共查询到20条相似文献,搜索用时 296 毫秒
1.
2.
《汽车安全与节能学报》2015,(3)
提出了一种并联式混合动力汽车(HEV)参数综合优化算法,以解决其能量管理与动力系统匹配经常各自独立进行的问题。该方法考虑电驱动系统成本,用改进型模糊能量管理策略,以能量管理策略参数、动力系统匹配参数为决策变量,以等效综合油耗、电机与电池组总成本为目标函数,在ADVISOR仿真环境下,用多目标遗传算法优化求解。结果表明:在保证整车动力性的前提下优化后,等效油耗降低23.0%,电机和电池组总成本降低41.9%;一氧化碳CO的100 km排放质量降低10.8%,碳氢化合物HC的排放降低22.2%,氮氧化物NOx的排放降低27.0%,改善了发动机效率与电机效率;验证了该方法的有效性。 相似文献
3.
为了提高插电式混合动力汽车的燃油经济性、降低污染物的排放,并解决插电式混合动力汽车单一动力电池低比功率、无法响应暂态功率需求的问题,设计蓄电池和超级电容并联的复合储能系统,采用带有滑动窗口的实时小波功率分配策略,并对滑动窗口长度进行选择。该功率分配策略将复合储能系统的需求功率分解成高频和低频两部分,超级电容接收高频分量,蓄电池接收低频分量,避免了高频分量对于蓄电池的冲击,提高了蓄电池的耐久性和可靠性。制定基于规则的控制策略,以整车燃油消耗量和污染物排放量为优化目标,利用多目标蜻蜓算法对相关控制参数进行优化。基于ADVISOR搭建含有复合储能系统的插电式混合动力汽车整车仿真模型,采用新欧洲行驶循环工况进行测试,并通过与带精英策略的非支配排序遗传算法进行对比,验证算法的有效性。研究结果表明:利用多目标蜻蜓算法优化后的车辆百公里燃油消耗平均降低了12.71%,污染物综合排放性能平均下降了10.05%;相对于优化前,发动机输出功率减少,电机输出功率增加,发动机和电机的工作效率均得到了显著提升;Pareto最优解的收敛性和覆盖范围优于带精英策略的非支配排序遗传算法,同时得到的多组Pareto最优解为整车设计和优化提供了更多选择。 相似文献
4.
5.
等效燃油消耗最小能量管理策略(ECMS)的优化问题,是一个不连续、非可导的内外层嵌套多目标优化问题,为进一步提高整车燃油经济性,同时使电池具有良好的电量保持性能,提出一种内外层嵌套的双层多目标粒子群算法(DL-MOPSO)对充放电等效因子和功率分配方式同时进行寻优。仿真结果表明,与传统的穷举法相比,DL-MOPSO算法寻优获得的ECMS可提高整车燃油经济性10. 28%,且SOC终值与目标值差为0. 001 9,有效保持电量平衡。最后分析了惩罚函数中β参数对ECMS寻优的影响,对β参数的取值具有一定指导意义。 相似文献
6.
7.
8.
基于某高速汽油机,对燃烧室结构、燃油喷射特性、凸轮型线改型设计为稀薄燃烧发动机。提出利用响应面模型对正时策略进行分析和优化的研究方法,并建立利用响应面进行多目标优化计算的流程。以提高有效功率和降低有效燃油消耗率为优化目标,以点火正时、空燃比和进排气正时为设计变量,建立了发动机性能与响应面耦合优化模型。分析与试验结果表明:较标准混合比燃烧时,稀薄燃烧发动机的进排气提前角减小,点火正时提前,最低燃油消耗率下降3.9%,最大功率提升9.7%;同时利用响应面优化方法提高了优化效率。 相似文献
9.
分别采用多层次参数扫描(MLPS)算法和模拟退火粒子群优化(SAPSO)算法对并联式混合动力车逻辑门限控制策略的参数进行优化.将优化后的车辆以TEST-CITY-HWY测试循环进行仿真,并将结果与优化前的车辆的仿真结果进行对比.结果表明,经MLPS算法优化后,燃油消耗和HC与NOx排放分别下降了11.98%、6.01%和4.03%,但CO排放增加了25.18%;经SAPSO算法优化后,燃油消耗和HC、CO与NOx排放分别下降了13.61%、9.57%、27.78%和18.53%,且电池荷电状态(SOC)比MLPS优化略高.说明SAPSO算法在混合动力车控制参数优化效果上明显优于MLPS算法. 相似文献
10.
针对增程式电动汽车动力系统参数匹配的问题,在Simulink-Cruise联合仿真平台上建立了用于匹配设计的整车初始模型,提出了基于典型工况统计分析的匹配设计方法,对增程式动力系统进行了稳态匹配。为了进一步验证设计参数的合理性,采用恒温式定点控制策略和CD-CS型最优曲线功率跟随控制策略进行了仿真对比分析,验证了匹配参数的合理性。以燃油经济性、发动机启停次数和平均充电电流为目标,基于粒子群算法对控制参数进行了多目标优化。优化结果表明,优化后的控制策略使整车在目标工况下的百公里综合油耗下降了7.2%,平均充电电流下降了3.1%,优化后的控制参数使整车性能和电池寿命都有所提升,为进一步的控制策略制定和优化奠定了基础。 相似文献
11.
基于多目标遗传算法的混合电动汽车参数优化 总被引:1,自引:0,他引:1
动力系统和控制器参数的同时优化是提高混合电动汽车(HEV)燃油经济性并降低排放的关键。这类优化问题涉及多个相互冲突的优化目标和非线性约束,是典型的多目标优化问题。文中采用多目标遗传算法求解该优化问题的Pareto最优解集,并应用ADVISOR对实际算例的优化结果进行比较分析。结果表明,应用该方法可找到多组可行解,在满足原车动力性要求的前提下能有效提高燃油经济性,降低排放。 相似文献
12.
针对电动汽车动力电池过度放电导致其使用寿命缩短的问题,以在纯电动汽车上增加插拔式增程器的方式,提出了增程器补偿动力电池放电的能量管理控制策略模型。在对ADVISOR进行二次开发的基础上,通过仿真验证了能量管理控制策略的合理性,保证了整车的动力性和经济性。以汽车结束行驶时电池电量下降至设定的荷电区间下限值为优化目标对其进行了优化,结果表明增程器的工作时间明显缩短,燃油消耗和废气排放也较大幅度降低。 相似文献
13.
14.
混联式混合动力客车整车控制系统的开发 总被引:1,自引:0,他引:1
本文中为某型混联式混合动力客车开发了基于MPC5554的整车控制系统(HCU).首先,根据混合动力客车的运行特点和动力总成结构,以最小燃油消耗为目标,提出了基于迭代动态规划全局优化算法和Elman动态神经网络的实时优化能量管理策略;接着根据整车需求和能量管理策略,以MPC5554作为CPU,完成了HCU的硬件系统设计;最后以ETAS PT-LABCAR为平台,进行了HCU硬件在环仿真试验.结果表明,所开发的HCU运行稳定、可靠,且能有效实现混合动力客车的实时控制,显著提高了整车燃油经济性. 相似文献
15.
以一种充电保持型并联式混合动力电动汽车(hybrid electrical vehicle,HEV)为具体对象,研究以瞬时等效燃油经济性和排放性能为综合优化目标的控制策略。该策略以传动系统的能量转换效率和排放“效率”作为评价燃油经济性和排放的指标来建立优化目标方程,通过基于HEV整车及动力总成相关数学模型所建立的Matlab/Simulink仿真优化平台,搜寻出全部转速一转矩需求条件下动力总成各元件的理想能量分配及相应档位,并以MAP图的形式存储于车载监控器中。监控器根据HEV荷电保持的设计要求,按瞬时工况调用这些MAP图,以简单查表计算方式对理想值实时地作适当修正和调整。所述监控策略的有效性、实时性通过若干典型行驶工况仿真及实车应用得以证实,展现出良好的实用价值。 相似文献
16.
17.
随着物流行业的迅速发展,物流运输车辆不断增加,而传统燃油汽车的使用对环境造成了一定的压力,近年来,物流电动汽车由于其节能环保的特性,得到了广泛的应用。然而由于电动汽车的充电时间较长以及运输行业的发展现状,电动汽车目前无法完全取代传统燃油汽车,两种车型同时存在于物流配送领域。文章针对半开放式多配送中心的燃油汽车和电动汽车混合车型的车辆路径优化问题进行研究,同时考虑了客户需求量、车辆载重量以及电动汽车的充电需求等约束条件,以碳排放成本、运输成本以及时间窗惩罚成本之和最小为目标建立线性整数规划数学模型,针对该问题的NP难特性,设计了改进的粒子群算法进行求解。应用佳点集理论产生初始种群,增加粒子群算法的多样性,在迭代过程中,增加局部搜索策略,避免粒子群算法陷入局部最优。实验结果表明:改进的粒子群算法获得的总成本相比标准粒子群算法获得的总成本降低5.69%,证明了该设计的改进粒子群算法在求解开放式混合车型车辆路径优化问题时的有效性;相比于不考虑碳排放的情况,考虑碳排放时传统燃油车的使用数量有所下降;相比于单一配送中心路径优化情况,开放式的多配送中心路径优化,更有利于降低物流成本。 相似文献
18.
针对某新型双电机行星耦合插电式混合动力汽车(PHEV)中发动机在起停及怠速运行状态下会导致油耗增加的问题,基于等效燃油消耗最小能量管理策略,加入发动机起停优化控制模块,以进一步改善整车燃油经济性。建立了整车动力学和传动模型并加入发动机起停优化控制模块,对ECMS能量管理策略输出的发动机及电机最优目标转矩进行重新优化分配后,再输出给发动机及电机控制器以控制其工作状态。针对起停优化控制中影响起停频次的关键时间参数,采用粒子群优化算法对其进行优化。仿真结果表明,相比优化前,所提出的能量管理优化策略能够实现对发动机起停或怠速状态的有效控制,减少发动机的起停频次,减少恶化油耗,验证了本文所提出的能量管理优化策略能够进一步优化整车燃油经济性。 相似文献
19.
20.
针对THS-Ⅲ平台的插电式混合动力汽车提出一种基于深度强化学习的能量管理策略。首先,使用MATLAB/Simulink搭建车辆前向仿真模型;其次,建立车辆能量管理的马尔可夫过程和深度强化学习算法;最后,使用WLTC-Class3和ACC-60工况进行了仿真验证。结果表明,与基于规则的能量管理策略相比,基于深度强化学习的能量管理策略在WLTC-Class3工况下总花费节省16.51%,燃油消耗量下降15.56%,在ACC-60工况下总花费节省31.95%,燃油消耗量下降29.96%。 相似文献