基于模糊逻辑控制策略的混合动力汽车仿真研究

以燃油经济性和排放性能为主要控制目标,提出一种基于模糊逻辑的能量分配控制策略,应用ADVISOR仿真软件,对制定的控制策略在不同的道路循环工况下进行仿真。仿真结果表明,所设计的模糊逻辑控制策略能够合理分配发动机和电机的转矩,可使发动机工作在效率较高、排放较低的中等负荷区,整车的燃油经济性较好、排放较低。     

基于驾驶员意图识别的纯电动汽车动力性驱动控制策略

为了解决纯电动汽车动力性和操控性难以同时兼顾的问题,将驾驶员意图分为稳态意图和动态意图,稳态意图用于保证车辆的操控性,动态意图用于保证车辆的动力性,在此基础上提出了一种基于驾驶员意图识别的纯电动汽车动力性驱动控制策略,该策略首先分别采用“典型工作点+分段插值”和模糊推理方法来识别驾驶员的稳态和动态意图;接着采用“动态补偿转矩保持”和“动态补偿转矩归零”等算法计算动态补偿转矩;最后通过“增量式”动态补偿转矩跟踪算法和电机过载管理算法给出最终的转矩指令。仿真与试验结果表明,该策略既可以根据驾驶员稳态意图保证车辆的操控性,也可根据驾驶员动态意图提高车辆的动力性。     

装载机避障轨迹规划及模型预测轨迹跟踪

轮式装载机在工作区域行驶时，避障过程频繁，以往的避障轨迹规划未考虑整车转向半径约束和车速变化，也较少考虑整车在动力学模型条件下的轨迹跟踪性能。针对上述情况，以自动驾驶轮式装载机为对象，基于最优快速随机扩展树算法（RRT^*），考虑车身膨胀圆个数，生成全局最优避障路径，以整车最小稳定转向半径为约束，利用CC-Steer算法对避障路径进行平滑处理，采用路径-速度分解算法规划满足整车在加速、匀速和减速状态下的避障行驶轨迹。基于整车动力学模型，考虑行驶过程中的横向位置偏差和航向角偏差，并将整车动力传动系统视为1阶惯性环节，构建装载机动力学状态空间方程。以加速度和铰接角为控制输入，以车速、横向位置偏差和航向角偏差为控制输出，建立整车动力学预测模型，以加速度、铰接角和车速为约束条件，将目标函数转换为二次规划问题，建立满足装载机在工作区域避障的模型预测轨迹跟踪控制系统。以规划的非匀速行驶避障轨迹为目标，利用构建的模型预测轨迹跟踪系统，进行自动驾驶轮式装载机的轨迹跟踪仿真。研究结果表明：所提方法能够很好地控制自动驾驶轮式装载机从初始位姿驶向目标位姿，实现整车在工作区域的避障过程，且在避障过程中满足整车的约束要求，保证整车在轨迹跟踪过程中的安全稳定性能。     

纯电动轿车AMT换挡过程协调匹配控制方法

为实现装备机械式自动变速器（AMT）的纯电动轿车能够快速、准确、平稳地换挡,以建立的换挡过程数学模型为基础,详细分析了换挡过程不同阶段换挡冲击产生的机理,提出了摘挡前驱动电机切换至自由模式的转矩控制方法,确定了摘挡后驱动电机调速目标值和执行机构最优运动速度,提出了挂挡完成后驱动电机转矩恢复方法。针对换挡过程驱动电机的协调控制问题,提出了整车控制器控制驱动电机参与换挡过程的综合协调匹配控制方法。为了验证控制策略的正确性,研制开发了纯电动轿车用AMT样机,并进行了样车道路试验。试验结果表明：所制定的控制策略能很好地实现挡位的自动平顺切换,且换挡时间短。     

基于模型预测控制的混合动力汽车下坡再生制动策略

为了充分回收汽车下坡再生制动能量,并保证蓄电池循环寿命,在对汽车匀速下坡再生制动全局优化控制策略分析的基础上,提出以再生制动能量回收最大和蓄电池温升变化率最小为双目标的混合动力汽车匀速下坡再生制动模型预测控制策略.对不同坡长、不同坡度的匀速下坡工况进行仿真的结果表明:模型预测控制策略在再生制动能量回收率、蓄电池温升和充电速率方面都获得良好的控制效果,且计算效率高,满足实时控制要求.     

混合动力汽车镍氢电池组温度场研究

对混合动力汽车现有散热方案的电池组进行了温度场监测实验,分析了电池组温度分布和放电始终温度变化,发现电池组在放电前后温度不均匀性有扩大趋势,并且电池组整体温升较大。在此基础上,建立了电池组温度场理论模型,并进行了电池组温度分布仿真,提出了新的电池组散热方案,最后进行了实验验证。     

ISG型中度混合动力AMT汽车换挡综合控制

在对ISG型中度混合动力AMT汽车系统效率进行优化的基础上,提出整车工作模式切换控制策略.以各工作模式下系统效率最高为目标建立ISG型中度混合动力AMT系统的经济性换挡规律.针对不同工作模式的运行特点,分别采用ISG电机或电子节气门参与动力源转速/转矩调节控制以优化AMT换挡品质.采用Matlab/Simulink仿真...     

基于CFD的混合动力车用镍氢电池散热系统研究

通过镍氢电池产热模型、热交换模型、三维CFD模型和边界条件的建立,分析和预测了镍氢电池散热结构的流场状态和温度场,分析了温度场不均匀的影响因素,并通过仿真计算和结构优化,提出了一种性能良好的镍氢电池散热结构方案.     

考虑迟滞特性的卡尔曼滤波和门控循环单元神经网络的锂离子电池SOC联合估计

由于迟滞特性的存在，电池管理系统难以准确获得开路电压（OCV）与荷电状态（SOC）之间的状态关系。为有效地运行和管理动力电池，本文研究了考虑迟滞特性的锂离子电池模型，选用带有遗忘因子的递推最小二乘法进行参数在线辨识。提出了一种联合门控循环单元（GRU）神经网络和自适应扩展卡尔曼滤波（AEKF）的SOC估计，分别以AEKF和GRU神经网络的估计结果为模型值和测量值，通过卡尔曼滤波（KF）得到最终的SOC估计结果，并作为下一时刻AEKF的输入。结果表明，常温环境下考虑迟滞特性的模型对端电压预测及联合估计法对SOC估计的均方根误差（RMSE）分别在0.5 mV和0.64%以内；低温及变温环境下端电压预测及SOC估计的RMSE分别在0.9 mV和0.72%以内。考虑迟滞特性的模型及联合估计法具有良好的精度和鲁棒性。