基于预测滑转率的转矩分配策略研究

为解决后轮双电机驱动电动汽车的动态非线性转矩分配问题,提出一种预测并优化输出的分配策略。基于车辆动力学计算转矩输出,使用粒子群优化(PSO)算法及路面检测系统修正输出转矩,以某型后驱双轮毂电机样车为基础,设计优化分配算法,通过CarSim搭建整车联合仿真模型验证算法的性能,并以整车控制器为基础对设计的算法进行硬件在环测试。测试结果表明,提出的动态转矩分配策略可以根据实际工况分配驱动轮的转矩,降低驱动轮滑转率,提高整车的驾驶性能。     

基于内阻功率消耗的锂电池SOC估计

针对锂电池不同使用场合下的剩余电量估算精度的问题,提出了基于内阻功率的放电策略与功率积分的电池剩余电量计算方法。选取电池的1阶Thevenin等效电路模型,通过放电实验确定电池内部参数,建立了电池的可变参数模型。依据电池不同使用需求,通过功率控制电池放电电流,稳定电池的容量,提升了安时积分算法在稳定放电工况下的鲁棒性;将电池的温度、高频率波动电流和健康状况引入积分项,以衡量电池容量消耗速率,并采用功率积分算法估算电池剩余容量。将积分算法与EKF结合,减弱了积分误差对估算精度的影响。搭建实验台架,设计锂电池的放电工况,采用与之对应的放电策略和计算方法。结果表明:本文的方法有效地提升了电池剩余电量的估算精度。     

分布式驱动电动汽车回馈制动失效的液压补偿控制

分布式驱动电动汽车各驱动轮转速和转矩可以单独精确控制,便于实现整车动力学控制和制动能量回馈,从而提升车辆的主动安全性和行驶经济性。但车辆在回馈制动过程中,一旦1台电机突发故障,其他电机产生的制动力矩将对整车形成附加横摆力矩,从而造成车辆失稳,此时虽可通过截断异侧对应电机制动力矩输出来保证行驶方向,但会使车辆制动力大幅衰减或丧失,同样不利于行车安全。为了解决此问题,提出并验证一种基于电动助力液压制动系统的制动压力补偿控制方法,力图有效保证整车制动安全性。以轮毂电机驱动汽车为例,首先建立了整车动力学模型以及轮毂电机模型,通过仿真验证了回馈制动失效的整车失稳特性以及电机转矩截断控制的不足;然后,建立了电动助力液压制动系统模型,并通过原理样机的台架试验验证了模型的准确性;接着,基于滑模控制算法设计了制动压力补偿控制器,并在单侧电机再生制动失效后的转矩截断控制基础上完成了液压制动补偿控制效果仿真验证;最后,通过实车试验证明了所提控制方法的有效性和实用性。研究结果表明：在分布式驱动电动汽车单侧电机再生制动失效工况下,通过异侧电机转矩截断控制和制动系统的液压主动补偿,能够使车辆快速恢复稳定行驶并满足制动强度需求。     

大数据平台在新能源汽车安全领域的应用

通过利用行业内主流的大数据技术搭建新能源大数据平台,重点对新能源汽车车联网大数据进行算法研究、建模分析。分别从故障远程在线诊断、车联网大数据指标分析、车联网大数据算法模型等方面对新能源汽车故障、驾驶行为、充电行为等进行深入研究,以保障新能源汽车车辆安全。     

中压直流综合电力系统燃油经济性调度策略

由于研究对象、运行要求和调控手段存在差异,陆用电力系统和传统船用电力系统的燃油经济性策略无法直接应用到中压直流综合电力系统中。针对中压直流综合电力系统的能量优化调控需求,建立综合电力系统燃油经济性调度模型,提出基于分层优化方法的系统燃油经济性调度优化算法,实现对整流发电机组出力的优化。同时,提出适用于中压直流综合电力系统燃油经济性优化调度的方法,实现对发电机出力的优化调度,并通过仿真试验验证该方法的有效性。     

改进群智能优化算法的海上物流配送路径优化方法

传统算法过早陷入局部最优,不能考虑全局配送问题,导致海上物流配送成本偏高,因此研究改进群智能优化算法的海上物流配送路径优化方法。该方法根据海上物流配送约束条件,建立路径优化模型,利用改进群智能优化算法,进行全局域中混沌局部的同步搜索,实现海上物流配送路径优化。实验结果表明,此次研究方法的物流配送成本,比传统方法低了24 332元,可见此次研究的路径优化方法更好。     

基于粒子群算法的船舶物流智能配送系统

当前船舶物流智能配送系统存在配送路径并非最优,配送效率低,导致船舶物流智能配送成本存在居高不下的缺陷。为了节约船舶物流智能配送成本,找到理想的船舶物流智能配送路径,设计了基于粒子群算法的船舶物流智能配送系统。首先对船舶物流智能配送系统的工作流程进行描述,并重点描述船舶物流智能配送路径优化问题,然后设计了一种改进粒子群算法,并采用它实现船舶物流智能配送路径的优化。最后的测试结果表明,本文船舶物流智能配送系统可以在用户规定时间内将需求的产品送到目的地,降低了船舶配送成本,不仅可以帮助船舶物流配送企业提高管理,而且船舶物流配送结果优于其他的系统。     

粒子群优化算法在港口船舶物流中的应用

传统的用遗传算法的港口船舶物流中存在逾期惩罚成本过高的问题,为此,提出粒子群优化算法在港口船舶物流中的应用。分析港口船舶物流影响因素并完成粒子编码,使得粒子位置与影响因素一一对应,计算多目标适应度函数,根据种群适应值均值调整目标粒子适应度函数,保证适应度函数最优,利用微粒迭代更新粒子的位置和速度,通过判断种群的收敛精度实现最优解的输出。实验结果表明,应用粒子群优化算法的港口船舶物流中逾期惩罚成本远低于应用遗传算法物流中的逾期惩罚成本,说明粒子群优化算法的应用有效地改善了逾期惩罚成本过高的问题。     

PHEV发动机驱动工况效率耦合分析与优化控制

单轴并联式混合动力系统（Parallel Hybrid Electric Vehicle,PHEV）包括电池、驱动电机、发动机、自动变速器等多个关键部件。各部件效率特性存在相互耦合的关系,要实现系统整体效率最优,需要辨明影响系统效率的控制参数,并对系统整体效率最优的控制参数进行优化。以装备无级变速器（Continuously Variable Transmission,CVT）的PHEV为研究对象,首先对系统各关键部件的效率特性进行分析,建立各关键部件效率模型,明确各部件效率与控制参数、状态参数之间的关系。在此基础上,对发动机单独驱动模式下动力传递路径中不同部件的效率耦合关系进行分析,推导出系统燃油消耗量与动力系统各状态参数、控制参数之间的函数关系。根据分析结果,选取车辆需求功率及车速为状态参数,变速器速比及发动机转矩为控制参数,以系统燃油消耗量最小为目标建立优化目标函数和约束条件,对系统优化问题进行定义。根据优化问题的特点,设计基于模拟退火的优化算法对优化问题进行求解,获取系统燃油消耗率最小时变速器目标速比和发动机目标转矩随状态参数的变化关系。建立系统仿真模型对所述优化算法进行仿真分析,并搭建混合动力试验台对优化结果进行试验验证。结果表明：无级变速器效率对系统整体效率影响较大,采用优化控制规律使发动机效率有所降低,但无级变速器效率升高更大,系统整体效率升高;在功率需求一定的循环工况下,优化控制算法比传统上仅以发动机效率最高为目标的控制算法节油1%~2%。     

AIS与VTS的雷达／ARPA信息融合的研究与实现

分析了信息融合的必要性,并在信息融合基本原理的基础上,提出了信息融合的步骤,采用模糊数学中正态型隶属度函数算法实现AIS与VTS的雷达/ARPA信息融合,解决了不同设备处理同一信息的差异问题。