基于遗传算法的插电式串联混合动力汽车动力参数优化

针对插电式串联混合动力汽车(PSHEV)动力参数优化问题的多目标、有约束和高度非线性的特点,应用遗传算法工具箱和ADVISOR的非GUI函数,以整车设计要求的动力性能指标为约束条件,以整车百公里燃油消耗量和排放性能为目标函数,建立了PSHEV动力参数优化的仿真模型,实现了对PSHEV动力系统部件参数和控制策略参数的同时优化。最后应用该优化模型对某PSHEV进行仿真分析,结果表明该优化仿真模型能够显著降低PSHEV的百公里燃油消耗量,在保证动力性能的前提下,整车的燃油经济性和排放性能也得到了提高。     

基于遗传算法的HEV控制策略优化

混合动力汽车控制策略参数的选取对系统性能有重大的影响。为此,建立了以动力性能为约束指标、以燃油消耗率和排放为评价指标的混合动力汽车控制策略参数优化模型,并对控制策略参数进行优化。利用加权系数法整合评价指标,结合遗传算法工具箱GATBX对控制策略参数进行多目标优化,并利用ADVISOR对优化前后的性能进行仿真。仿真结果表明:在保证动力性的前提下有效降低了混合动力汽车燃料消耗量和排放,其中油耗和NOx降低了17%,HC和CO降低了大约7%。     

HEV传动系统多目标优化研究

针对当前混合动力研究主要集中在燃油经济性等单目标上,对多目标研究较少的情况,提出一种基于非支配排序的多目标优化算法(multi-objective evolutionary algorithm,MOEA)。以装备5档手动变速器的并联混合动力汽车为对象,研究传动系速比匹配对燃油经济性与排放性的影响。结果表明:相比优化前,优化后燃油经济性提升了3.09%,排放性综合指标提升17.92%;得到的Pareto解集具有良好的分布性与收敛性,不仅优化了目标,更体现出目标间的冲突情况,说明提出的多目标优化算法能够体现混合动力多目标优化的本质;对解集进一步挖掘,理论上能搜寻到的全局最优解集,为混合动力多目标权衡控制策略提供了理想的控制基础。     

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%。     

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ADVISOR的混合动力公交车经济性仿真

混合动力汽车是目前解决环境污染和能源问题切实可行的方案。基于Advisor软件,先确定动力混合形式,在根据其各个性能的要求对发动机、电机等部件进行参数设计及整车建模。采用功率跟随式控制策略,在仿真软件Advisor里将各参数输入,并且修改相关控制策略,最终得到仿真结果。其结果表明与传统内燃机汽车相对比,串联式混合动力汽车无论是在动力性还是在燃油经济性和排放性能上面都有着较大的优势。     

基于遗传算法的商用车传动系的参数优化

研究了综合考虑动力性和燃油经济性指标的汽车动力传动系数学模型。以燃油经济性最佳为优化目标以及整车动力性作为约束条件,根据指定柴油机和整车参数,运用遗传算法对某商用货车的传动系参数进行优化计算。结果显示,优化后的传动系参数,使得整车在原地起步加速时间基本不变的情况下最高车速提高了2.98%,使得整车混合百公里油耗降低了0.67%。表明优化参数使整车的动力性和燃油经济性得到了不同程度的改善。     

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%。     

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%。