基于线性规划的混合动力汽车智能充电策略

以油电混合动力汽车整车控制策略为基础,提出一种基于线性规划的智能充电能量分配策略,改善了混合动力汽车燃油经济性。该策略在维持高压电池SOC平衡的前提下,根据整车需求功率,发动机和中混电机转速,结合各动力总成部件能量传递的效率,以系统等效燃油消耗最小为原则进行扭矩分配优化。通过仿真结果表明,该策略比普通瞬时优化策略提高了整车燃油经济性。     

基于ECMS和Radau伪谱拼接法的多模式HEV能量管理策略优化

为解决现有能量管理策略在评估多模式混合动力汽车燃油经济性时易出现模式切换、发动机起停和离合器分离与接合过于频繁的问题,针对串并联式PHEV混合动力系统,通过等效燃油消耗最小策略(ECMS)确定全球统一轻型车辆测试循环(WLTC)工况下的模式切换序列,并基于该结果,应用Radau伪谱拼接法(RPKM)求解最优模式切换时刻...     

复合功率分流混合动力汽车能量管理策略研究

基于庞氏最小值原理,并以等效瞬时燃油消耗量最小为目标为某复合功率分流混合动力汽车制定了能量管理策略。利用MATLAB仿真平台,建立了混合动力系统能量管理策略的模型进行仿真。结果表明,与现有逻辑门限控制策略相比,采用等效瞬时燃油消耗量最小化的控制策略能显著提高燃油经济性。基于仿真结果,将控制策略集成到整车控制器中进行NEDC工况下的实车转鼓试验。结果显示,采用的控制策略使实车当量油耗降低了12.31%。     

增程式电动客车能量管理策略优化的研究

本文中对增程式电动汽车进行了能量管理策略研究。在循环工况已知的前提下,分别研究动态规划控制策略和瞬时等效燃油消耗最小策略,得到两者的行驶成本并与采用基于规则的恒温器式管理策略时的行驶成本进行比较。结果表明,动态规划控制策略和瞬时等效燃油消耗最小策略的行驶成本都比采用基于规则的策略时低。虽然动态规划策略行驶成本比瞬时等效燃油消耗最小策略更低,但因实际行驶过程中工况会有变化,很难达到最优。而ECMS控制策略可实现在线应用,兼顾了燃油经济性和实用性,比较适合作为一种可行的增程式电动客车的能量管理策略。     

燃料电池混合动力客车等效氢耗优化策略

为了改进燃料电池混合动力客车的燃油经济性,基于等效氢耗理论,对燃料电池混合动力系统能量管理算法进行了优化.首先建立了系统瞬时氢耗模型,在该模型中,系统瞬时氢耗分为燃料电池瞬时氢耗和蓄电池等效瞬时氢耗2个部分;而后采用最小二乘算法辨识了蓄电池模型待定系数,求解了系统瞬时氢耗最小化问题,探讨了瞬时优化问题的本质;最后以解析解为基础建立了能量管理优化算法,并在中国城市公交典型工况中进行实车试验.结果表明:该工况下所研究的燃料电池城市客车百公里氢耗为9.3 kg,比采用基于规则的能量管理算法降低2.1%;通过提高燃料电池系统效率、降低整车辅助功率和采用制动能量回收策略可进一步提高系统经济性.     

基于实时路况信息的插电式混合动力汽车预测性能量管理算法研究

为提高插电式混合动力汽车的燃油经济性,对基于实时路况信息的预测性能量管理算法展开研究。根据实时路况信息采用能耗分配法规划全局SOC参考轨迹,利用自适应等效燃油消耗最小策略(A-ECMS)跟随目标SOC轨迹实现能量管理。以上海市某行驶工况数据进行仿真,结果表明:全局SOC参考轨迹可在低、高速区间合理分配电量,真实SOC轨迹与参考轨迹变化趋势一致,燃油经济性较电量消耗-电量维持(CD-CS)策略提高7.65%,接近动态规划(DP)算法的全局最优解。     

混合动力轻型客车动力系统建模与性能仿真

建立了混合动力轻型客车样车的动力系统数学模型,基于这些数学模型及整车模糊逻辑能量管理控制策略,在MATLAB软件环境中建立了混合动力样车的整车仿真模型,仿真计算了样车在NEDC循环行驶工况下的燃油经济性,并利用MATLAB软件编程计算了其动力性.研究结果表明,该混合动力轻型客车的整车动力性符合初始设计目标,燃油经济性较...     

液压混合动力公交车动力性能仿真与试验研究

将EQ6110公交车改造为并联式液压混合动力公交车,基础车的动力系统不作改变,建立了液压混合动力公交车模型,对液压系统独立工作时的驱动和制动性能进行了仿真及实车试验,为系统的参数匹配提供依据.采用简化公交循环工况的实车试验表明,动力性能满足起步和制动要求,燃油经济性改善达25%以上;另外,仿真结果也表明,动力性能可以满足国家典型公交行驶循环下的起步和制动性要求,制动再生效率达70%,燃油经济性改善达30%.     

基于深度学习的混合动力汽车预测能量管理

为了优化混合动力汽车的能量动态分配过程，提升混合动力汽车的燃油经济性和动力电池荷电状态（SOC）平衡性，提高混合动力汽车能量管理策略的鲁棒性，以等效燃油消耗最小化策略为基础，结合对车辆未来行驶工况的预测研究，分析车辆未来行驶需求能量的变化，制定相应的动态调整策略。基于车联网通信技术，实时采集车辆的运行状态信息和交通信息，作为车辆未来工况预测模型的输入变量。以数据驱动为特征，基于混合深度学习建立工况预测模型。利用STL分解算法对各输入变量进行周期性、趋势性等特征分解，并对各输入变量的特征分量，使用混合深度学习网络从数据局部特征及时间维度依赖特征来深度挖掘目标车辆车速与外部信息及历史数据的关系，进而对车辆未来的行驶工况进行预测。利用预测的工况信息，分析车辆未来行驶需求能量的变化，应用于自适应等效消耗最小化策略等效因子的实时动态调整，从而实现对车辆的优化控制，并通过与传统自适应等效消耗最小化策略进行对比，验证该方法的有效性。研究结果表明：基于混合深度学习的工况预测模型预测精度比BP网络预测模型高44.72%；利用精确的预测工况信息预测能量管理，可以实时动态调整发动机和电机的功率输出，降低油耗并维持电池SOC平衡。     

并联混合动力汽车ECMS的时变等效因子提取算法的研究

为解决当前等效燃油消耗最小控制策略(ECMS)未能根据实际工况选取最优等效因子的问题,利用动态规划算法(DP)和ECMS各自的优点,构建并联混合动力汽车能量算法模型,即采用动态规划算法的等效燃油消耗最小控制策略(ECMSwDP),将等效因子作为全局最优算法的控制变量,通过对等效因子的离散全局优化,获得基于工况的最佳时变等效因子。在标准工况下对时变等效因子实时控制策略与全局最优控制策略DP的各项性能参数进行了数值仿真,验证了时变等效因子提取算法的有效性和等效因子初始值选取方法的可行性。