基于工况识别的混合动力汽车动态能量管理策略

针对固定循环工况下所制定的混合动力汽车能量管理策略存在一定局限性问题,从ADVISOR软件中选取覆盖车辆实际行驶工况的20个典型循环工况,以整车综合燃油消耗和动力电池寿命为综合优化目标,利用粒子群算法对各工况下能量管理策略中所涉及的关键参数进行了优化,并将得到的优化结果建立数据库,提出了基于行驶工况识别的混合动力汽车动态能量管理策略。最后,通过选择某个随机工况对所制定的能量管理策略进行仿真。结果表明：所制定的动态能量管理策略与未采用工况识别的能量管理策略相比,车辆综合燃油消耗下降10.70%,动力电池温升和平均有效工作电流分别下降2.46℃和1.63A。     

[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。     

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.     

等效因子离散全局优化的等效燃油瞬时消耗最小策略能量管理策略*

以一款混联插电式混合动力汽车(Plug-in hybrid electric vehicle, PHEV)的燃油经济性为研究目标,为改善以等效因子为核心的等效燃油瞬时消耗最小策略(Equivalent fuel consumption minimization strategy, ECMS)的控制效果,考虑电池荷电状态(State of charge, SOC)、等效因子与燃油消耗的关系,构建等效因子全局优化模型;利用遗传算法离线优化一定工况下的等效因子S,得到不同电消耗续航行驶里程与电池SOC初始值的最佳等效因子MAP图,建立基于等效因子优化的ECMS能量管理策略,并考虑动力电池、电动机等部件的效率,获得最佳等效因子下的发动机、ISG电机、驱动电机的功率分配,并进 行仿真与硬件在环试验,其中仿真结果表明,与未优化的等效因子相比,燃油经济性提高20.81%,硬件在环试验结果与 仿真结果基本一致,表明所制定能量管理策略的有效性和可行性,进而为解决不同的行驶里程PHEV功率分配策略提供理论基础。     

基于荷电状态惩罚函数的能量管理策略优化方法

为改善军用ISG混合动力车辆的燃油经济性,并有效维持动力电池荷电状态（SOC）,将惩罚函数引入传统的等效能量最小策略（EEMS）,提出了基于SOC惩罚函数的EEMS优化方法。首先对逻辑规则能量管理策略进行优化,然后在模拟越野循环工况下对优化方法进行仿真验证,最后对整车发电指标进行评价。优化后,动力源之间的转矩得到了更好的协调分配,发动机运行更加平稳,经济性得到了一定改善,稳压和稳流的效果更好。     

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。     

基于Simulink的ISG型客车混合动力系统的仿真研究

针对ISG型混合动力系统结构、控制复杂,传统开发风险高、周期长、成本高等问题,采用后向仿真的思想,应用Simulink仿真工具,对其动力系统完成了能量管理策略的设计与建模,建立了工况输入模型和驾驶员PI控制模型,结合相关理论公式及试验标定数据对其主要部件如驱动电机、发动机、发电机、动力电池进行了模型建立。结合中国城市典型工况,基于功率分配思想提出了以发动机优先驱动优化发动机工作效率的整车能量管理策略。仿真结果研究表明,仿真模型可以准确模拟实车进行循环工况行驶,完成经济性试验和和实时输出各部件工作特性参数的功能,该模型可以作为动力系统能量管理策略研究和部件参数优化的基础,对车辆前期开发阶段快速确定整车控制策略,提高匹配该系统车型的经济性具有重要意义。     

基于驾驶意图识别的多模耦合驱动系统能量管理

匹配多模耦合驱动系统可以使插电式混合动力汽车具备高效的集中式与分布式耦合驱动功能,但基于该系统所开展的整车经济性研究尚且不足。为降低整车能耗,开展基于驾驶意图识别的系统能量优化管理。利用模糊推理控制器识别不同工况驾驶员的驾驶意图,根据该驱动系统动力耦合方式、发动机工作特性和电机效率进行驱动模式分类;建立燃油经济性目标函数,采用瞬时优化方法分配发动机和主副电机转矩输出,以此为基础提出基于驾驶意图识别的能量管理策略;搭建模糊推理模型和整车模型,将新欧洲驾驶循环工况和实际车速采集结果作为测试工况,进行整车经济性的仿真分析。结果表明,所搭建模糊推理模型能准确识别驾驶员意图,采用所制定能量管理策略进行系统工作模式优选和转矩分配,使整车的燃油经济性得到了明显提高。针对多模耦合驱动系统开的这一能量优化研究,为系统高效利用奠定了理论基础。     

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%。