基于蚁群算法的增程式电动中巴车控制策略优化

应用蚁群算法对某增程式电动中巴车控制策略中的关键参数进行优化，以提高整车燃油经济性。基于Matlab编写优化程序并完成优化，同时在CRUISE软件中对优化结果进行了仿真对比。仿真结果表明，优化后整车能量消耗明显降低，目标车辆燃油经济性得到明显改善。     

增程式电动汽车动力系统参数匹配及控制策略优化

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。     

基于蚁群算法的EPS系统仿真研究

针对车辆电动助力转向系统(EPS)的特点,提出了基于蚁群算法的电动助力转向系统控制策略,将蚁群算法与模糊PID控制器相结合,根据车辆不同运行工况,通过实时在线优化模糊PID控制器中的控制参数,进一步提高EPS系统的控制精度与收敛速度,通过Matlab/Simulink进行了各种运行工况下整车EPS系统的仿真实验。实验结果表明,与常规PID控制相比,采用基于蚁群算法的控制策略,EPS系统的控制精度高、超调量小、调整时间短,该控制策略具有蚁群算法收敛响应速度快和PID控制精度高的优点,适合应用于车辆EPS系统。     

增程式电动客车参数匹配及控制策略研究

以某款增程式电动客车作为研究对象,根据设计指标以及给定的基本参数,对增程式电动客车动力系统进行了选型和匹配。设计了基于逻辑门限值的控制策略,并利用CRUISE软件对整车的动力性和经济性进行了建模和仿真。仿真结果表明,汽车动力系统的参数选型和匹配以及控制策略的设计都是合理的。使用蚁群算法对控制策略关键参数进行了优化,优化后燃油经济性提高了9.74%。     

基于多参数逻辑门限值控制与瞬时优化控制的自适应控制研究

文章提出一种应用于12米城市客车的基于多参数逻辑门限值控制与瞬时优化控制相结合的自适应控制策略。与基于优化算法的动态控制策略相比,较大程度上减少计算量,更易于工程实现;与传统逻辑门限值控制策略相比,计算量有一定增加,但是具有较高的燃油经济性。     

基于等效因子优化的插电式混合动力客车自适应能量管理策略

针对插电式混合动力客车,提出基于等效因子优化的实时能量管理策略。首先,设计了一种等效因子快速计算方法,先根据车辆的动力参数确定等效因子的取值范围,再应用射击算法快速计算等效因子。随后,提出了一种基于电池荷电状态(SOC)线性下降的自适应等效燃油消耗控制策略,利用车辆全球定位系统提供的车辆位置信息,通过在线更新等效因子,实现对参考SOC的实时跟踪。最后,与基于规则的控制策略和标准的ECMS控制策略进行仿真对比,结果表明:无论是在燃油经济性上还是在SOC控制的鲁棒性上,基于等效因子优化的策略都具有最好的控制效果。     

遗传蚁群算法在公路隧道照明设计中的应用

针对隧道照明系统的高能耗问题,为有效降低其能耗,建立隧道中间段中线侧偏布灯方式的参数优化模型。以隧道中间段照明为研究对象,照明灯具的总功率最小为评价标准,以路面照度、亮度满足交通安全要求为约束条件,分别采用遗传蚁群算法、标准遗传算法以及照明设计软件DIALux得出该优化模型的最优参数设计方案。结果表明:遗传蚁群算法在隧道照明设计方面具有更显著的节能效果,是一种研究隧道照明设计问题的有效方法。     

基于参数扫描算法的HEV多能源控制策略优化研究

为了改善某并联式混合动力SUV汽车的燃油经济性与动力性,运用ADVISOR2002中基于Matlab的多层次参数扫描算法,以燃油经济性为优化目标,以动力性为约束条件,对该车型的多能源控制策略进行优化。最后对控制策略优化前后的SUV性能进行仿真。结果表明,优化后燃油经济性在多种路况下都得到了不同程度提高。     

Parameters Optimization for HEV Based on Simulated Annealing Particle Swarm Algorithm

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.     

计及行驶工况影响的混合动力汽车控制策略

为减小行驶工况波动对汽车性能的影响,引入行驶工况比例系数。应用遗传优化算法,以汽车燃油经济性和排放性为优化目标,在不同比例系数的行驶工况下对控制策略参数进行优化,分析并总结了行驶工况比例系数与控制策略参数之间的关系。通过采用模糊神经网络对行驶工况的比例系数进行识别,建立了一个计及行驶工况影响的混合动力汽车智能控制策略。实车验证结果表明,所建立的控制策略减小了行驶工况波动对电动汽车性能的影响,使其在不同的行驶工况下都具有较好的燃油经济性和排放性。     

基于燃油经济性的汽车动力传动系匹配优化

传统的汽车传动系匹配研究方法,都是以汽车的动力性或经济性指标为优化目标的单目标优化。为了实现真正意义上的多目标优化,文章利用modeFRONTIER软件和遗传算法的组合优化策略,结合某5挡手动变速车传动系匹配,进行了基于燃油经济性的传动系参数优化设计,达到了降低汽车燃油消耗的效果,为汽车开发设计中传动系匹配优化提供了参考。     

基于烟花算法的PHEV能量管理策略参数优化

为改善插电式混合动力汽车(PHEV)的燃油经济性,提出一种基于规则的能量管理策略。结合智能网联汽车技术,利用烟花算法(FWA)结合系统约束条件,对能量管理策略参数进行优化,以求使车辆在变化的路况下能耗最低。为减轻沉重运算负荷,设计了一种事件触发机制来控制优化操作的启停。当车辆油耗超过预设上限则开始优化,一旦油耗满足预设下限则优化结束。在中国典型城市工况下,验证了该策略的有效性及优化性能。结果显示:较优化前的能量管理策略,该方案可使PHEV燃料消耗降低10%。从而,使燃油经济性明显提升。     

基于遗传算法的无凸轮发动机配气相位联合仿真优化

应用Matlab软件编制了遗传算法智能优化程序,结合发动机工作过程一维数值模拟技术,在满负荷工况以动力性为优化目标,部分负荷工况以经济性为优化目标,对应用电磁驱动气门的发动机配气相位进行了联合仿真优化.初步探讨了在中低转速工况发动机单/双进气门工作模式的转换条件.计算结果表明,利用联合仿真优化方法可以有效实现发动机配气...     

PHEV发动机驱动工况效率耦合分析与优化控制

单轴并联式混合动力系统（Parallel Hybrid Electric Vehicle，PHEV）包括电池、驱动电机、发动机、自动变速器等多个关键部件。各部件效率特性存在相互耦合的关系，要实现系统整体效率最优，需要辨明影响系统效率的控制参数，并对系统整体效率最优的控制参数进行优化。以装备无级变速器（Continuously Variable Transmission，CVT）的PHEV为研究对象，首先对系统各关键部件的效率特性进行分析，建立各关键部件效率模型，明确各部件效率与控制参数、状态参数之间的关系。在此基础上，对发动机单独驱动模式下动力传递路径中不同部件的效率耦合关系进行分析，推导出系统燃油消耗量与动力系统各状态参数、控制参数之间的函数关系。根据分析结果，选取车辆需求功率及车速为状态参数，变速器速比及发动机转矩为控制参数，以系统燃油消耗量最小为目标建立优化目标函数和约束条件，对系统优化问题进行定义。根据优化问题的特点，设计基于模拟退火的优化算法对优化问题进行求解，获取系统燃油消耗率最小时变速器目标速比和发动机目标转矩随状态参数的变化关系。建立系统仿真模型对所述优化算法进行仿真分析，并搭建混合动力试验台对优化结果进行试验验证。结果表明：无级变速器效率对系统整体效率影响较大，采用优化控制规律使发动机效率有所降低，但无级变速器效率升高更大，系统整体效率升高；在功率需求一定的循环工况下，优化控制算法比传统上仅以发动机效率最高为目标的控制算法节油1%~2%。     

燃料电池发动机空气参数的最优控制

研究了燃料电池测试平台空气系统的控制算法,目的是获得最佳的空气温度和湿度控制,使得系统调整时间最短。建立了燃料电池空气子系统的温度控制模型和湿度控制模型,给出了控制算法,并将本研究的最优控制算法应用于燃料电池发动机系统;计算结果表明,该算法实现了系统的最优控制。     

基于改进蚁群算法的运输调度规划

在运输调度等组合优化问题的最优路线的搜索中,传统蚁群算法ACA(Ant Colony Algorithm)存在搜索时间长、收敛速度慢、易陷于局部最优解等缺点。为了克服这些缺点提出了一种改进的蚁群算法,该算法将遗传算法和蚁群算法结合起来,在蚁群算法的每一次迭代过程中,首先采用自适应策略控制它的收敛速度,然后使用变异操作来确定解值,从而提高它的搜索性能。再结合建立的运输调度性能指标,利用遗传算法、蚁群算法和改进蚁群算法3种方法分别进行运输规划,通过比较其时间花费和运输费用,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,提高了算法性能。     

基于改进粒子群优化算法的多目标自适应巡航控制

跟驰过程中,在保证安全性的前提下为了提升自适应巡航控制(ACC)系统的舒适性和燃油经济性,研究了多目标自适应巡航控制算法。在建立车间纵向运动学模型的基础上,根据模型预测控制理论,设计综合考虑安全性、舒适性、燃油经济性以及车辆自身限制等因素的目标函数和约束条件,并引入松弛因子向量软化硬约束边界解决无可行解问题。进一步在滚动优化环节中,引入具有求解多约束问题能力的改进粒子群优化算法进行求解。通过数值仿真对比分析,结果表明,基于改进粒子群优化算法的多目标自适应巡航控制算法能有效提高燃油经济性和行车舒适性。结合CarSim搭建模型进行联合仿真,验证算法有效。     

考虑发动机起停优化的PHEV能量管理策略

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。     

重度混合动力汽车燃油经济性和排放多目标优化

考虑重度混合动力汽车运行模式切换时发动机频繁起停对油耗的影响,建立了整车动态仿真模型和综合考虑燃油消耗和排放的多目标优化模型,采用简化控制变量的动态规划算法并结合自动变速器经济性换挡规律,在NEDC工况下对多目标优化模型进行仿真.结果表明,发动机的频繁起停对整车燃油消耗有显著影响,采用动态规划算法可全局优化整车燃油经济...     

基于响应面和遗传算法的柴油机瞬态过程喷油参数优化

基于台架试验数据,利用响应面法建立了某工程机械用柴油机瞬态过程喷油参数与性能的近似高精度模型,基于此模型采用遗传算法对瞬态过程喷油参数分别进行离线优化研究。结果表明:采用单目标优化确定的燃油消耗率(BSFC)、NO_x比排放量和颗粒质量(PM)比排放量的优化极限分别可达180.23g/(kW·h),8.92g/(kW·h)和0.011 8g/(kW·h),相对原机可降低多达4.5%,34.0%和37.3%。双目标优化的Pareto解集表明,相比于同时优化BSFC和NO_x比排放量,BSFC和PM比排放量更容易同时得到优化。采用权重因子适应度函数的三目标优化结果对应的BSFC,NO_x比排放量及PM比排放量分别为184.70g/(kW·h),12.62g/(kW·h)和0.012 2g/(kW·h),较原机分别降低2.1%,6.6%和35.3%。改进优化模型后,性能优化Pareto解集对应的BSFC和PM比排放量水平都非常接近其优化极限,但NO_x比排放量相对其优化极限仍然较高。