基于道路工况预测的混合动力汽车A-ECMS能量管理控制研究

发布时间：2020-06-09 05:28

【摘要】：21世纪日益严重的能源危机和环境危机迫使人们将汽车的发展方向转向纯电动汽车,但是由于技术还不够成熟,混合动力汽车这一过渡车型成为了目前研究的主要对象。混合动力汽车能改善传统汽车高油耗和高排放的核心在于系统的设计与控制,而控制策略则是混合动力汽车实现多动力源能量管理的关键。本文以并联式混合动力汽车为研究目标,通过算法实现未来短期道路工况预测实现自适应能量管理控制,主要研究成果如下:首先,搭建混合动力汽车Matlab/Simulink仿真模型,分析灰色预测GM(1,1)算法的缺点,并改进算法,同时采用三种不同类型的标准工况验证改进后的灰色预测GM(1,1)模型可以在不同的驾驶条件下精确实现未来短期汽车车速预测。然后,在理论基础上推导出基于汽车纵向动力学卡尔曼滤波算法和带遗忘因子最小二乘法两种坡度估计算法,并且在Carsim软件中设置道路工况和汽车主要部件参数,与Matlab/Simulink进行联合仿真,验证两种算法道路坡度估算的有效性和准确性;综合分析后采用基于汽车纵向动力学卡尔曼滤波算法为本文道路坡度估算的主要算法。最后,分析路面的几何特性,提出将卡尔曼滤波估算出的历史坡度进行拟合,然后判断路面拟合函数曲率半径的大小来预测未来短期道路坡度,仿真分析也证明了道路工况预测算法的可行性。其次,分析庞特里亚金极小值原理的主要计算思路,引出等效燃油消耗最小能量管理策略(ECMS),仿真分析后发现其主要问题在于整个工况下等效因子的取值固定,无法优化SOC轨迹,也无法取得良好的控制效果。为解决ECMS存在的问题,介绍三种自适应等效燃油消耗最小能量管理策略(A-ECMS)算法,选用基于SOC反馈的A-ECMS算法,在WVUCITY、WVUSUB和WVUINTER三种不同工况下与ECMS的仿真结果进行对比分析,在控制SOC轨迹上有明显的改进,同时提升了一定的燃油经济性,也在需求转矩分配上有一定的优化。最后,在带有道路坡度的VAIL2NREL标准工况下验证基于SOC反馈A-ECMS,分析结果表明当存在道路坡度时该控制策略的控制效果并不理想。因此,提出了基于道路工况预测A-ECMS算法,旨在以未来短期道路工况用于实时等效因子的调整。并在VAIL2NREL工况下与基于SOC反馈的A-ECMS算法对比分析,结果表明所提出算法不仅在优化SOC轨迹和需求转矩分配上取得更好的效果,同时将燃油经济性提高了6.54%。
【图文】：

控制策略,能量管理策略,混合动力系统,汽车动力系统

重庆交通大学硕士学位论文合动力系统能量管理策略国内外研究现状动力汽车主要有串联、并联以及混联三种结构形式[7]。尽管各种混合构形式、传动方案以及运行原理有所不同，但其能量管理策略的原[8]。混合动力系统的能量管理策略主要分为两大类：基于优化的控制则的控制策略[8,9]，其中，基于规则的控制策略主要是在现实混合动得到运用，比如比亚迪秦和丰田 Prius 等车型；基于优化的控制策略科学研究领域中。能量管理策略的分类如图 1.2 所示。

技术路线图,技术路线,论文

图 1.2 论文技术路线究重点主要包括两个方面：道路工况预测以及自适应等效燃油消耗最小策略(A-ECMS)的建立。本文主要研究内容如下：研究整车参数匹配并搭建 MATLAB/Simulink 混合动力汽车综合仿真平台据所确定混合动力汽车参数分析混合动力汽车各个部分计算方法及步骤ATLAB/Simulink 依次搭建汽车发动机模型、电机模型、蓄电池模型、整模型、离合器模型以及变速器模型等，，为下文验证能量管理策略的合理要基础。汽车车速预测汽车行驶历史数据作为预测的基准数据，并改进灰色预测 GM(1,1)算法，汽车车速预测精度，较为准确预测出汽车未来短期行驶速度。并通过仿定合理的预测时间区间长度。道路坡度预测先基于汽车纵向动力学模型推导卡尔曼滤波算法方程，然后建立道路坡，在 Carsim 设置汽车主要参数并联合 Matlab/Simulink 较为准确的计算出
【学位授予单位】：重庆交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U469.7

【参考文献】