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。     

基于等效因子优化的插电式混合动力客车自适应能量管理策略

针对插电式混合动力客车,提出基于等效因子优化的实时能量管理策略。首先,设计了一种等效因子快速计算方法,先根据车辆的动力参数确定等效因子的取值范围,再应用射击算法快速计算等效因子。随后,提出了一种基于电池荷电状态(SOC)线性下降的自适应等效燃油消耗控制策略,利用车辆全球定位系统提供的车辆位置信息,通过在线更新等效因子,实现对参考SOC的实时跟踪。最后,与基于规则的控制策略和标准的ECMS控制策略进行仿真对比,结果表明:无论是在燃油经济性上还是在SOC控制的鲁棒性上,基于等效因子优化的策略都具有最好的控制效果。     

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。     

并联混合动力汽车控制策略的综合分析

混合动力汽车解决了纯电动汽车续驶里程短和初始成本高的难题。文章简要介绍了混合动力汽车的驱动系统和工作模式及能量流动。将目前已提出的基于转矩或功率的并联混合动力汽车控制策略进行了分类,并介绍了其主要思想及优缺点,指明了控制策略的发展方向。     

基于ECMS-MPC混合动力汽车能量管理策略

在节能减排的大背景下,能量管理控制策略是决定混合动力车辆动力性、经济性和排放性的关键因素。文章基于MATLAB建立了单轴并联式混合动力汽车及其零部件的数学模型,在系统建模的基础上,提出了一种基于最小等效油耗预测模型（ECMS-MPC）的能量管理策略,并与动态规划（DP）的能量管理控制策略进行了比较。仿真结果表明,从技术结果上,ECMS-MPC控制策略接近DP能量管理控制策略;从计算效率上,ECMS-MPC控制策略比DP能量管理策略提高了6倍,论证了ECMS-MPC控制策略的优越性。     

混合动力汽车的控制策略研究

混合动力汽车的关键开发技术是电池、电机及车辆的控制策略,它是混合动力汽车整体性能的决定性因素。此外,HEV的控制策略有助于实现整车的最佳节油性,对于车辆发动机排放、电池寿命、驾驶性能和其他组件的可靠性和成本等具有非常重要的影响。据此,从混合动力汽车的控制工作入手,对混合动力汽车的分类及特点进行讨论,同时介绍了相关的控制策略。     

城市混合动力汽车动力匹配研究

相对于当下的燃油车,混合动力汽车的能源采用锂电池等无污染能源作为部分动力源,尾气排放少,环境友好。与当前纯电动汽车产品相比,混合动力汽车具备更优秀的续航能力。文章针对城市混合电动汽车提出一种动力匹配方法。     

中度混合动力汽车燃油经济性预测控制研究

利用车载全球定位系统(Global Position System,GPS)和地理信息系统(Geographic Information System,GIS)所提供的混合动力汽车未来一段预测路线上的道路交通信息、以及汽车当前运行状态模型,建立混合动力汽车在未来一段预测路线上的运行状态模型;以蓄电池荷电状态为系统状态变量,电动机/发电机转矩为决策变量,混合动力汽车等效燃油消耗量最低为优化控制目标函数,运用动态规划逆序算法,建立了中度混合动力汽车预测控制数学模型;研究了混合动力汽车转矩分配的最优控制方法,并就如何减少动态规划法的计算量进行了研究。文中给出了某混合动力汽车的最优控制计算实例结果。     

ISG并联混合动力汽车的优化控制研究

优化控制是提高混合动力各方面性能的关键技术。本文提出一种优化模糊控制方法,离线进行发动机优化控制计算后,运用模糊控制算法实现综合优化控制。仿真实验证明,其优于基础的电辅助逻辑控制。通过调整各优化目标的权值和修改模糊控制规则,可灵活地实现不同的控制目标。     

并联混合动力汽车的发动机转矩估计

提出采用神经网络对发动机转矩进行估计的方法,以发动机台架性能实验所得数据为基础,在Matlab中建立了多种类型的神经元和层数的发动机输出转矩模型.在网络模型的建立过程中,提出了一种新的训练方式,通过对不同模型的训练及结果分析,筛选出了估计精度和泛化能力都较为理想的模型,并以此模型进行了实际的转矩估计,取得了较满意的效果.     

并联混合动力汽车从纯电动切换至发动机驱动的控制研究

阐述了混合动力汽车的发动机调速方法,通过建模、dSPACE AutoBox对系统的控制以及AVL测功机对系统的监控,完成了发动机起动、调速及离合器接合与分离的控制,建立了用电机补偿发动机动态转矩相对稳态转矩下降的转矩控制策略.动念控制与稳态控制2种试验结果对比表明,动态控制方法提高了驱动模式的切换性能与效果,可提高整车驾驶性、舒适性和耐久性.     

并联混合动力汽车模糊逻辑控制策略的设计

利用模糊逻辑控制技术,设计了并联混合动力汽车的模糊逻辑扭矩控制策略。选取了控制器的输入、输出变量,构建了有25条规则的模糊推理器。在3种不同的循环工况下,分别对二值逻辑策略和模糊逻辑策略进行了仿真试验,结果显示,所设计的模糊逻辑控制策略能够很好地控制发动机工作,且具有很好的自适应能力和鲁棒性。     

基于最小瞬时等效燃油消耗的液压混合动力车辆能量管理策略

为提高混合动力车辆的燃油经济性和降低尾气排放,根据混合动力车辆2个或2个以上能量流之间的功率分流分配和能量利用情况,提出了最小瞬时等效燃油消耗量策略.通过分析串联式液压混合动力传动能量流关系,以储能元件蓄能器的虚拟等效燃油消耗为准则,建立了液压混合动力车辆最小瞬时等效燃油消耗模型.对液压混合动力车辆能量管理进行了研究,并以某型公共汽车参数为例,运用计算机软件通过城市循环工况第1部分和公路循环工况对使用该策略的液压混合动力车辆燃油经济性进行了仿真计算.仿真结果表明:采用最小瞬时等效燃油消耗策略的液压混合动力车辆的燃油经济性改善率接近30％;采用最小瞬时等效燃油消耗策略在提高车辆节能效果上具有较明显的优势.     

并联混合动力汽车驱动模式切换协调控制研究综述

混合动力汽车逐渐成为汽车行业发展的趋势,并已经在市场上取得了突破性的进展。混合动力系统中两动力源需要根据行驶路况进行能量管理和驱动模式的切换。由于发动机与电机动态响应特性的不同,单独按照各自的特性进行目标转矩控制,来达到总的需求转矩,但这样会导致整车运行模式切换过程中动力中断或出现转矩波动现象。本文主要研究运行模式切换过程中发动机与电机输出转矩的动态协调控制,目的是避免电机突增负载造成的震荡,希望在模式切换过渡过程中拥有足够的动力来保持整车快速、平稳行驶。     

混合动力汽车节油机理研究

论述了混合动力汽车的节油机理，通过实例揭示了混合动力汽车节油途径。通过选用较小功率发动机、取消发动机怠速、控制发动机工作在高效区、控制发动机断油、适当增加电池SOC窗口以及回收再生制动能量等6项措施来降低整车油耗，可实现节油30％～50％的目标。     

并联混合动力汽车模糊控制策略设计与仿真

利用模糊逻辑控制技术,设计出一种能够实现需求转矩在发动机和电机之间最优分配的模糊逻辑控制策略。在仿真软件Advisor下。分别进行同种道路循环工况下不同控制策略的仿真和同种控制策略在不同道路循环工况下的仿真。仿真结果表明,模糊逻辑控制策略比电动辅助控制策略更进一步提高了并联混合动力汽车的燃油经济性能、排放性能。具有良好的自适应能力和鲁棒性。     

基于CMAC的并联混合动力汽车控制策略仿真

提出了基于小脑模型神经网络(CMAC)控制器的能量管理策略,分析了CMAC参数对控制器性能的影响.以ADVISOR2002为仿真平台进行了二次开发,嵌入CMAC控制器,完成了基于CMAC控制器的控制策略、并联电气辅助控制策略和模糊控制策略的仿真比较.仿真结果表明,基于CMAC的控制器具有很好的实时性,可以大幅度改善混合动力汽车的燃油经济性和排放.     

基于等效因子的Q学习燃料电池汽车能量管理策略

为提高燃料电池混合动力汽车（FCHEV）燃料经济性以及维持蓄电池能量平衡,该文提出了基于等效因子的Q-learning算法的能量管理策略。构建等效耗氢量最小与维持蓄电池荷电状态（SOC）平衡的目标函数,建立FCHEV动力源能量流转化平衡模型,通过能量转化平衡机理得到耗氢量的等效因子;在城市循环+全球轻型汽车测试循环（UDDS+WLTC）工况下,对需求功率的转移概率矩阵进行求解,利用Q-learning算法离线优化燃料电池和蓄电池的输出功率;基于MATLAB/Simulink平台建立了前向仿真模型,进行整车性能的仿真试验。结果表明：在WLTC循环工况下,该策略的100 km等效耗氢量为0.730 kg,接近基于动态规则（DP）控制策略的耗氢量,且SOC保持在合理的范围内,验证了该策略的有效性;在西宁市实际工况下,验证了本文所提控制策略的适应性。