混合动力汽车预测能量管理研究

发布时间：2017-08-13 17:00

  本文关键词：混合动力汽车预测能量管理研究

  更多相关文章： 工况预测 交通信息融合 能量管理方法 混合动力 插电式 混联式

【摘要】：混合动力汽车技术是解决目前车辆能源消耗过度、空气质量污染和燃油成本过高的有效途径之一。本文以混联式混合动力汽车为研究对象,通过对控制决策在线寻优、未来工况实时预测和交通信息融合下全局能量规划的研究,提出了一种适用于传统电量平衡式和插电式混合动力系统的预测能量管理方法,主要成果包括:建立了混合动力汽车预测能量管理拓扑结构。应用动态规划算法和模型预测控制构建了针对混合动力汽车动力驱动系统的实时控制方法,分析了整车燃油消耗量对动态规划算法控制变量和状态变量离散化网格数的敏感性,确定了最佳离散化网格数在30~50之间;分析了能量管理策略在线计算时间对滚动优化时域长度变化的敏感性,确定了具有实时在线计算潜力的控制时域长度在6~12秒之间。对比了实时优化与全局优化仿真结果的状态变化、扭矩分配及油耗分布,为进一步研究提升实时优化控制算法的燃油经济性提供了参考。揭示和量化了短期工况预测对混合动力汽车能量管理方法燃油经济性的重要提升作用,提出了基于神经网络的短期工况预测方法。阐述并建立了后向传播型、层递归型和径向基函数型3种神经网络模型,扩展了现有文献中使用的指数预测和随机马尔可夫工况预测方法。结合预测能量管理策略从预测精度、计算时间、约束保持能力和燃油消耗等方面对上述三种预测方法进行了对比研究。仿真和硬件在环试验结果表明使用径向基函数神经网络进行短期工况预测相比指数和随机预测方法可以提高预测能量管理方法至少8%的燃油经济性。实现了神经网络短期工况预测方法在自适应等效燃油消耗最小策略(ECMS)中的应用。提出了基于二分逼近原则的改进的等效因子自适应律,解决了现有等效因子在线寻优过程中出现的振荡问题,分析确定了等效因子寻优的最佳循环迭代次数在6~8次之间。对比了未来工况已知、未知(使用历史工况)和预测三种情况下自适应ECMS能量管理方法的燃油经济性水平,结果显示采用神经网络进行工况预测相比传统方法可以提高自适应ECMS策略3%以上的燃油经济性,进一步验证了所提出的短期工况预测方法在提升混合动力汽车燃油效率方面的有效性和广泛性。提出了基于交通信息融合的长期工况预测能量管理策略。针对插电式混合动力汽车电池终值电量达到最低限值的约束需求,提出了基于交通数据对全局能量使用进行快速规划的方法。创建了一种简化的能量平衡模型,在维持SOC状态轨迹平均误差在3%之内的同时,降低了80%以上的全局最优SOC状态轨迹计算时间。生成的状态轨迹以控制时域终值约束的方式引入到预测能量管理方法中,系统解决了插电式混合动力汽车全局能量分配使用优化的问题。
【关键词】：工况预测 交通信息融合 能量管理方法 混合动力 插电式 混联式
【学位授予单位】：北京理工大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：U469.7
【目录】：

• 摘要5-7
• Abstract7-12
• 第1章 绪论12-23
• 1.1 研究背景和意义12-13
• 1.2 国内外研究现状及发展趋势13-19
• 1.2.1 混合动力车辆发展现状13-17
• 1.2.2 能量管理策略研究现状17-19
• 1.3 存在问题和主要研究内容19-23
• 1.3.1 当前混合动力能量管理存在的问题19-20
• 1.3.2 本文主要研究内容及论文结构20-23
• 第2章 混合动力汽车预测能量管理策略23-41
• 2.1 两种混联式混合动力系统面向控制建模23-27
• 2.1.1 双电机同轴混联式混合动力构型23-25
• 2.1.2 功率分流混联式混合动力构型25-27
• 2.2 工作模式分析与模型验证27-32
• 2.2.1 两种混联式混合动力系统工作模式分析27-30
• 2.2.2 双电机同轴混联式动力系统模型实验验证30-32
• 2.3 基于动态规划的最优能量管理32-36
• 2.3.1 动态规划算法基础理论32-33
• 2.3.2 动态规划最优能量管理33-36
• 2.4 基于模型预测控制的预测能量管理策略36-40
• 2.4.1 模型预测控制理论基本原理36-37
• 2.4.2 分层预测能量管理策略37-40
• 2.5 本章小结40-41
• 第3章 短期工况预测方法与对比研究41-65
• 3.1 指数预测与随机预测方法41-45
• 3.2 基于神经网络的工况预测45-49
• 3.2.1 神经网络模型45-47
• 3.2.2 神经网络工况预测47-49
• 3.3 工况预测方法仿真分析49-52
• 3.4 工况预测方法比较性研究52-57
• 3.4.1 预测精度对比53-54
• 3.4.2 燃油消耗量对比54-56
• 3.4.3 计算量和约束表现56
• 3.4.4 综合评价对比56-57
• 3.5 预测能量管理策略硬件在环试验57-63
• 3.5.1 MotoTron硬件在环试验平台构架57-59
• 3.5.2 硬件在环试验结果59-63
• 3.6 本章小结63-65
• 第4章 基于短期工况预测的自适应ECMS策略研究65-89
• 4.1 等效燃油消耗最小策略65-71
• 4.1.1 庞特里亚金最小值原理65-67
• 4.1.2 等效燃油消耗最小策略67-71
• 4.2 自适应等效燃油消耗最小策略及改进71-76
• 4.2.1 自适应等效燃油消耗最小策略71-74
• 4.2.2 改进的A-ECMS等效因子自适应律74-76
• 4.3 自适应ECMS的敏感性分析76-84
• 4.3.1 等效因子寻优迭代次数敏感性分析76-78
• 4.3.2 等效因子更新时间敏感性分析78-84
• 4.4 短期工况预测在自适应ECMS中的应用84-88
• 4.4.1 未来短期工况预见性的重要性研究84-85
• 4.4.2 基于神经网络的短期工况预测85-87
• 4.4.3 基于短期工况预测的自适应ECMS策略87-88
• 4.5 本章小结88-89
• 第5章 基于交通信息融合的预测能量管理研究89-115
• 5.1 插电式混合动力系统能量管理89-91
• 5.1.1 插电式混合动力汽车能量管理的特性89-90
• 5.1.2 预测能量管理的局限和改进90-91
• 5.2 交通信息数据分析91-95
• 5.2.1 交通信息融合能量管理的概念91-92
• 5.2.2 基于Mobile Century项目交通数据分析92-94
• 5.2.3 目标工况生成94-95
• 5.3 能量平衡模型及动力电池SOC快速规划95-103
• 5.3.1 简化的混合动力系统模型95-97
• 5.3.2 能量转换效率函数η_1和η_297-99
• 5.3.3 动力电池SOC快速规划99-103
• 5.4 基于交通信息的预测能量管理103-110
• 5.4.1 分层预测能量管理策略的改进103-105
• 5.4.2 短期车速工况预测验证105-106
• 5.4.3 仿真结果及分析106-110
• 5.5 交通信息融合的能量管理策略硬件在环仿真110-113
• 5.6 本章小结113-115
• 结论115-118
• 一、主要工作115-116
• 二、创新点116-117
• 三、工作展望117-118
• 参考文献118-127
• 攻读学位期间发表论文与研究成果清单127-128
• 致谢128-130
• 攻读学位期间参与的科研项目、学术活动130

【相似文献】

中国期刊全文数据库 前10条

1 宋波;;船舶能量管理系统设计研究[J];中国舰船研究;2011年02期

2 付敏玲;胡天友;胡蓉;杨攀;王臻;;可逆流光伏与市电联合供电能量管理研究[J];可再生能源;2013年08期

3 于金良;俞万能;;太阳能游船电力系统能量管理控制策略[J];集美大学学报(自然科学版);2012年05期

4 潘三博;郝夏斐;;便携式太阳能双向变换器及其能量管理研究[J];制造业自动化;2011年10期

5 胡素云;鄂加强;左青松;王曙辉;龚金科;;电动汽车动力辅助系统能量管理控制器设计[J];中南大学学报(自然科学版);2012年10期

6 汪秋婷;肖铎;戚伟;;燃料电池混合动力车整车能量管理研究[J];电源技术;2012年10期

7 郑萍,张家川,潘世永;HVACDDC控制系统的能量管理研究(英文)[J];四川工业学院学报;2000年03期

8 张异;田维民;;基于模糊控制的燃料电池列车能量管理研究[J];应用能源技术;2013年04期

9 张春龙;邵丽华;戴未然;;光伏与市电联合供电系统的能量管理控制[J];南通大学学报(自然科学版);2012年03期

10 朱建文;刘鲁华;汤国建;徐明亮;;低弹道多约束固体火箭能量管理方法研究[J];弹箭与制导学报;2012年05期

中国重要报纸全文数据库 前2条

1 许晓燕;石油与化工业面临能量管理挑战[N];中国石油报;2005年

2 记者 王海蕴;独立光伏发电系统能量管理获突破[N];中国高新技术产业导报;2009年

中国博士学位论文全文数据库 前2条

1 孙超;混合动力汽车预测能量管理研究[D];北京理工大学;2016年

2 方璐;企业能量管理与节能技术研究及应用[D];湖南大学;2011年

中国硕士学位论文全文数据库 前7条

1 胡茂良;单相并离网光伏储能系统控制及能量管理研究[D];电子科技大学;2014年

2 曾卫;燃料电池电动汽车能量管理系统优化控制与动态仿真研究[D];武汉理工大学;2007年

3 刘家良;基于模糊神经网络的混合动力电动汽车能量管理的研究[D];武汉理工大学;2003年

4 张振川;微网系统及其能量管理平台的设计[D];华北电力大学;2012年

5 吕志梁;插电式混合动力汽车能量管理研究[D];浙江大学;2014年

6 李鸿鑫;家用热电联产机组能量管理控制系统研制[D];福建农林大学;2013年

7 李紫薇;无线可充电传感器节点开发与能量管理研究[D];浙江大学;2014年

，

本文编号：668336