发展插电式混合动力汽车是现阶段解决城市雾霾频繁出现、石油资源日益枯竭等问题的重要途径,而插电式混合动力汽车动力参数优化问题更是目前研究热点之一。本文以插电式混合动力校车(Plug-in Hybrid Electric School Bus,PHESB)为研究对...
详细信息
发展插电式混合动力汽车是现阶段解决城市雾霾频繁出现、石油资源日益枯竭等问题的重要途径,而插电式混合动力汽车动力参数优化问题更是目前研究热点之一。本文以插电式混合动力校车(Plug-in Hybrid Electric School Bus,PHESB)为研究对象,通过制定基于动态规划(DP)的全局最优能量管理策略,提出了一种基于多岛遗传算法(MIGA)和序列二次规划算法(NLPQL)的组合参数优化算法。主要研究成果如下:(1)在Simulink/MATLAB环境下,建立了基于规则控制策略的混联式与并联式PHESB的正向仿真模型。依据能量管理控制策略制定的四个原则,制定了PHESB的三种运行模式,即纯电动模式(EV,electric vehicle)、电量消耗模式(CD,charge-depletion)和电量维持模式(CS,charge-sustaining),以动力电池SOC数值为模式切换门限值,且CD与CS模式间设定为可逆切换,从而制定基于此三种模式的规则控制策略,并完成两种构型的PHESB模型构建。(2)提出了基于动态规划算法(DP)的两种构型PHESB全局最优能量管理策略。建立了两种构型的PHESB动态规划仿真模型,利用MATLAB对两种构型PHESB的DP问题求解,得出相对应全局最优控制策略下的百公里能量消耗值。在中国城市典型工况下,将基于DP算法全局最优控制策略的仿真结果与基于规则控制策略的仿真结果进行了对比分析。结果表明,基于动态规划算法的全局最优能量管理策略能使两种构型的PHESB燃油经济性提高10%以上,并得到了两种构型PHESB能量消耗理论最优值,为动力系统参数优化标定做了准备。(3)提出了基于多岛遗传算法(MIGA)和序列二次规划算法(NLPQL)的组合参数优化方法。为保证参数优化过程中对每一动力系统组合方案性能评价的公平性,提出了基于全局最优化能量管理策略的PHESB动力系统参数优化方法。参数优化前、后的动态规划程序结果对比表明,经过组合参数优化算法优化后的混联式PHESB百公里油耗为17.24L/100km,较优化前燃油经济性提升6.9%;并联式PHESB百公里油耗为21.39L/100km,较优化前燃油经济性提升12%。(4)利用集成CAN仿真环境的整车控制器硬件在环仿真平台,基于自动代码生成技术将两种构型PHESB优化前后基于规则的控制策略下载到真实控制器上,进行了相应的硬件在环实验;利用上位机CANoe软件对仿真过程进行观察与数据记录。实验结果表明,经过组合参数优化算法优化后,混联式PHESB百公里油耗由25.7L降至22.9L,较之优化前下降10.8%;并联式PHESB百公里油耗由28.9L降至26.4L,较之优化前下降8.6%。组合参数优化方法的对两种构型的PHESB燃油经济性优化效果得到了证明。
随着智能网联技术的发展,不同车辆之间,车辆与监测系统之间(vehicle-tovehicle/vehicle-to-infrastructure,V2V/V2I)的信息可以相互传递。利用V2V/V2I信息传递对提高插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)的能量管...
详细信息
随着智能网联技术的发展,不同车辆之间,车辆与监测系统之间(vehicle-tovehicle/vehicle-to-infrastructure,V2V/V2I)的信息可以相互传递。利用V2V/V2I信息传递对提高插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)的能量管理性能卓有成效。与考虑单车的PHEV相比,车辆跟驰场景下的PHEV如何保持安全的同时并减少油耗,已成为当前亟待解决的难题。城市公交工况的复杂多变,易造成驾驶员疲劳,发生追尾事故。故本文以插电式混合动力客车(Plug-in Hybrid Electric Bus,PHEB)为研究对象,研究跟车场景下,基于模型预测控制的能量管理控制策略,具体研究内容如下。首先,考虑PHEB驾驶安全性和燃油经济性的多目标能量管理优化问题,以及此问题内部的冗杂性,提出基于非线性模型预测控制(Nonlinear Model Predictive Control,NMPC)策略。此策略可在预测域内将优化问题转化为一系列二次规划子问题,降低优化过程中的复杂性。此外,其中的滚动优化环节采用序列二次规划(Sequential quadratic programming,SQP)算法,并预先拟合发动机比油耗和电机效率,以保证SQP算法的正常优化。最后,在MATLAB/Simulink环境中验证NMPC策略的有效性,同时采用硬件在环实验平台验证此策略的鲁棒性和实时性。其次,考虑到常规非线性模型预测控制策略,在实际交通工况中预测精度有限,所以在基于NMPC策略基础上,提出自适应随机模型预测控制(Adaptive Stochastic Model Predictive Control,ASMPC)策略。此策略利用重庆303公交线路工况建立Markov链的转矩需求预测模型,此模型与驾驶工况关联性较大,预测更为准确,弥补了非线性预测模型的不足。此外,设计驾驶安全性和燃油经济性之间的自适应权重因子,此因子可以根据交通信息更新。最后,在MATLAB/Simulink环境中验证ASMPC策略的有效性,同时采用硬件在环实验平台验证此策略的鲁棒性和实时性。
暂无评论