基于行驶工况的混合动力电动汽车能量管理策略研究现状分析

分析了目前能量管理策略的2种研究方法——基于动力系统运行状态的控制策略和基于行驶工况的控制策略的优势及不足。着重针对基于行驶工况的控制策略进行探讨,指出:基于已知行驶工况的全局优化策略运算过程耗时长且计算量大,难以直接在实车上应用,但可用于作为理想的优化控制参考目标;为了实现实时优化控制,目前主要采用基于工况识别的控制策略与基于模型的预测控制等方法,探索基于行驶工况预测的实时优化控制策略并获得接近离线优化的控制效果,成为新的研究热点和管理控制策略的研究趋势。

基于模式切换预估算法的DM-EV瞬时能耗最小控制策略

为提高电动汽车经济性从而延长其续驶里程,以一款新型的多模式双电机耦合驱动构型电动汽车(DM-EV)作为研究对象,针对该电动汽车的系统构型及工作模式进行分析,重点研究了以瞬时能耗最小为目标,结合模式切换预估算法来进行优化的控制策略。通过仿真与台架试验验证了所提出控制策略与驱动构型的有效性。仿真结果表明,在城市拥堵工况、城市一般工况、高速公路工况下,采用模式切换预估算法可使汽车能量利用率分别提高2. 2%,3. 6%,1. 7%。台架试验验证结果表明,所研究的驱动系统与一般单电机驱动系统对比,其能量利用率比后者分别提高14. 2%,11. 5%,10. 1%。

基于PSO-fuzzy的PHEV电量保持模式多目标控制策略

为了提高插电式混合动力汽车(PHEV)电量保持模式下的燃油经济性与排放性,设计以需求转矩、电池荷电状态(SOC)和电机转速为输入,发动机转矩为输出的模糊控制器,将用来描述模糊集合隶属度函数的形状选为左右两边为开口梯形,中间为三角形。为便于模糊控制的实现,将参数量化到[0,1]的区间;根据PHEV的不同工作模式,确定输入与输出变量的模糊子集,将隶属度函数和控制规则编码,利用粒子群算法(PSO)对其隶属度函数值和控制规则进行优化。在保证动力性的前提下,以电池SOC值尽可能稳定且最大限度地提高燃油经济性和排放性为目标,引入加权系数建立CO,NOx及HC的排放指标和整车等效燃油消耗构成的价值函数,形成一种基于粒子群优化的多目标模糊控制策略(PSO-fuzzy)。综合理论建模和试验数据建模方法,基于MATLAB/Simulink搭建PHEV动力传动系统关键部件的数值模型、整车动力学模型和驾驶人模型。采用中国典型城市循环工况和高速公路循环工况的联合工况进行验证。结果表明:利用PSO算法优化的模糊控制策略相比于优化前,电池SOC的运行更为平稳;更为合理地分配了发动机与电机之间的转矩,发动机工作点更多地分布在高效区的同时使得电机绝大部分工作点都工作在高效区;百公里油耗降低12.4%,CO排放量减少2.7%,NOx排放量减少4.4%,HC排放量减少4.3%。