纯电动汽车工况识别和能量控制策略研究

针对纯电动汽车能量管理策略优化主要面向单一工况,提出包含BP神经网络工况识别控制的能量管理策略。以锂电池-超级电容复合电源纯电动汽车为研究对象,引入工况识别的复合电源纯电动汽车能量管理策略对整车经济性和蓄电池工作状态的影响。在MATLAB/Simulink平台下修建整车模型并进行综合测试工况仿真,结果表明:包含工况识别的能量控制策略能够准确识别行驶工况,相较于优化前的能量管理策略,蓄电池能量消耗下降2.81%,总能量消耗下降1341 kJ,两种能量源之间的能量分配更加合理,蓄电池工作状态得到进一步优化,有效提高整车经济性。

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。