纯电动汽车烟花算法自学习模糊控制策略研究

针对纯电动汽车复合电源模糊控制策略靠人工经验的主观性与局限性问题,基于advisor软件建立超级电容与蓄电池复合电源纯电动汽车模型,利用新的爆炸式搜索算法—烟花算法,调用advisor软件对复合电源模糊控制策略隶属度函数及模糊规则进行闭环学习,并与遗传算法、交叉蜂群算法的学习效果进行比较。结果表明:烟花算法学习的模糊控制策略与经验模糊控制策略相比,在FTP、NEDC、UDDS和CHINACITY工况下能耗仍能再降低5.47%、5.23%、4.25%和4.15%,且烟花算法与其他算法相比在复合电源纯电动汽车模糊控制学习中的求解精度更高。

基于改进人工蜂群算法的复合电源电动车FSM-Fuzzy能量管理策略

针对人工蜂群算法收敛速度慢、收敛精度不足等问题,综合粒子群算法和遗传算法优势对人工蜂群算法采蜜蜂和观察蜂搜索机制分别进行综合改进。基准测试函数表明改进后的人工蜂群算法收敛速度和收敛精度明显提高。在此基础上,建立复合电源电动车动态FSM-Fuzzy分层能量管理策略,利用改进后的人工蜂群算法调用Advisor软件对复合电源模糊控制器隶属度函数位置和形状进行闭环学习。结果表明:综合改进后人工蜂群算法学习的模糊控制策略与经验模糊控制策略相比,在UDDS和SC03工况下能耗可再降低8.36%和8.58%,且与常规蜂群算法学习控制器相比求解精度更高。