工况可识别的并联式HEV模糊控制能量管理策略研究

发布时间：2020-07-30 21:30

【摘要】：随着能源危机和环保形势的日益严峻,寻找可再生能源的新能源汽车成为迫在眉睫的一项任务。混合动力汽车(Hybrid Electric Vehicle,HEV)的多种能量源各自有不同特性,因此对于能量的管理成为混合动力汽车的核心问题。混合动力汽车集合了电气、机械系统,其中还有化学变化和热力学过程参与,很难使用数学模型进行精确地描述。本文针对并联式混合动力汽车能量管理策略存在的问题提出了优化方案,结合模糊控制算法、粒子群算法、模拟退火算法和神经网络算法等相关算法对这个问题进行了深入的研究,并进行了相关的仿真实验。主要工作如下:首先,搭建了并联式混合动力汽车的仿真模型,分析了发动机、电动机和电池的建模方法,实现了基于模糊控制的能量管理策略。其次,采用结合了粒子群算法(Particle Swarm Optimization,PSO)和模拟退火算法(Simulated Annealing,SA)的SAPSO算法优化能量管理策略的模糊规则,该算法既有PSO快速收敛的特点,又和SA一样可以搜索全局最优值。针对PSO算法,使用混沌策略给PSO的粒子一个随机扰动,可以增加种群多样性,提高寻优能力。采用径向基神经网络(Radial Basis Function Neural Network,RBF神经网络)设计了一种工况识别器,该识别器可以在线监测工况、识别工况类型,并选择合适的已优化模糊规则赋值给模糊控制器使用,实现根据实际工况提高燃油经济性的目的。最后,在Advisor中搭建并联式混合动力汽车模型,采用优化后的模糊控制能量管理策略在随机工况下测试,仿真结果表明该能量管理策略相比优化前的能量管理策略提高了燃油经济性。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18;TP273
【图文】：

结构图,混合动力汽车,并联式,仿真实验

言式混合动力汽车结构复杂，涉及技术方面多，不适宜直接做台架实验仿真实验不仅在实验效率上有较大优势，更可以减少实验成本，因此实验成为首选。仿真实验中，建立合理、准确的并联式混合动力汽车仿真实验成功的基础。本章基于 MATLAB 和 Advisor 软件建立并联式的仿真模型，为后续仿真实验做好准备。车结构的研究对象为一款单轴并联式混合动力汽车，其结构图如图 2-1。如图所联混动汽车是指发动机和电动机共用一套变速箱[39]。当发动机和电动状态时，两者的转速保持一定比例，而车辆的需求转矩由发动机和电，由转矩耦合器完成。

整车模型

图 2-2 Advisor 整车模型3.2 发动机模型发动机是传统汽车的唯一动力源，在混合动力汽车中仍占有重要地位。在本文，发动机模型使用了 1.0L 自然吸气汽油机，其最大功率 41kW，最大峰值扭矩N·m。其效率图如图 2-3。图中红色虚线为对应转速下的最大转矩。混合动力汽车行驶过程中，考虑到电池和电动机的限制情况，发动机转矩在不过最大转矩时，应该尽量靠近高效率区域，减少低效率区域运行造成的燃烧不充现象，从而提高发动机工作效率，提高燃油经济性和减少尾气排放[40]。这些发动工作点的选取，对于能量管理策略的结果有显著影响。由于发动机的非线性特点，在本节构造的发动机模型中，发动机的燃油消耗量，括碳氢化合物、氮氧化合物在内的尾气排放量计算采用了查表法。查表法简单快，不仅满足仿真要求，也提高了运算速度。图 2-4 展示了发动机的燃油消耗量。

发动机效率

发动机效率图

【相似文献】