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%。     

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%。     

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%。     

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%。     

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。     

混合动力汽车多目标参数解耦优化方法研究

混合动力汽车的能量管理策略与动力总成参数高度耦合,在混合动力汽车优化过程中存在不断循环的情况,使得参数优化难以实现,无法找到最优解。针对这一问题,提出一种多参数解耦优化方法,该方法采用混合优化策略,将动力性目标作为约束条件,以粒子群算法优化动力总成参数,并通过粒子群算法对不同参数下的能量管理策略与换挡策略进行瞬时优化。针对一并联混合动力汽车,利用Matlab/Simulink建立了包含模糊PID驾驶员在内的用于优化过程中自适应的正向仿真模型。结果表明,混合优化算法能最大程度挖掘该动力总成的潜力,相较于同时优化逻辑门阈值的优化方法,经济性目标提高了4. 55%,并能同时得到对应该最优参数的具有通用性的能量管理策略和换挡策略。     

基于进化-增强学习方法的插电式混合动力公交车能量管理策略

插电式混合动力客车越来越多出现在城市公交领域。为了更好地提升车辆的燃油经济性,整车能量管理策略成为一大研究热点。提出一种基于进化-增强学习方法的插电式混合动力公交车能量优化管理策略。首先,给出简化的车辆模型并基于增强学习系统给出能耗的优化目标函数;其次,针对此优化目标函数给出了初始的控制策略种群,并用进化算法求出最优的能量控制策略和最优能耗值;最后,通过仿真分析验证了算法的有效性。提出的新方法相对传统的电量消耗-维持(Charge depleting charge sustaining,CDCS)策略减少了大约12%的花费。     

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%。