基于道路坡度识别的混合动力汽车主动模式切换控制策略

为研究在基于道路坡度识别的前提下,单轴并联式混合动力汽车进行主动模式切换的控制策略,在Matlab上建立了混合动力汽车的整车数值模型以及道路坡度模型。在对道路坡度识别的基础上,通过模型预测的方式对下一时刻混合动力系统的车速及需求转矩进行了预测。根据需求转矩以及电池在当前时刻和下一时刻的SOC确定混合动力汽车的工作模式,在先确定工作模式的基础上以燃油消耗最小为目标函数,以动态规划算法进行实时的最优转矩分配;在保证经济性的前提下,使混合动力系统达到在即将上坡时刻"换挡",满足驾驶员的动力性和驾驶性需求。     

混合动力汽车电池内部状态预测的贝叶斯极限学习机方法

针对混合动力汽车（HEV）电池内部状态预测问题,引入贝叶斯极限学习机（BELM）方法。对BELM的基本原理进行了详细介绍,在高级车辆仿真软件ADVISOR中采集HEV电池的各项性能参数,包括电压、电流、温度和内阻等。基于此,将BELM应用于电池的荷电状态（SOC）和健康状态（SOH）的预测,同时考虑电池老化对内部状态预测效果的影响。BELM预测结果表明：所设计的预测模型具有较高的精度,能够实时准确地预测出电池的SOC和SOH值。     

动力电池管理系统核心控制策略开发

插电式混合动力汽车具有电池荷电状态(SOC)使用范围大、整车的工作模式多、用户使用情况复杂等特点,且磷酸铁锂的电池单体电压曲线相对于三元材料的锂离子电池单体曲线更加平坦,低温充电能力差等,因此对锂离子动力电池管理系统的核心功能和性能提出了比纯电动汽车和混合动力汽车更高的要求。开发基于AH积分和静置后上电电压修正以及车载充电机充电修正的SOC估算策略;测试充放电许用功率曲线,开发了动力电池故障、低温低电量下充放电许用功率估算策略。目前东北示范的某型号汽车均采用了此控制策略,整车在各种不同复杂工况、工作模式和高、低温环境条件下运行状态良好,保持较低的动力电池故障率,能够满足示范运营的要求。     

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%。     

燃料电池混合动力系统建模及能量管理算法仿真

燃料电池混合动力系统包括燃料电池发动机、直流直流变换器(Direct current to direct current converter, DCDC)、镍氢动力电池和电动机等部件.根据台架试验数据建立燃料电池混合动力系统模型.模型考虑燃料电池性能衰减、总线电压对电动机转矩和效率的影响、DCDC效率和动态过程以及动力电池充放电内阻特性.燃料电池因长时间运行而造成的性能衰减将导致能量管理算法失效.DCDC效率在公交工况下变化不大,其动态过程可以用一阶延迟环节近似.动力电池充放电内阻影响等效氢气消耗量的计算.总线电压对电动机效率与转矩的影响可以用修正系数代替考虑.能量管理算法采用动力电池荷电状态(State of charge, SOC)稳态平衡和燃料电池动态功率补偿相结合的方法,以保持动力电池SOC水平,并在加载过程中防止燃料电池功率突变.仿真结果表明,所建立的模型能反映实际工况中的功率分配情况,动力电池SOC维持在预定区域,燃料电池功率加载速率得到限制.进一步分析表明,随着燃料电池性能衰减,通过调整稳态平衡算法,可以维持SOC水平,保证整车动力性、经济性.     

储能电站电源管理系统研究

通过研究储能电站的电源管理系统,解决储能电站电池SOC的预测、电池组充放电控制、电池组均衡控制以及分布式储能系统管理等问题。采用PSO-BP神经网络算法对电池SOC进行预测。仿真结果表明:该算法对非线性函数具有较高的拟合能力,预测输出和期望输出间最大误差0.015。对储能电站进行功率特性和均衡特性实验,实验结果表明:电源管理系统可以实现对电池组的充放电控制和均衡控制,电池SOC可以被准确地估算,从而实现对整个电池系统的监测,保证整个储能电站的高效运行。     

功率需求驱动的电动载运装备用动力电池充放电能力预测方法

充放电功率能力的准确评估是动力电池及电动载运装备安全、高效运行的基础。针对电动载运装备,建立以输入/出功率为控制目标的动力电池模型,描述功率需求驱动的动力电池充放电行为;通过动态优化电池截止电压,提出多步功率预测方法,建立动力电池恒功率需求时的充放电能力预测策略;考虑荷电状态、温度、持续时间等的影响,采用长短期记忆神经网络建立功率修正模型,提升了动力电池充放电功率能力预测性能。结果表明,多步功率预测法能兼顾预测精度和计算效率,最大误差小于3%;全电量区间和宽温度范围内应用效果表明：采用功率修正的功率预测最大误差小于3%,均方根误差低于1%。     

基于遗传神经网络的电动汽车锂电池SOC预测

针对传统方法在电动汽车锂电池荷电状态（State of Charge,SOC）预测中的局限和不足,提出了一种基于遗传神经网络的电池SOC预测算法.该算法的整体方案首先给出了车载锂电池状态监测系统的软硬件实现,在该系统上以不同的放电倍率对磷酸铁锂电池进行了放电实验,获取了其放电过程中电压、电流和SOC的样本数据,然后利用遗传算法全局寻优能力对神经网络中的连接权值和阈值进行了优化,用实验所得的样本数据训练BP神经网络,根据训练好的神经网络对锂电池SOC进行了预测并将其与真实SOC进行对比,以验证算法的可行性.研究结果表明,该方案可通过电压、电流的实时测量值获知锂电池的剩余电量,具有收敛速度快、预测误差小、适应范围广的特点,有效解决了电动汽车锂电池的SOC预测问题.     

混合动力工程机械镍氢蓄电池充放电控制策略研究

针对混合动力工程机械充放电频繁,蓄电池必须能够快速吸收发动机多余功率的问题,提出了一种混合动力用镍氢电池充放电模糊控制方法.根据镍氢电池特性构建了蓄电池充放电的系统框图,设计了二维模糊控制器,以蓄电池额定电压与实测电压差△U以及电压差变化率△U/△t为输入变量,输出变量为充电电压的变化量R,建立模糊控制规则表.仿真结果表明,该控制策略能够快速地吸收多余功率和释放电量提供动力,满足混合动力工程机械复杂工况的需要.     

混合动力汽车动力电池试验检测系统

1引言 混合动力汽车由于其显著降低排放和节省燃油,已得到国内外大汽车厂家的认可,并纷纷研究和推出其产品.混合动力技术结合传统内燃机与电池电机系统,平均功率由内燃机提供,峰值功率由电能补充.因此电池系统在混合动力技术中是一重要的部件.其中电池的充电状态(SOC)参数是电池系统中最重要的参数.本文结合实际的课题,介绍混合动力汽车电池试验检测系统.     

基于HEV的磷酸铁锂电池剩余电量计量方法的研究

在研究混合动力电动汽车磷酸铁锂电池放电特性的基础之上,提出了基于磷酸铁锂电池工作电流、工作温度和工作电压的混合动力电动汽车动力电池剩余电量计量方法,建立相应的数学模型,并在Matlab/Simulink软件中进行了磷酸铁锂电池剩余电量计量方法的仿真分析.仿真结果表明,与SOC法相比,基于磷酸铁锂电池特性的相对剩余电能量法可以直接反映电能量随电池工作电流和电压的改变而变化的关系,尤其是在电池工作电压变化比较大的阶段,其Km值与SOC值平均相差7%~23%.     

基于典型作业工况的串联式电传动推土机功率跟随控制策略

为提高串联式混合动力推土机的燃油经济性,研究动力传动系统的能量分配策略。分析发动机和发电机的动态工作特性,通过台架试验建立发动机的动力输出特性模型、油耗特性模型和发电机的效率特性模型;通过超级电容的电阻串并联模型结构分析,建立超级电容的动态工作模型,设定荷电状态的安全工作范围。基于台架试验及模型获得的发动机最佳燃油消耗曲线,提出一种最佳燃油消耗曲线的功率跟随控制策略。研究推土机的典型作业工况,在典型作业工况下对提出的控制策略进行仿真,阐述超级电容的荷电状态及电压、电流的变化规律,并与传统机械传动结构的原型机在发动机工作转速、转矩、油耗和加速踏板位置变动等参数方面进行对比分析。结果表明,在推土机典型作业工况下,采用最佳燃油消耗曲线的功率跟随控制策略与原型机相比,节油率达13.1%。     

Analysis and modeling of exhaust gas temperature in an ethanol fuelled HCCI engine

Low exhaust temperature in homogeneous charge compression ignition (HCCI) significantly limits efficiency of an exhaust aftertreatment system to mitigate high HC and CO emissions in HCCI engines. This article aims to understand the effect of varying input parameters on HCCI exhaust gas temperature (T_exh) for an ethanol fuelled engine. A single cylinder engine is used to collect experimental data at 100 different HCCI conditions. The results indicate that variation in combustion parameters such as start of combustion (SOC), burn duration (BD) and maximum in-cylinder pressure (P_max) are not effectively correlated with variations of Texh, but the indicated mean effective pressure (IMEP) and constant-volume adiabatic flame temperature (T_ad) are strongly related to T_exh. These experimental findings were then used to design an artificial neural network (ANN) model to predict T_exh. The model was validated with the experimental data, indicating an average error less than 4.5°C between predicted and measured T_exh.     

电动车电池管理系统软件设计与SOC预测研究

文章针对燃料电池电动车的特点,提出了一种监测燃料电池电动车电池状态的电池管理系统的软件设计方案。该系统通过对燃料电池单体电压、温度的采集和电池包总电压、总电流的测量,实现电池荷电状态(SOC)的计算,以及与上位机、整车的通信功能。该系统提出一种新方案来提高SOC估计值的精度,采用CAN总线的分布式结构,以嵌入式实时操作系统μC/OS-Ⅱ为系统软件平台,进行多任务设计,提高了系统运行的可靠性,有利于系统功能的扩展。     

Estimation method of state-of-charge for lithium-ion battery used in hybrid electric vehicles based on variable structure extended kalman filter

Since the main power source of hybrid electric vehicle(HEV) is supplied by the power battery, the predicted performance of power battery, especially the state-of-charge(SOC) estimation has attracted great attention in the area of HEV. However, the value of SOC estimation could not be greatly precise so that the running performance of HEV is greatly affected. A variable structure extended kalman filter(VSEKF)-based estimation method, which could be used to analyze the SOC of lithium-ion battery in the fixed driving condition, is presented. First, the general lower-order battery equivalent circuit model(GLM), which includes column accumulation model, open circuit voltage model and the SOC output model, is established, and the off-line and online model parameters are calculated with hybrid pulse power characteristics(HPPC) test data. Next, a VSEKF estimation method of SOC, which integrates the ampere-hour(Ah) integration method and the extended Kalman filter(EKF) method, is executed with different adaptive weighting coefficients, which are determined according to the different values of open-circuit voltage obtained in the corresponding charging or discharging processes. According to the experimental analysis, the faster convergence speed and more accurate simulating results could be obtained using the VSEKF method in the running performance of HEV. The error rate of SOC estimation with the VSEKF method is focused in the range of 5%to 10%comparing with the range of 20%to 30%using the EKF method and the Ah integration method. In Summary, the accuracy of the SOC estimation in the lithium-ion battery cell and the pack of lithium-ion battery system, which is obtained utilizing the VSEKF method has been significantly improved comparing with the Ah integration method and the EKF method. The VSEKF method utilizing in the SOC estimation in the lithium-ion pack of HEV can be widely used in practical driving conditions.     

Hybrid modified evolutionary particle swarm optimisation-time varying acceleration coefficient-artificial neural network for power transformer fault diagnosis

In power transformer fault diagnosis, dissolved gas analysis (DGA) has been widely used to identify the type of the fault. The common methods of DGA are IEC 60599 method, Doenenberg’s ratio method and Roger’s ratio method. The accuracy of the DGA diagnosis will determine the cost, duration and workload of the maintenance since it can influence the error in the maintenance. Although DGA methods have been used widely, sometimes they still yield incorrect diagnosis results. Thus, many works on transformer fault diagnosis have been proposed previously, which include artificial intelligence methods, to improve the accuracy of transformer fault diagnosis. However, the accuracy of the previously reported works is believed to have rooms for improvement. Therefore, in this work, hybrid modified evolutionary particle swarm optimisation-time varying acceleration coefficient (MEPSO-TVAC)-artificial neural network (ANN) was proposed for transformer fault diagnosis based on dissolved gas data. This is due to these two methods have never been proposed for transformer fault diagnosis in the past. The performance of the ANN was optimised through the proposed MEPSO-TVAC. The superiority of the proposed method was demonstrated through comparison with the existing DGA methods, unoptimised ANN and previously reported methods in literatures. The comparison shows that the proposed hybrid MEPSO-TVAC-ANN obtained the highest accuracy among all methods, which can then be used for power transformer fault diagnosis.     

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。     

一种基于神经网络的双足机器人混合动力学系统辨识方法

针对双足机器人的混合动力学系统辨识问题,从系统渐进稳定性角度分析,推导出连续与离散混合系统的可辨识条件,提出了一种基于混沌粒子群优化的径向基函数神经网络与动态模糊神经网络的联合辨识方法。利用混沌粒子群优化的径向基函数神经网络辨识双腿的连续摆动阶段,利用动态模糊神经网络辨识离散的足地碰撞阶段;依据两阶段同一变量的耦合、转换关系,实现了对双足机器人整体混合系统的准确辨识。仿真实验结果表明,该方法辨识和预测结果具有较高的准确度。