混合动力货车能量管理策略硬件在环仿真研究

针对等效燃油消耗最小策略（equivalent consumption minimum strategy,ECMS）获得优化等效因子的途径提出了一种基于粒子群寻优算法的重型混合动力卡车等效油耗最小控制策略。该策略采用粒子群算法并以整车油耗与终止电池组荷电状态（state of charge,SOC）偏离目标SOC程度的绝对值加权之和作为适应性函数,对等效油耗最小策略的关键参数进行选取。根据该重型卡车的传动系统构型,基于Simulink建立了车辆的纵向动力学模型,并基于此模型分别设计了基于动态规划（dynamic programming,DP）算法优化规则的能量管理策略和基于等效油耗最小的控制策略。在选取的测试工况下验证优化后的策略,硬件在环测试结果表明,在保持SOC稳定的情况下相比于基于DP算法优化规则的能量管理策略,所提出的基于粒子群算法优化的等效油耗最小策略使发动机油耗降低3.63%及1.36%。     

混合动力重卡自适应等效燃油消耗最小化能量管理策略北大核心CSCD

为解决等效燃油消耗最小化策略的关键参数在不同工况下的动态调整,提出一种适用于混合动力重型汽车的自适应等效燃油消耗最小化策略(adaptive equivalent consumption minimization strategy,A-ECMS)。该策略以层次聚类算法得到的6种典型行驶工况为例,提出了一种基于神经网络工况识别算法。应用改进的混沌粒子群优化(chaosparticle swarm optimization,CPSO)算法优化特定驾驶循环下等效燃油消耗最小化策略(equivalent consumption minimization strategy,ECMS)的3个关键参数:等效因子、惩罚函数的比例因子和发动机起动车速阈值。提出了一种基于工况识别的新型自适应能量管理策略对关键参数进行优化,根据该重型卡车的传动系统构型,建立了车辆的纵向动力学模型,并通过仿真进行了验证。仿真结果表明复合工况驱动循环下的CPSO-ECMS和A-ECMS控制策略与传统等效燃油消耗策略相比,油耗分别降低了5.9%和8.9%。