的有效解)。根据研究车型的具体设计选取合适的解进行分析,结果表明:优化后的汽车在动力性、经济性和排放性能方面均得到了不同程度的改善。     

基于随机模型预测控制的四驱混合动力汽车能量管理

基于随机模型预测控制基本原理,研究了四驱混合动力汽车的能量优化管理。采用马尔可夫模型预测加速度变化过程,通过计算得到混合动力汽车未来需求转矩。在保证电池荷电状态平衡的前提下,以燃油经济性最优为目标,建立混合动力汽车能量管理优化模型。针对建立的非线性优化模型,采用动态规划算法进行有限时域内的滚动求解。将提出的控制策略在dSPACE中进行软件在环仿真试验。研究结果表明,随机模型预测控制策略可以实现四驱混合动力汽车基本的能量管理,可在保证各动力部件良好工作状况的前提下,提升燃油经济性。与基于恒值模型的预测控制策略相比,随机模型预测控制策略下的平均燃油经济性提升了8.30%,优化结果接近有先验知识的预测控制策略。     

基于双状态动态规划算法的PHEV规则控制策略研究

以插电式柴电混合动力汽车(Diesel Engine Hybrid Plug-in Electric Vehicle,PHEV)燃油经济性和排放性能综合优化为研究目标,依托MATLAB/Simulink仿真平台建立包含柴油机选择性催化还原反应器(Selective Catalytic Reduction,SCR)后处理系统在内的整车动力学模型。在此基础上,建立了燃油消耗量和SCR出口NOx排放量多目标优化函数,以电池SOC和SCR温度分别作为动力系统和排气后处理系统的可观测状态变量,利用双状态动态规划算法求解控制系统全局优化问题,得到最优控制规律。从双状态动态规划算法结果的基础上拟合实时控制策略,并与基于规则的逻辑门限控制策略进行比较。结果表明,优化后的控制策略在燃油经济性和排放性能上均有所提升,油耗和NO_x分别降低1.9%和9.3%。     

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%。