基于数字孪生和PSO算法的混动车辆能量管理策略鲁棒优化

该文针对混动车辆能量管理策略开发任务,基于车辆数字孪生平台,提出了一种融合全局交叉验证和粒子群优化(PSO)的鲁棒优化算法,以获得高可靠性、适应性的能量管理策略。基于转鼓台架试验结果建立了某混动车辆数字孪生模型,定义了综合考虑车辆能量转换效率和电池剩余电量的控制效用指标,搭建了基于自适应神经模糊推理系统(ANFIS)能量管理控制器;利用粒子群鲁棒优化算法在JC08、WLTC、UDDS等国际常用行驶工况对控制器进行超参数优化,并基于硬件在环平台对优化结果进行了对比验证。结果表明:通过综合考虑训练工况和验证工况下的控制效用,粒子群鲁棒优化算法相比标准粒子群算法,能够提升11%以上的控制效用值,获得0.41%至27.92%的燃油经济性提升。