基于遗传算法系统效率优化的PHEV电量保持模式控制策略

为了提高插电式混合动力汽车（PHEV）在电量保持下的燃油经济性,并解决插电式混合动力汽车在运行过程中动力元件效率对系统能量利用率影响的问题,制定了系统效率最优的控制策略。以PHEV关键动力部件的测试数据为基础,建立发动机、驱动电机、无级变速器（CVT）以及动力电池等关键部件的效率数值模型,并考虑了温度及荷电状态（SOC）对动力电池充放电功率的影响。设计以混合动力系统效率最优为适应度评价函数,将CVT速比、发动机转矩作为优化变量,以车速、加速度和SOC为状态变量,在动力性指标的约束下,运用遗传算法进行迭代寻优,PHEV的系统效率在第20代左右收敛于全局最优值。同时发动机转矩和CVT速比通过多代遗传进化,较快收敛于最佳值。将相关优化结果与车速、加速度拟合成相应的三维控制数表,综合数值建模和试验测试数据建模的方法,基于MATLAB/Simulink搭建插电式混合动力汽车整车控制策略仿真模型,采用新欧洲行驶循环工况进行仿真验证。结果表明：插电式混合动力汽车在电量保持模式下,利用遗传算法优化的系统效率最优控制策略相比优化前,动力电池SOC运行更为平稳,CVT效率有所提升,驱动电机及发动机转矩分配更为合理;百公里燃油消耗量从优化前的5.2 L降至4.5 L,燃油经济性提升了13.5%。     

基于模型预测控制的混联式混合动力车辆能量管理策略

针对混联式混合动力车辆实时最优控制的要求,研究制定了基于模型预测控制的能量管理策略。该策略采用2层控制器,上层控制器基于模型预测控制计算出发动机最优转速转矩,下层控制器基于规则控制分配功率需求于各部件,以保持SOC(State of Charge,荷电状态)和提高燃油经济性为目标,对发动机和电池之间功率分配进行实时在线能量管理。仿真结果表明,基于模型预测控制的能量管理策略控制效果良好,相比规则控制显著提高了燃油经济性。     

并联混合动力汽车功率分配最优控制及其动态规划性能指标的研究

研究了并联混合动力汽车功率分配的最优控制方法,应用动态规划方法求解功率分配的最优解,并着重分析了其性能指标。该指标融入了电池(电机)功率和整车需求功率,同时建立了燃油消耗和荷电状态变化量之间的物理关系。仿真结果表明,动态规划方法可以大幅度提高混合动力汽车的燃油经济性,并且功率损失型性能指标的效果更加显著。     

插电式混合动力汽车能耗优化控制策略的研究EI北大核心CSCD

基于插电式混合动力汽车(PHEV)可以通过外网充电的特性,选取发动机消耗燃油的成本与电机消耗电能的成本之和作为优化目标函数,采用庞特里亚金极小值原理进行优化仿真;研究了PHEV不同工作模式(电量消耗-电量维持模式和混合模式)对能耗经济性的影响;分析了行驶里程、电池荷电状态(SOC)初始值和能量价格比对能量分配控制策略的影响;最终制定了实时优化控制策略并与门限值控制策略进行对比仿真,结果表明,与门限值控制策略相比,采用制定的实时优化控制策略能耗经济性在不同的SOC初始值下都有大幅度的提高。     

插电式混合动力汽车能耗优化控制策略的研究

基于插电式混合动力汽车(PHEV)可以通过外网充电的特性,选取发动机消耗燃油的成本与电机消耗电能的成本之和作为优化目标函数,采用庞特里亚金极小值原理进行优化仿真;研究了PHEV不同工作模式(电量消耗-电量维持模式和混合模式)对能耗经济性的影响;分析了行驶里程、电池荷电状态(SOC)初始值和能量价格比对能量分配控制策略的影响;最终制定了实时优化控制策略并与门限值控制策略进行对比仿真,结果表明,与门限值控制策略相比,采用制定的实时优化控制策略能耗经济性在不同的SOC初始值下都有大幅度的提高。     

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。     

插电式混合动力汽车等效燃油消耗最小能量管理策略研究

对某插电式混合动力汽车电量保持(CS)阶段的能量管理策略进行了设计和优化研究。首先基于等效燃油消耗最小策略(ECMS)设计了汽车的能量管理策略,然后针对传统遗传算法(SGA)在运行过程中存在的收敛速度慢、种群进化动力不足问题进行了算法改进,并使用改进的遗传算法(IGA)优化燃油等效因子。硬件在环仿真试验结果表明:在电量保持阶段电池荷电状态允许的偏差内,该方法可以获得更高的燃油经济性。     

基于动态规划与RBF神经网络的PHEV能量管理策略

为提高插电式混合动力汽车燃油经济性,设计了一种基于动态规划和径向基函数（RBF）神经网络的插电式混合动力汽车能量管理策略。首先,建立了插电式混合汽车数学模型;其次,以发动机油耗最小为目标函数,采用动态规划求解全局最优的离线优化结果;最后,采用RBF神经网络对离线最优控制结果进行学习,建立了发动机输出转矩与车辆状态参数之间的非线性映射关系,得到了基于动态规划和RBF神经网络的能量管理策略。仿真结果表明,文章所提策略油耗较之于电量消耗-维持策略降低了2.92%,验证了该策略的有效性。     

基于动态规划的插电式混合动力汽车全局最优控制策略研究

针对某款插电式混合动力汽车,基于动态规划(DP)算法建立了汽车全局最优控制策略。通过将每一时刻SOC初始取值范围均选定为0.6~0.8,对DP程序通用性和计算效率进行了改进。选择能够代表各种道路类型的11种标准工况以及UDDS工况进行仿真验证,结果表明,所编写DP程序通用性良好,汽车在全局最优控制策略下燃油经济性相对于传统电机助力控制策略有明显的提升。     

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。