并联式混合动力汽车(PHEV)动态协调控制方法硬件在环仿真

在指出并联式混合动力汽车(Parallel hybrid electric vehicle,PHEV)发动机与电动机动力耦合过程中存在的协调问题基础上,提出基于模型匹配控制的动态协调控制方法,开发出双驱动电动机结构的硬件在环仿真试验平台硬件系统和基于Matlab/Simulink/RTWT与Visual C++环境的软件系统,并建立PHEV动态协调控制方法硬件在环仿真试验台。对所设计的动态协调控制方法进行硬件在环仿真试验,试验结果表明,该动态协调控制方法能有效控制两个动力源的动力耦合过程,具有较高的转矩控制精度和很好的动态响应特性。

并联式混合动力电动汽车动力总成控制策略的仿真研究

分析了并联式混合动力电动汽车(PHEV)动力总成的构成及主要传递参数,阐述了电力辅助控制策略以及控制逻辑的具体实现,建立了PHEV动力总成各子系统包括发动机、电机和电池等的仿真模型,利用建立的仿真软件进行了控制策略及其控制参数的仿真研究。仿真结果表明,电池特性及发动机运行参数对整车的性能有较大的影响,根据不同的控制要求,调整相应的控制参数值,可以达到改善整车性能的目的。

并联式混合动力汽车多能源动力总成控制单元的研究与开发

根据并联式混合动力系统结构 ,研究了其运行模式以及动力源能量分配的控制策略。研究了配置自动机械式变速器的换档要求 ,提出了控制系统切实可行的换档控制方案。设计开发了动力总成控制单元 ,并利用自主开发的硬件在环仿真系统对其进行了测试和验证。测试结果表明 ,开发的控制器满足设计要求 ,为进一步的台架试验工作奠定了基础。

基于粒子群优化的并联式混合动力汽车模糊能量管理策略研究

针对一种并联式混合动力轿车,以混合驱动系统需求转矩和电池组荷电状态(SOC)为输入,以发动机转矩为输出,构建了能量管理模糊控制器,并以总的等效燃油消耗为优化目标,利用粒子群算法对模糊隶属度函数参数和模糊控制规则进行优化.基于ADVISOR的仿真研究表明,与未优化的模糊能量管理策略相比,经过优化的模糊能量管理策略能够更有效地降低混合动力汽车的燃油消耗,更好地控制电池组SOC的变化.

基于最佳制动效果的并联式混合动力汽车再生制动控制策略

在遵循制动力分配原则的基础上,提出了基于最佳制动效果和模糊控制的再生制动控制策略,使机械制动和再生制动可以很好地协同工作,实现前后轮制动力合理分配。设计了以制动强度和蓄电池荷电状态为输入变量,以期望再生制动力为输出变量的模糊控制器。利用仿真软件ADVISOR,对所设计的控制策略进行了部件性能、制动能量回收、制动感觉三方面仿真分析。同时,为验证ADVISOR仿真结果的有效性,搭建了硬件在环仿真实验平台。结果表明,所设计的控制策略在保证汽车制动稳定性的前提下,能够使驾驶员获得满意的制动感觉,同时有效提高了汽车能量利用率,最终达到了最佳制动效果。

并联式混合动力电动汽车控制策略研究

简要阐述了并联式混合动力电动汽车的控制思想及几种不同的控制策略;选用模糊控制方法对一种并联式混合动力电动汽车驱动系统实施控制,并介绍了以电辅助式控制策略为辅的变结构模糊控制策略.仿真结果表明了这种控制策略的可行性.针对这种控制策略的不足,提出了新的研究建议,即开发模糊控制与神经网络相结合,基于模糊神经网络的控制策略.

并联式混合动力汽车用镍氢电池冷却装置的研制

混合动力汽车用镍氢电池组对通风冷却的要求非常严格。根据混合动力汽车对动力电池的要求、镍氢电池的特点及所需通风散热的要求,经试验分析了充放电时电池箱中电池模块的温度分布情况,确定了电池箱的详细结构型式,同时考虑了绝缘和密封的措施。根据汽车的情况,介绍了电池箱的安放搭载状况。

并联式混合动力电动汽车全局优化控制

以一种充电保持型并联式混合动力电动汽车(PHEV)为研究对象,基于其整车及动力总成相关数学模型建立了以整个行驶工况消耗的总燃油量最小为目标的系统目标泛函,以及相关的机械特性、蓄电池电量保持等约束条件方程.然后采用Lagrange乘子法将有约束的极小值问题转化为无约束的极小值问题进行求解,得到PHEV的全局优化控制策略.最后基于Matlab/Simulink建立整车仿真模型,在几种不同的循环工况中对获得的全局优化控制策略进行仿真验证,并与采用瞬时优化控制策略得到的仿真结果进行比较.结果表明该全局优化控制策略切实可行,所获得的整车燃油经济性与采用瞬时优化得到的相比有所改善.

并联式混合动力汽车的BP网络实时能量管理

为了提高并联式混合动力汽车(PHEV)的燃油经济性,提出了一种基于BP神经网络的并联式混合动力汽车实时能量管理策略。采用瞬时优化能量管理策略结合多种路况离线仿真得到能量管理规则,利用模糊C-均值聚类对能量管理规则进行分类并提取部分规则作为神经网络的训练样本。训练得到的BP神经网络控制器根据车辆实时工况控制混合动力系统的转矩分配,以实现最优的能量分配。基于ADVISOR的仿真研究表明,与瞬时优化能量管理策略相比,该能量管理策略不仅能够保证车辆的燃油经济性,而且明显提高了能量管理的实时性。

并联式混合动力汽车能量管理的马尔可夫决策

为研究同轴并联式混合动力汽车的能量管理策略,建立了同轴并联式动力系统动态方程,分析了转矩需求无后效性的马尔可夫特性.在维持电池容量不变的条件下,以燃油消耗最小为优化目标,采用马尔可夫决策实施能量管理策略,并采用策略迭代方法求解了马尔可夫能量管理的转矩决策过程,在J1015工况和昆明工况进行了仿真,实现了能量管理的在线实施.结果表明,与基于动态规划的能量管理策略相比,马尔可夫决策的能量管理策略能在线实施,且电池容量变化更为平稳;在燃料消耗方面是全局次优的,在J1015行驶工况下100 km燃油消耗增加了1.32 L,在昆明行驶工况下100 km燃油消耗增加了1.59 L.

基于模糊逻辑的并联式混合动力电动汽车能量控制系统

应用T-S模糊模型和MATLAB模糊控制工具箱设计了基于模糊逻辑的并联式混合动力汽车CFA6470PHEV的能量控制系统,并将其分为能量回馈制动控制系统和正常行驶时的能量控制系统,使控制系统的结构得以简化,有利于控制策略的制订。在控制策略制订后,使用T-S模糊控制模型,使能量回馈制动系统的输入输出量之间的关系非常明确;而对于正常行驶时的能量控制系统,既简化了输入输出量之间的关系,又可使发动机在最优工况范围内工作,使起动电机和驱动电机按预定的模式高效运行。仿真结果表明,所设计的能量控制系统合理可行。

基于神经网络的并联式混合动力汽车控制策略

为提高并联式混合动力汽车的燃油经济性和控制系统的响应时间,应用神经网络实现控制策略。首先,结合逻辑门限控制策略和等效燃油消耗最小原理制定控制策略,并根据电池的荷电状态(SOC)进行调整。然后将调整后的策略在典型工况JA1015循环上实验,采集合理样本来训练对角回归型神经网络(DRNN),获得基于神经网络的控制策略。最后,在电动汽车仿真软件ADVISOR平台上进行仿真实验,仿真结果表明,采用神经网络的控制策略,提高了并联式混合动力汽车的燃油经济性,响应快,且具有通用性。

并联式混合动力汽车机械式自动变速器换档策略

并联式混合动力汽车(Parallel Hybrid Electric Vehicle,PHEV)档位决策作为能量管理策略的一部分,对整车动力性、经济性及排放性能有较大影响.混合动力汽车换档策略不仅要考虑发动机,还要考虑电机和电池系统的影响.基于电池电能的等效燃油概念,通过考虑电池充、放电过程中的能量损失,将充、放电生成或消耗的电能折算为等效燃油,由此得到不同档位时整车的综合燃油消耗,进而选取燃油消耗较小时的档位使整车经济性能指标达到最优.同时,该方法也通用于装备液力自动变速器(Automatic Transmission,AT)等有级式自动变速器的混合动力汽车换档策略制定.

基于随机模型预测控制的并联式混合动力汽车控制策略研究

基于随机模型预测控制算法,对并联式混合动力汽车的转矩分配问题进行了研究。建立马尔科夫模型对需求功率进行预测,并将随机模型预测控制与动态规划相结合,提出了基于模型预测控制,并以消耗最小化为目标进行滚动优化的控制策略。在MATLAB/Simulink平台上搭建了仿真模型,并进行和逻辑门限控制策略的对比仿真。结果表明,与逻辑门限值控制策略相比,采用所提出的的控制策略时车辆能量经济性得到明显提高,说明用马尔科夫模型预测功率需求的控制策略是可行的,且具有良好的实时性。

基于无级变速传动的并联式混合动力汽车动力学仿真研究

采用金属带一行星齿轮无限级变速传动系统的并联式混合动力汽车,具有在相同动力性能下所需电动机功率小、燃油消耗少、废气排放低等特点。应用键合图理论,分析了双模态型并联式混合动力汽车的发动机、电动机及离合器等部件的性能参数以及变速器速比在汽车加速行驶过程中的变化规律,从而为进一步开发并联式混合动力汽车提供理论设计依据。

并联式混合动力电动汽车动力总成控制策略的研究

在混合动力电动汽车中,制定合适的控制策略和控制逻辑是优化能量流动、提高动力总成协调程度的核心,是并联式混合动力汽车具有优良的经济性与排放性能的保证。本文综合分析了并联式混合动力汽车动力总成控制的几种典型控制策略,介绍了基本思想、实现方法以及各自特点,并对各种控制策略的控制效果进行了评价和分析。

基于能耗计算的并联式混合动力汽车控制策略

以某款并联式混合动力汽车为例,根据对工况点进行能耗计算的结果,将其动力总成工作区域划分为4个区域,分别对应于动力总成4个不同的工作模式。在此基础上制定了相应的控制策略,建立了动力总成M at-lab模型并进行仿真。结果表明,整车的燃油经济性得到了明显提高。

并联式混合动力汽车模糊能量管理策略优化

文章分析了并联式混合动力汽车电机和发动机功率的实时分配问题,为提高发动机和电机的工作效率,设计了一种基于蚁群优化的模糊控制策略。通过发动机台架性能测试的实验数据,拟合得到发动机工作效率函数,并绘制发动机工作效率图。根据发动机工作效率图制定模糊控制规则,并以发动机工作效率为优化目标,利用蚁群算法对模糊隶属度函数参数进行优化。ADVISOR的仿真结果表明,与未优化的模糊控制策略相比,优化后的模糊控制策略能更有效地改善混合动力汽车的整车燃油经济性,并能更好地解决电池过度放电的问题,提高电池的工作寿命。

并联式混合动力汽车能量管理策略新分类与概述

针对混合动力汽车(hybrid electric vehicle,HEV)能量管理策略的分类与综述问题,对并联式HEV能量管理策略的研究现状与发展趋势进行了研究。根据能量管理策略是否使用人工智能控制方式或优化算法,对并联式HEV能量管理策略进行了横向分类和综述,纵向梳理了模糊逻辑、神经网络、动态规划与等效油耗最小原理的具体应用方式,分析了多智能体系统应用于HEV能量管理优化控制的可行性和优势。研究结果表明,智能优化控制型能量管理策略是解决HEV量管理问题的有效途径,而智能优化控制方法和驾驶工况预测技术的有机结合是未来的一个重要研究方向;另外,将多智能体技术应用于HEV能量管理优化控制也是一个值得研究的方向。

并联式混合动力汽车再生制动控制策略

针对混合动力汽车制动过程中机械制动力与电再生制动力的分配问题,在制动稳定区间内,以尽可能多地回收制动能量为目标,提出了一种最大化制动能量回收的并联式混合动力汽车再生制动控制策略。建立整车与制动控制器模型,仿真结果表明:与传统固定制动力分配比例的控制策略相比,本文所设计的并联式混合动力汽车的制动能量回收率提高了22.8%,燃油经济性提高了4.7%,CO排放量降低了4.4%。