基于行驶工况合成的混合动力汽车电池寿命优化

针对复杂行驶工况易导致混合动力汽车动力电池使用条件恶化、增加车辆全寿命周期成本的问题,以一款行星混联式混合动力汽车为研究对象,从能量管理优化角度主动延长电池寿命。基于历史数据构建了实车代表性工况,采用动态规划算法求解以整车综合燃油消耗和电池寿命衰减最小的多目标优化问题,保证系统性能全局最优。由于动态规划算法具有工况局限性且运算量大,因而基于全局优化结果训练神经网络控制器来实现能量管理控制。仿真结果表明:与以油耗为单目标优化相比,多目标优化可使电池寿命衰减减少43.28%,油耗仅增加1.22%,在减缓电池寿命衰减的同时兼顾了燃油经济性,基于神经网络的控制策略可实现主动适应驾驶员日常行驶工况的优化控制,具有良好的应用前景。     

混合动力汽车经济型巡航的车速规划策略

选取功率分流式混合动力汽车为对象,以燃油消耗最小为目标开展巡航场景下的经济车速规划研究. 结合车辆动能管理与等效燃油最小化策略（ECMS）,提出增强型等效燃油最小化策略（R-ECMS）. 运用极小值原理推导油电等效系数,建立动能与电能间的等效关系;结合电能与燃油之间的等效关系,将车辆动能变化和电能消耗统一转化成燃油消耗. 为了兼顾电池SOC平衡以及车辆通行速度,采取非支配排序遗传算法优化R-ECMS权重系数中的参数. 仿真结果表明,与传统能量管理策略ECMS相比,R-ECMS可以降低8.06%的燃油消耗. 与采用最优算法的动态规划策略相比,R-ECMS能在实现次优的优化效果的同时大幅降低计算时间. 同时,与ECMS相比,R-ECMS在其他仿真场景下能实现6.94%的节油率,具有较好的泛化性能和应用前景.     

基于动态规划算法的增程式汽车能量管理研究

针对增程式汽车存在的经济性问题，本文以运动型多用途汽车(sport utility vehicle, SUV)为例，采用动态规划算法，优化增程式汽车能量管理控制策略。给出了增程式汽车结构及主要参数，并基于AVL/Cruise模型，搭建增程式汽车关键部件模型，基于动态规划模型及动态规划的基础理论，提出增程式汽车全局动态规划控制策略求解方法，同时采用AVL Cruise中的Interface模块与Matlab/Simulink进行联合仿真。仿真结果表明，在功率跟随和动态规划两种控制策略下，功率跟随的燃油消耗为0.56 kg,动态规划控制策略的燃油消耗为0.53 kg,与功率跟随控制策略相比，燃油消耗大约减少了5.6%,经济性明显提高，说明动态规划算法的控制更加精确，效果更好，而且动力电池荷电状态(state-of-charge, SOC)大幅变化的次数少，发动机大致工作在高效区域。该研究达到了减小等效燃油消耗的目的，具有广阔的应用前景。     

基于动态规划算法的混联混合动力汽车控制策略

针对某混联型混合动力汽车的布置形式,构建了整车控制数学模型。利用动态规划方法,提出了以控制整个循环发动机燃油消耗最低和电池SOC维持在理想值为目标的优化函数。提出了动态限制SOC区域模型。设计了动态规划全局搜索算法。进行了换档逻辑的优化。仿真对比了基于功率跟随的混联汽车控制策略、动态规划方法以及改进的功率跟随策略。结果显示,动态规划方法可以作为其他控制策略的评价参考,可以改善功率跟随控制策略控制效果。     

系统效率最优的功率分流式混合动力汽车非线性预测控制

针对一种基于双行星排构型的功率分流式混合动力汽车,建立系统动态模型,准确描述其转速转矩耦合关系,通过建立各部件的效率模型,分析不同模式下系统的工作效率. 设计控制器结构框架,以系统工作效率和电池充放电平衡为目标,构建基于模型预测控制的优化问题,采用一步马尔科夫链模型预测驾驶员需求转矩及车速,将有限时域内的优化问题转化为非线性规划问题,基于序列二次规划算法实现优化求解. 仿真研究表明,基于系统效率最优的预测控制器能够维持电池的充放电平衡,在美国城市驾驶循环（UDDS）下,当电池初始电池荷电状态（SOC）分别为0.50、0.55和0.60时,相较于以发动机燃油消耗最优为目标,车辆等效燃油经济性分别提高了7.17%、5.73%和10.11%,验证了控制器的有效性和优越性.     

类SCARA机器人多目标性能优化

以类SCARA硅片搬运机器人为研究对象,在机器人运动学和动力学的基础上,分析其工作空间、全域条件数、固有频率、误差影响系数各项性能,并针对这4项性能指标进行多目标优化.将机器人机构杆长参数作为设计变量,以工作空间等4项指标作为优化目标,给出杆长约束和相对工作空间系数约束,利用基于BP神经网络算法的多目标遗传算法进行优化计算,采用遗传算法优化神经网络的结构,来提高BP神经网络的预测精度,减少运算时间,最终得到1组最优杆长.采用优化后的机器人机构杆长可以使机器人各项性能指标有较大提高.     

飞机推出控制停机位等待惩罚策略

为减少飞机离港过程中调度者的工作负担,降低滑行成本及污染排放,在飞机离港过程传统N控制策略基础上,提出一种基于停机位等待惩罚的推出控制策略.这种策略可以为滑行道排队长度搜寻最优阈值,并且要求推出频率随当前滑行道排队长度实时变化.建立以推出成本为目标的推出控制模型及其两种变体形式,设计了一种基于连续时间马尔科夫链的迭代优化算法.首都机场实际推出数据仿真结果表明:所提出的推出控制策略能有效地将滑行等待时间转化为停机位等待时间,总滑行等待时间减少了2 995 min/d,燃油消耗比无推出策略条件下减少44.04%,离港燃油成本大大降低.     

Hopfield神经网络算法求解路网最优路径

为了解决经典算法在求解大规模路网最优路径时运算时间长的问题,研究了Hopfield神经网络的特点,建立了一般路网的数学模型,根据Hopfield神经网络的特点设计了适合车辆诱导的路网Hopfield神经网络最优路径算法.采用动态邻接矩阵对该算法进行了优化,减少了运算时间.把该Hopfield神经网络算法应用于所研发的车辆诱导系统的最优路径求解中,并进行了实际路网测试,结果表明应用该算法能够正确求解路网的最优路径,且比经典算法的运算效率高.     

基于均方差值调节的多目标权重系数GA算法

提出一种改进的权重系数调节算法求解多目标Pareto最优解问题.该算法采用均方差值自适应权重调节法对各目标函数权值进行有效调节,从而提高了GA所得最终种群在多目标最优意义下具有分散性.最后通过实验优化一组测试函数来评价该算法的性能,结果表明:该算法具有很强的寻优能力,相比于其它同类算法可以更好地解决多目标优化问题.     

增程式电动汽车自适应能量管理策略

以增程式电动汽车到达充电站时,动力电池电量处于较低水平为控制目标,设计了以燃油消耗最小与动力电池荷电状态(SOC)沿目标曲线变化的双目标代价函数,并采用动态规划算法进行优化求解。为实现在线最优控制,采用BP神经网络对优化结果进行训练学习,得到控制模型。仿真结果表明,所训练的控制模型对于动态规划优化结果具有很好的学习效果,SOC偏离误差在3%以内。最后,为解决控制模型仅适用于特定工况与行驶里程的问题,设计了一种自适应能量管理控制器,其包括运行状态识别模块、控制模型库、控制模型选择模块等。硬件在环试验表明,所设计的控制器能够控制SOC在仿真结束时刚好降到最低值,在乘用车高速公路燃油经济性测试循环(HWFET)工况下,该控制器相比电量消耗/电量维持算法燃油经济性提高了9.2%。     

基于进化算法的带约束混合动力系统多目标优化

为获得无需将多目标优化问题转化为单目标优化问题的混合动力系统多目标优化方法,分析了并联混合汽车总成模型,建立了带约束混合动力系统多目标优化数学模型,并给出了优化目标、待优化参数及约束条件。设计了基于NSGA-Ⅱ的混合动力系统多目标优化算法,该算法基于Pareto支配性原理判定所得方案的优劣,不需要指定各个目标的权系数。仿真优化结果表明:优化后的系统百公里油耗平均下降了0.25%,污染物排放平均下降了2.75%,蓄电池充电效率分布由[0.8,0.9]变为[0.85,0.9],放电效率分布由[0.82,1.0]变为[0.95,1.0],作者提出的方法可以优化混合动力系统的性能。     

Cloud Computing Based Optimal Driving for a Parallel Hybrid Electric Vehicle

A cloud computing based optimal driving method is proposed and its feasibility is validated through a real-world scenario simulation. Based on principles of vehicle dynamics, the driving optimization problem has been formulated into an optimal control problem constrained by traffic rules, directed at achieving lower equivalent fuel consumption and shorter travel time. In order to conveniently specify the constraints and facilitate the application of the dynamic programming (DP) algorithm, the driving optimization problem is transformed into spatial domain and discretized properly. Considering the heavy computational costs of the DP algorithm, a cloud computing based platform structure is proposed to solve the optimal driving problem in real-time. A case study is simulated based on a real-world traffic scenario in Matlab. Simulation results demonstrate that the cloud computing framework is promising toward realizing the real-time energy management for hybrid electric vehicles.     

静液传动混合动力车辆控制策略优化

为了提高静液传动混合动力车辆的燃油经济性,在Matlab/Simulink平台上建立了整车动态性能仿真分析模型,建立逻辑门限控制策略参数优化的有约束非线性规划模型,以燃油消耗率为优化目标,以发动机主动充压转矩差值和主动充压压力限值为优化对象,运用多目标遗传优化算法,在不同的循环工况下对静液传动混合动力系统工作模式的选择...     

增程式燃料电池车经济性与耐久性优化控制策略

为了避免车用燃料电池由于启停变化、功率波动等状态而导致的性能衰退,在能量管理控制策略的开发过程中需要在保证经济性的同时兼顾燃料电池的耐久性.针对该目标,建立了基于改进动态规划算法的增程式燃料电池车经济性与耐久性优化控制策略,将燃料电池的启停状态设为状态变量,在燃料电池的启动和关闭状态之间增加怠速过渡阶段,实现了燃料电池...     

Real-time optimization power-split strategy for hybrid electric vehicles

Energy management strategies based on optimal control theory can achieve minimum fuel consumption for hybrid electric vehicles, but the requirement for driving cycles known in prior leads to a real-time problem. A real-time optimization power-split strategy is proposed based on linear quadratic optimal control. The battery state of charge sustainability and fuel economy are ensured by designing a quadratic performance index combined with two rules. The engine power and motor power of this strategy are calculated in real-time based on current system state and command, and not related to future driving conditions. The simulation results in ADVISOR demonstrate that, under the conditions of various driving cycles, road slopes and vehicle parameters, the proposed strategy significantly improves fuel economy, which is very close to that of the optimal control based on Pontryagin’s minimum principle, and greatly reduces computation complexity.     

基于Radau伪谱法和MPC的智能电动车辆生态驾驶

为优化智能电动车能源消耗,提出了基于Radau伪谱法和模型预测控制算法的智能电动车辆生态驾驶的方案。建立生态驾驶控制模型和能耗模型,结合边界约束和路径约束,构建生态驾驶能耗优化的最优控制问题。通过能耗优化得到最优车速轨迹,将此轨迹作为期望输入,基于模型预测控制( MPC)算法完成生态驾驶控制。实验结果表明：以纯电动车和实际规划路径为例,以最优车速自动行驶的能源消耗少于人工驾驶的能源消耗,验证了文中策略的有效性。     

基于智能算法的汽车气动外形参数多目标优化

为了对汽车外形进行优化设计,利用CFD软件与智能算法相结合的方法,以在天窗微开高速行驶状态下的汽车为优化的对象,选取气动阻力最小、气动升力为0、天窗后缘压强最小为`优化目标,以汽车关键外形参数为设计变量,对汽车气动外形进行多目标优化设计.同时,应用了数据挖掘技术评价设计变量与3个目标函数的影响关系,选取优化后的最佳关键参数制作汽车模型并进行风洞试验验证.研究结果表明:通过遗传算法优化的车身外形,在其他设计目标满足要求的条件下成功地将阻力系数降低了9.5%,并通过风洞试验验证了该智能算法结果的准确性.基于智能算法的汽车气动外形设计具有指导意义与实际应用价值,为汽车气动外形的多目标优化设计提供了一种高效、精确、可靠的先进优化方法.     

双行星排汽车纯电驱动模式的转矩分配策略

针对双电机纯电驱动模式的转矩分配问题,在分析双行星排插电式混合动力系统能量流动特性的基础上,设计主电机高效工作区间控制策略. 该策略利用双电机工作特性的差异达到高效工作区间互补的目的,并在双电机转矩耦合模式下保护主电机的工作效率. 为了解决传统模糊控制器控制精度不高的问题,设计双模糊控制器控制系统,结合所提出的电机工作区间划分方法实现电机工作区间的自适应调节与等效放大. 以驱动系统能量转化效率与电机转矩脉动系数为自变量构建适应度函数,基于遗传算法对系统的控制规则进行多目标寻优. 仿真结果表明,在2种控制策略中遗传算法-双模糊控制器控制策略的耗电量更低,系统综合效率分布情况接近动态规划（DP）经济性最优结果,对电机输出转矩波动情况的控制也更加合理. 将其应用于混合动力系统,车辆百公里综合油耗较主电机高效工作区间控制策略的降低3.27%.     

并联混合动力汽车模糊控制能量管理策略研究

针对一款并联混合动力汽车,以提高整车燃油性和改善尾气排放为控制目标进行了能量管理策略研究。将混合动力系统整车需求转矩与当前转速下的发动机最优转矩差值（ΔT）、电池组荷电状态（SOC）作为模糊转矩控制器输入,发动机输出转矩作为控制器输出,设计了25条控制规则,基于ADVISOR仿真验证该策略的有效性和可行性。仿真研究表明,提出的能量管理策略提高了发动机工作效率,减少了燃油消耗和尾气排放,并能维持电池组的SOC在合理的范围内波动。