混合动力汽车匀速下坡再生制动模型预测控制

基于车载导航系统(GPS/CIS等)所提供的未来一段预测路线上的汽车运行状态信息,建立中度混合动力汽车再生制动能量回收的全局优化动态规划模型;采用模型预测控制方法,将动态规划的全局优化控制策略转化成预测视距内的局部优化算法,实现滚动优化控制;为解决动态规划中的维数灾问题,确定了电池荷电状态和温度的可达区域;对模型预测控制策略、全局优化控制策略和瞬时优化控制策略进行了计算比较,在不同坡度、不同坡长的匀速下坡工况下的仿真表明:模型预测算法的计算效率显著高于全局优化策略的;应用模型预测控制策略的再生制动能量回收效率明显高于瞬时优化控制策略的,相比全局优化策略的降低不到1.31%,且采用档位提示的模型预测控制策略能量回收效果更好.     

基于分层式控制的混合动力汽车生态驾驶研究

智能交通系统技术的发展为进一步提高车辆驾驶性能带来了新的机遇。插电式混合动力汽车的生态驾驶涉及到3个问题，分别为如何利用动态交通信息对纵向行驶速度进行规划，动力电池SOC全局最优快速规划，以及动力系统实时能量管理。为此，本文中设计了一种结合通精度模型的兼顾计算效率与求解精度的分层式控制策略。上层控制融合了动态交通信号灯信息，通过对车辆行驶速度优化提高了驾驶舒适性，中层则通过对动力系统模型拟合近似，利用凸优化算法实现了SOC快速全局最优规划，为消除拟合模型产生的误差，下层则基于原始非线性模型，通过反馈控制，构建了一种自适应等效燃油消耗最小值策略（A-ECMS）。结果表明，车辆的驾驶舒适性相比于没有速度优化的策略提升了75.92%，且燃油经济性相比于两种常用的基于线性规划的策略分别提升了7.39%与10.91%。     

改进混合遗传算法在车辆路线问题中的应用研究

物流配送车辆路线问题,是物流配送优化中不可缺少的环节.针对传统的遗传算法存在收敛速度慢,局部搜索能力差,易早熟的缺点,采用混合遗传算法进行优化求解.即采用二重结构编码,可以使问题变得更简洁,提高遗传法的搜索效率.用个体数量控制选择策略,以保证群体的多样性,用改进的顺序交叉算子避免优良基因片断在顺序交叉时被破坏,保证算法能够收敛到全局最优.结合具体实例,通过实验计算证明了该改进算法的良好性能.     

车身钣金件定位基准优化研究及系统建立

研究通过VS 2013对UG NX软件平台进行二次开发,实现了车身钣金件定位策略的优化分析和车身零部件的网格自动划分。研究中,利用UG中Nastran程序计算变形,能够通过对重力变形数值的探测和对比分析,获得优化的定位策略;建立的相似度智能推理方法,可实现零部件定位策略智能优化。该研究可用于车身钣金件定位策略开发和优化,可提高基准优化精度和效率,提升开发质量,节约开发成本。     

基于组合优化算法的混合动力客车控制策略优化

结合模拟退火算法全局优化能力强和非线性二次规划算法能够快速寻优的特点,使用Isight优化软件将二者建立组合优化算法对建立的功率解析控制策略进行全局优化。优化结果表明,所提出的组合优化算法避免了模拟退火算法局部优化不强的缺点,提高了优化质量和计算效率;在保证整车动力性的前提下,使整车综合油耗下降了12%。     

基于预测控制的PHEV能源管理策略

提出一种基于预测控制的PHEV在线能源管理策略。它利用BP神经网络构建旅途预测模型,并采用遗传-粒子群混合优化算法提升预测模型的车速预测精度;在此基础上,为保证预测模型对工况的适应性和策略的实时性,设计了基于动态规划的预测控制策略;最后以实际工况数据对提出的策略进行了仿真验证。结果表明,设计的旅途预测模型可有效地进行车速预测,预测精度超过93%;同时,与现有的实时策略和全局优化策略相比,采用提出的策略时油耗、排放和实时性得到了改善。     

基于改进全局优化算法的轮毂液压动力系统能量管理策略

现有针对轮毂液压混合动力系统的能量管理策略均为结合研究人员经验与发动机最优工作区域的简单控制，暂未见优化控制策略的应用，导致实际控制值与最优控制值的偏差较大，无法充分发挥该系统的节油能力。基于此，针对该系统提出了一种基于改进全局优化算法的能量管理策略，探寻该系统的理论最大节油量，进一步挖掘该系统的节能潜力。首先，该策略建立了基于车速-蓄能器荷电状态（SOC）自适应调节等效油耗因子的方法计算目标函数中的罚函数，从而提高系统的制动回收能力，避免计算结果陷入局部最优；随后，根据轮毂液压混合动力系统各模式工作点相对固定的特性，实现了控制变量降维；最后以实测数据进行了仿真测验。结果显示：比起传统的全局最优策略，该方法可以进一步实现3.36%的节油效果；同时，在实现节油的基础上，经过控制变量降维后计算时间减少了35%，而计算精度基本不受影响。     

基于SOC自适应分阶的动力锂电池两步优化快速充电策略

快速高效的充电方式对于推动汽车电动化,加快以石油为主导的传统交通能源向绿色低碳能源转型,实现中国"双碳战略"的目标具有重要意义。针对充电时间和充电损失的平衡优化问题,提出了一种基于SOC自适应分阶的两步优化多阶恒流充电策略。为实现充电过程的优化分阶,利用改进的二分K-means算法对基于内阻曲线的采样点集进行聚类,实现了充电区间关于内阻变化和分布特征的自适应划分。基于分阶优化结果,采用改进的非支配排序哈里斯鹰优化算法(INSHHO)求解优化电流对应帕累托前沿。利用Logistic混沌初始化及自适应t分布突变算子对哈里斯鹰模型(HHO)进行改进,进一步提升算法的全局寻优能力。最后通过充电对比试验,将优化多阶恒流充电策略与恒流恒压策略(CC-CV)和均分多阶恒流充电策略在不同充电时间条件下进行充电性能对比。结果表明:在充电时间保持一致的条件下,提出的优化多阶恒流充电策略较恒流恒压策略和均分多阶恒流充电策略的充电欧姆损失最大分别减少1.03%和0.3%;在温升表现上,优化多阶恒流充电策略较均分多阶恒流充电策略的充电温升最多降低了0.82℃。     

基于联合优化方法的汽车碰撞被动安全性研究

针对在传统的整车被动安全性开发中,先整体后局部优化的开发策略不能考虑车身和乘员约束系统的交互效应,而直接全局优化的开发策略因对所有设计变量同时进行优化,使计算量过于庞大等问题,本文中提出了改进的直接全局优化开发策略—基于代理模型技术的多刚体约束系统与车身有限元模型联合优化方法。针对某开发车型进行100%正面碰撞的被动安全性开发,结果表明,在增加计算花费可以接受的前提下,相对于先整体后局部的开发策略,采用改进的直接全局优化开发策略,乘员损伤值有较大幅度的降低。     

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。     

动态施工智能反演分析及其在超深基坑工程中的应用

介绍有别于传统意义上的反演分析方法,利用训练好的神经网络能够替代有限元进行计算,将遗传算法和神经网络结合,既能利用神经网络的非线性映射、网络推理和预测功能,又利用了遗传算法的全局优化特性,有效地克服了有限元计算反分析效率低及常规的优化算法与初值关系密切的弊端,并结合武汉阳逻长江公路大桥南锚超深基坑工程,较为详细地介绍其实施过程。     

分布式电驱动车辆的ACC协同控制

针对智能分布式电驱动车辆在纵向跟车运动中实施多性能目标协同控制的必要性和实时性问题,在分析分布式电驱动车辆结构与纵向动力学特性基础上,提出一种基于模型预测控制理论的自适应巡航控制算法,并采用缩减优化问题规模的方法,缩短单步计算时间,提升在线优化求解的运算效率。为验证算法有效性,搭建仿真平台,进行了相关的仿真和硬件在环试验。仿真和试验结果表明,所提出的控制算法能实现该车安全和节能的协同优化,且满足了控制实时性要求。     

基于FP算法的电动汽车动力学协调控制

针对分布式驱动电动汽车具有冗余执行器的特点,文中将FP(Fixed Point)算法用于电动汽车动力学全局协调控制分配中。FP算法基于二次型最优化原理,根据车辆目标车速及目标横摆角速度和实际反馈值之差,设计出滑膜控制律,计算虚拟控制量即目标驱动力和目标横摆力矩,通过二次型优化求解得到4个车轮输入轴的目标驱动力矩作为驱动电机的驱动指令,实现对整车动力全局协调控制。仿真结果表明该算法能明显地改善整车操作稳定性,提高轨迹保持能力。     

混合蚁群算法求解带时间窗的车辆路径问题

采用营运车辆的最短行驶距离作为带时间窗车辆路径问题的优化目标,在混合蚁群算法中采用信息素3层更新策略以完成对车辆的调度,信息素挥发自适应策略充分考虑实时路况,考虑信息素空间扩散特性的局部更新策略,更加忠实于自然界的真实蚂蚁系统,可以提高算法的收敛速度,采用阈值判断的全局信息素更新策略可以防止算法陷入局部最优。通过C#语言实现了混合蚁群算法的计算机求解,最后对10个仿真实例进行仿真计算,结果表明,混合蚁群算法收敛快,寻优结果稳定。     

卡方变异的SSA的FSC赛车转向梯形优化方法

针对群智能优化算法在空间转向梯形优化在迭代后期,全局搜索能力减弱,算法易陷入局部最优解的问题,提出基于卡方变异的麻雀搜索算法的转向梯形优化方法。首先,利用卡方分布改进发现者执行广泛搜索策略时的更新公式;其次,对小于种群平均适应度的个体进行卡方变异操作,进而在保留麻雀搜索算法部分局部搜索能力的同时,增加种群的多样性,提高算法跳出局部最优解的能力。实验结果表明,文章的优化方法相对基本麻雀搜索算法和利用高斯分布和高斯变异改进的麻雀搜索算法,寻优精度分别提高5.44%和4.35%,稳健性分别提高57.78%和65.99%,但平均耗时分别增加83.47%和减少3.99%。因此,文章算法优化方法相对基本麻雀搜索算法寻优精度更高、稳健性更强,全局寻优能力提升。     

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。     

混合动力重型货车参数局部与集成优化仿真研究

动力耦合系统的动力源参数匹配和能量管理策略两者相互关联，为提高混合动力重型货车的综合性能，两者应集成设计。针对混合动力重型货车参数匹配需反复计算、验证的特点，在Matlab/Simulink中建立了可缩放、自动寻优的参数匹配模型。以经济性为目标函数，基于粒子群算法进行动力源参数匹配，得到局部最优动力源参数结果。针对混合动力重型货车中广泛采用的基于规则的能量管理策略，其规则控制中一些阈值参数不确定的问题，应用粒子群算法对其关键控制参数进行优化，得到局部最优控制参数。为了实现全局最优的匹配结果，将动力源部件参数和控制策略参数进行集成优化，以动力性为约束条件，经济性最优为优化目标，得到全局最优的参数匹配结果。对比显示，全局优化匹配效果相较于动力源参数局部优化提升11.4%、相较于控制策略参数局部优化提升12.4%。     

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IGWO-BP算法的轨道交通短时客流预测

轨道交通短时客流具有随机性和非线性的特点.为提高轨道交通短时客流预测结果的准确度,研究了基于改进的灰狼优化算法(IGWO)与BP神经网络的短时客流预测算法(IGWO-BP).计算轨道交通客流不同时间序列的相关系数,确定了BP神经网络的输入和输出方式;用余弦思想和动态权重策略对原始灰狼优化算法改进,提高算法的全局搜索能力...     

基于扰动收缩粒子群算法的物联网配送车辆调度

为了提高物联网配送车辆的调度效率,采用扰动收缩粒子群算法。首先建立物联网配送车辆优化调度问题的数学模型,考虑到货物品种及数量、需求时间和地点、运输线路以及运输时间的不确定性,包括运输成本、时间惩罚成本、固定成本;接着对基本粒子群算法增设非线性扰动因子用来平衡粒子的全局和局部搜索,在进化前期值比较小,让粒子主要进行局部搜索,而在后期设置值比较大,进行全局搜索,同时增设收缩算子,避免粒子的过度振荡,粒子编码涉及到收货点、车辆编序、行驶顺序,给出了算法流程;最后,仿真试验和实例分析验证了算法的合理性与可行性。结果表明:增设收缩算子对任务目标点寻优地理位置偏差值最小,避免了总成本增加;带有非线性扰动因子调整策略的粒子群优化算法具备更强的跳出局部最优的能力,优化后的算法运行速度加快;对于每次试验的搜索成功率以及违约惩罚成本占总成本比例,与遗传算法、蚁群算法、粒子群算法、混沌量子粒子群算法、模拟退火粒子群算法和柯西变异粒子群算法预测方法相比,扰动收缩粒子群算法预测方法具有更高的搜索成功率和较低的违约惩罚成本,能够满足物联网配送车辆系统对预测精度的需求,对实现实时交通控制具有重要意义。