考虑电堆寿命的氢燃料电池汽车能量管理策略研究

提出了一种在满足动力性需求并且以氢燃料电池堆作为主要能源的前提下，能有效延长电堆使用寿命的能量管理策略。提出将需求功率 SG滤波后再进行规则控制的能量管理策略，将多种循环工况的结果进行手动优化后作为训练数据集，设计三输入一输出的自适应神经模糊推理系统控制器，根据其输出结果再进行一次滤波最终形成基于自适应神经模糊推理系统优化的能量管理策略。使用CLTC-P循环工况对能量管理策略进行仿真验证，结果表明，基于自适应神经模糊推理系统优化的能量管理策略能有效延长氢燃料电池剩余使用寿命，相比滤波加规则策略剩余使用寿命增加了33%，并能保持动力电池SOC处于适宜水平。     

插电式混合动力汽车变参数能量管理策略

为进一步提高新型插电式混合动力汽车(PHEV)的整车经济性,考虑到影响整车经济性的2个主要因素——行驶工况和行驶里程,提出了变参数能量管理策略。为减小车辆行驶工况的影响,应用模糊欧几里德贴近度方法,建立了基于典型循环工况的车辆行驶工况识别控制策略;为减小车辆行驶里程的影响,应用模糊识别的方法,建立了以车辆行驶里程和车辆启动时的动力电池荷电状态(SOC)为输入,行驶里程模式为输出的车辆里程模式识别控制策略;最后对整车能量管理策略进行了仿真分析。结果表明:在同等行驶里程的新欧洲行驶循环(NEDC)工况下,与定参数能量管理策略相比,变参数能量管理策略可以降低整车等效百公里油耗5%以上,从而提高了PHEV的整车经济性。     

基于增益功率燃油系数的HEV能量管理策略

为了优化等效燃油最小能量管理策略的节油效果，以适用于工程批量应用为导向，制定基于增益功率燃油系数的混合动力汽车(HEV)能量管理策略。基于瞬时优化原理，提出基于增益功率燃油系数的工作模式决策机制，根据电机发电或电动引起的发动机功率与燃油消耗率的变化关系，分别给出电机充电和放电模式下增益功率燃油系数的计算方法。考虑发动机扭矩瞬态快速变化对油耗的影响和电机及电池包充放电效率特性，提出发动机高效区域扭矩滞回控制方法，建立基于增益功率燃油系数的能量管理策略算法架构。基于MATLAB/Simulink搭建控制策略软件模型，通过转鼓试验台进行实车试验验证。研究结果表明：相对于等效燃油最小能量管理策略，基于增益功率燃油系数的能量管理策略提升了节油率和舒适性，在全球轻型汽车测试循环(WLTC)工况下的百公里油耗降低了约4.8%，发动机的启停次数降低了约53%；相对于有效燃油消耗率(BSFC)最优工作点控制方法，发动机高效区域滞回控制方法降低百公里油耗约1.8%；与采用基于动态规划的全局优化能量管理策略的仿真结果对比，在不能提前预知工况的条件下，制定的能量管理策略在WLTC工况与新标欧洲测试循环(NEDC)工况下的油耗与理论最优值差距均较小。     

纯电动汽车复合储能系统能量管理策略

针对纯电动汽车单电池系统功率密度低、大电流充放电能力差等问题,设计了锂电池-飞轮电池复合储能系统,提出了基于工况识别的自适应小波变换-模糊控制能量管理策略,将需求功率分解成低频成分和高频成分,并分别将其分配给锂电池和飞轮电池。最后,将所提策略与逻辑门限能量管理策略进行比较分析。结果表明：所提出的自适应小波变换-模糊控制能量管理策略可以有效减缓锂电池受到的峰值电流冲击,延长其使用寿命,增强纯电动汽 车的整体性能。     

基于多模糊控制的电电混合汽车能量管理策略

针对目前锂电池-超级电容复合能源电动汽车在单一模糊控制策略上的不足,提出并设计了多模糊联合控制的能量管理策略。结合实验台架实际参数,在MATLAB环境下搭建整车模型,通过ECE和UDDS工况对模糊方波调节控制策略、功率分配因子模糊控制策略和改进的基于模糊方波调节的联合控制策略对比分析,最后选择效果最优的基于模糊方波调节的联合控制策略嵌入实验台架进行验证。实验结果表明,本文中提出的控制策略在两种测试工况下均可实现锂电池在不同SOC下充放电电流平滑控制在1C以内,有利于锂电池组安全运行并有效降低整车行驶成本。     

基于行驶工况分类的混合动力车辆速度预测方法与能量管理策略

为有效地改善双模式混合动力车辆的性能,设计了基于预测控制的能量管理策略,通过实时优化进行功率在线分配,提出了未来车速预测方法。通过K均值聚类算法将工况分为平稳工况与快变工况两类,实时判断车辆当前所处工况类别,并在平稳工况下,基于马尔科夫链预测车速,在快变工况下,基于径向基神经网络预测车速,以获得最优的预测精度。仿真结果的对比验证了所提出的车速预测方法的准确性和能量管理策略的有效性。     

基于强化学习的多燃烧模式混合动力能量管理策略

针对采用HCCI/SI多燃烧模式的功率分流型混合动力汽车,提出了一种基于深度强化学习(DRL)的能量管理策略。基于发动机台架试验和电机有限元分析建立了混合动力汽车模型。将整车作为环境,采用排序优先经验回放算法,训练基于深度Q网络(DQN)的能量管理智能体。在WLTC和NEDC工况下,与规则策略、自适应等效燃油消耗最小策略(A-ECMS)和动态规划结果进行对比,仿真结果表明:基于DRL的能量管理策略能在维持SOC的前提下,避免燃烧模式频繁切换,并且充分利用中小负荷HCCI燃烧,燃烧模式切换频率降低13%以上,燃油经济性提升6%以上。     

基于交通信息的复合电源系统控制策略优化

为考虑未来行驶车速和道路坡度对整车需求功率的影响,本文中基于交通信息融合对现有复合电源能量管理策略进行优化。首先采用MATLAB/Simulink搭建复合电源仿真模型,而基于交通拥堵情况和行驶车速类型提出了未来短时间车速变化趋势判定方法;接着结合道路坡度和车速变化趋势,设计了可基于交通信息自动修正超级电容输出功率的模糊控制器。最后,在能获取交通信息的前提下,采用该模糊控制器,对基于自适应小波变换-模糊控制的能量管理策略进行优化。结果表明,基于交通信息优化后的控制策略可进一步发挥复合电源的优势,使复合电源的能量消耗减少约2.3%,电池循环寿命提高约2.96%。     

增程式电动车自适应工况辨识策略研究

为提高增程式电动车的自适应能量管理策略中工况辨识的准确性,通过分析样本特征参数与庞特里亚金极小值原理最优协态变量的相关性,选择有效特征参数,经过主成分分析后,建立样本数据库.对车辆进行在线工况辨识,将辨识的最优协态变量经过电池SOC修正后作为车辆当前协态变量,实现对车辆能量管理策略的自适应优化.结果表明,相比当前工况辨识策略,所设计的自适应PMP能量管理策略可使油耗降低、SOC变化更加稳定、动力电池寿命延长.     

基于多参数自适应优化的智能车轨迹跟踪

为了在不同工况中，同时兼顾轨迹跟踪算法的跟踪精度，计算速度与车辆稳定性，提出基于不同车速和路面附着系数的参数自适应MPC算法。在线性时变MPC的基础上增加车辆稳定性控制，并基于路面附着系数设计2种控制策略：在高附着系数路面，针对不同车速优化预测时域与控制时域；在低附着系数路面，开启车辆稳定性控制并基于改进粒子群算法优化权重参数。2种策略在保证跟踪精度与车辆稳定性的基础上提高计算速度。设计基于前馈神经网络的路面识别算法从而为多参数自适应轨迹跟踪算法识别所在道路的路面附着系数，利用CarSim-Simulink平台进行联合仿真。研究结果表明：路面识别算法的平均绝对百分比误差为12.77%,足够满足多参数自适应轨迹跟踪算法的需求；相较于传统线性时变MPC跟踪算法，低速工况下参数自适应轨迹跟踪算法在高附着系数和低附着系数的路面上，横向平均绝对误差分别降低了20.7%和24.6%;高速工况下横向平均绝对误差分别降低了66.2%和50.7%;综合所有试验，算法的计算时间减少了40.2%;在保障车辆稳定性的同时降低算法的计算时间。研究成果针对不同车速与附着系数对轨迹跟踪算法参数进行优化，利用自适应预...     

某纯电动扫洗车能耗分析及能量管理策略研究

分析纯电动扫洗车的能耗机理,研究能量管理策略(EMS)以提升整车能耗经济性、优化作业效能。采集某纯电动扫洗车典型工况数据,统计分析各车载部件能耗特性,建立作业电机功率需求模型;根据驾驶员操作逻辑,提出基于规则的EMS;建立了纯电动扫洗车多目标优化方法,获得了规则策略中逻辑门限值的优化解,提出了基于改进规则的EMS;从清扫效果和整车能耗等角度评价了基于规则EMS和基于改进规则EMS的性能。结果表明,该纯电动扫洗车主要耗电设备为作业电机和驱动电机,二者占总能耗的89%;相对于基于规则的EMS,改进的EMS能够完成清扫任务并使整车电耗降低11.52%,作业时间缩短10.47%。     

基于实际道路工况的混合动力客车能量管理策略多目标优化

为解决以标准工况为基础优化的混合动力客车(HEB)能量管理策略在实际道路工况下燃油经济性、排放性能未能充分发挥的问题,采集某市S122路公交车的实际行驶数据,通过主成分分析与模糊聚类相结合的工况构建法解析该公交线路的代表性典型工况,并在该工况下,采用多目标粒子群优化算法对整车控制参数进行优化,对优化后的能量管理策略进行驾驶员在环半实物仿真验证,结果表明,优化后整车燃油消耗量下降8.19%,综合污染物排放量下降8.63%。     

功率分流混合动力全速域工作模式切换规则优化

针对某功率分流混合动力汽车，探讨了既定模式转矩分配策略未知情况下全速域工作模式切换规则的优化问题。先在既定模式转矩分配策略未知的前提下，将等效燃油消耗与样本数字特征相结合，计算了不同荷电状态（SOC）值下各工作模式在所有可行工作点的基准综合燃油消耗率。以整车燃油经济性为优化目标，确定不同SOC值下所有可行工作点的最佳工作模式，进而得出基于车速、车轮端需求转矩、SOC值的优化后全速域工作模式切换规则，以满足不同工况下的工作模式选择需求。之后，不考虑模式切换过程对整车驾驶平顺性的影响，搭建了模式切换实施模型。再以4个新欧洲驾驶循环（NEDC）工况所构成的组合工况为目标行驶工况，将优化后全速域工作模式切换规则和传统基于逻辑门限的全速域工作模式切换规则分别应用于基于规则的能量管理策略，进行了整车燃油经济性仿真与台架试验验证。仿真结果表明：在不改变既定模式转矩分配策略的条件下，与基于逻辑门限的全速域工作模式切换规则情况相比，所提出的既定模式转矩分配策略未知情况下全速域工作模式切换规则优化方法至少可使整车燃油经济性提高7.33%。台架试验结果进一步表明，该优化方法至少可使整车燃油经济性提高6.17%。由此可见，所提出的既定模式转矩分配策略未知情况下全速域工作模式切换规则优化方法对整车燃油经济性具有较好的改善效果。     

混合动力电动汽车关键技术

混合动力电动汽车（HEV）的核心是混合动力驱动系统，HEV系统具有高度的复杂性，混合动力系统设计的关键是系统结构的选择，整车能量管理策略的开发和系统参数的确定。功率分别是系统能量管理策略研究的关键，随着研究的深入，自适应控制，模糊逻辑控制，神经元网络控制等方法也得到了有效的运用。文中对子系统的关键技术及整车试验方法一评价体系的建立等方面进行了讨论。     

基于余热利用的燃料电池汽车能量管理策略*

针对锂离子电容器高能量密度和高功率密度的特点,提出一种燃料电池-锂离子电容器新型动力系统构型,设计了基于庞特里亚金极小值原理(PMP)的能量管理策略。考虑锂离子电容器荷电状态(SOC)、燃料电池功率变化率和燃料电池余热利用对各能量源输出性能的影响,建立相应的能量管理策略,并综合分析了不同策略对整车经济性的影响。仿真结果表明:限制SOC和功率变化可在一定程度上提升燃料电池和锂离子电容器的耐久性;考虑燃料电池余热的能量管理策略可以有效降低氢气消耗量,改善整车的经济性。     

基于典型工况的混动汽车能量流测评与优化

基于典型循环工况,开展了混动汽车能量流测评与分析,研究了针对实际道路运行工况降低能耗的优化方法。首先,对比了循环工况下的整车能量流各效率特征参数;其次,按照不同的运行工况分段区间,得到了WLTC循环工况下发动机、发电机、驱动电机的输入输出功率和运行模式特征;最后,提出了基于工况特征参数挑选代表实际道路运行的典型循环工况实现能耗优化的方法。结果表明：发动机循环综合热效率最高达到了36.79%,市区循环的制动能量回收效率达到了87.04%;高速工况下整车综合效率29.72%,是车辆最节能的工况;针对代表实际道路运行的WLTC-LM典型循环工况进行了全局优化,基于仿真验证,整车百公里能耗降低了3.98%。     

插电式混合动力轿车的能量管理策略与仿真

针对一款新设计的基于金属带式无级自动变速器(CVT)的插电式混合动力轿车(PHEV)的特点,依照整车不同电量状态和功率需求,提出了一种多阶段多目标的能量管理策略。控制电机输出扭矩,以调整发动机工作点;控制CVT比,以优化电机工作点。在Matlab/Simulink平台下,用前向仿真方法,搭建整车模型;在新欧洲行驶循环(NEDC)工况下,进行仿真。结果表明:在不同工况下,该能量管理策略,满足了整车的控制需求,合理地分配了电机扭矩和发动机扭矩;等效油耗为4.26 L/(100km),比常规汽油车节能46.1%。因而,验证了该能量管理策略的有效性。     

基于动态规划与神经网络的增程式电动汽车能量管理策略研究

设计了一种具有实时控制能力的增程式电动汽车混合型能量管理策略。首先建立了面向能量管理策略优化的增程式电动汽车整车模型。根据能量管理策略特点,将优化目标设置为增程器系统燃油消耗及动力电池当前SOC值与目标值之间差值的总和。再采用动态规划算法求解增程式电动汽车在给定行驶工况下的能量管理优化问题,从而获得了增程器开启时刻与输出功率优化结果。但由于动态规划算法需要已知详细的工况信息,很难应用于实车实时控制,而且从动态规划优化结果中不易提取控制规则,因此利用BP神经网络算法对优化结果进行离线训练,建立了增程器输出功率与车辆行驶状态参数间的非线性映射关系,得到了具有实时控制能力的神经网络控制模型。在采用BP神经网络训练时,根据车辆各个状态参数在CAN总线中的传输精度,对神经网络输入层、输出层参数的精度进行了修正。仿真结果表明:神经网络模型能够获得类似动态规划的最优控制效果,能够控制动力电池SOC在目标值的3%误差带以内。采用NEDC工况对混合型能量管理策略进行了硬件在环仿真试验,试验结果表明:与实车采用的电能消耗-电能维持型控制策略相比,所提出的混合型能量管理策略使汽车的燃油经济性提高了9.5%。     

自适应坡度的复合电源物流车能量管理研究

为提高复合电源纯电动物流车的能量利用率，结合道路坡度对现有的复合电源能量管理策略进行了优化。首先，设计可基于不同道路坡度系数自动调整超级电容输出功率的模糊控制器；然后，采用粒子群优化算法对模糊控制器进行优化；最后，利用MATLAB/Simulink在CYC＿UDDS城市道路工况下设定不同的坡度进行仿真验证。仿真结果表明，所提出的控制策略在固定上坡、固定下坡和实际城市道路坡度下分别可减少3.47%、28.91%和3.94%的能量消耗，更好地发挥超级电容的优势。     

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。