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。

面向混合动力汽车液压再生能量控制策略研究

针对混合动力汽车制动能量回收控制,提出了一种基于模糊Q学习的液压再生制动系统能量回收效率优化算法。建立了基于并联液压混合动力系统的汽车动力学模型,通过模糊Q学习法对汽车再生制动控制策略进行了优化。在此基础上建立了试验平台,验证液压再生制动仿真模型的准确性。与基于专家经验的模糊控制策略、动态规划算法相比,结果表明,经模糊Q学习算法优化的汽车节能率分别提高了9.62%和8.91%。

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。

并联混合动力电动汽车动力系统的参数匹配

针对典型的转矩复合结构并联混合动力电动汽车(PHEV),提出了用工程分析与仿真校验相结合的方法,对其动力系统中发动机功率、电动机参数、传动系速比和电池参数等主要参数进行匹配的原则、步骤,并通过实例加以说明和验证。

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。

并联式混合动力汽车遗传模糊控制策略的研究

为带双离合器和单轴转矩耦合的某并联混合动力汽车开发了模糊控制策略,采用遗传算法对转矩分配模糊控制器进行了优化。在Matlab/Simulink和ADVISOR环境下基于试验数据建立了仿真模型,并进行了NEDC循环下只考虑经济性的控制策略优化和综合考虑经济性和排放性能的多目标控制策略优化。结果表明,应用遗传算法对模糊控制策略进行多目标优化后,油耗降低了3.65%,同时整车排放也有明显降低。

并联混合动力汽车的模糊转矩控制策略

提出了一种新的并联混合动力汽车(PHEV)模糊转矩控制策略(FTCS)及其设计方法.以并联混合动力系统的工作模式为基础,利用请求转矩与发动机最佳转矩的比值和电池电荷状态(SOC)为输入、电机归一化转矩指令为输出,构建了有22条规则的模糊推理器,用以确定发动机和电机的最佳转矩分配,实现系统的总体能量转换效率最高.仿真结果表明,与采用精确门限参数的策略相比,FTCS的燃油经济性有较大提高,并能更好地控制电池SOC在工作区变化.

并联混合动力汽车模式切换过程的协调控制

结合解放牌混合动力城市客车的实车调试,对不同模式之间的切换过程进行了分析,针对其切换过程易导致转矩波动,提出了基于电机辅助的协调控制策略,并利用AVL/Cruise及MATLAB联合仿真平台进行了建模仿真研究。仿真结果表明,协调控制策略保证了模式切换过程中动力传递的平稳性。

并联式混合动力汽车控制策略的仿真研究

以发动机稳态效率图和电池的充放电内阻曲线为依据,提出了基于负荷平衡和逻辑门限方法的并联式混合动力汽车(PHEV)实时控制策略,用以控制混合动力系统的转矩分配,实现混合动力系统的不同工作模式以及模式间的动态切换。在MATLAB/Simulink环境下建立了前向式并联混合动力汽车系统模型,通过仿真进行控制策略的辅助设计并验证了控制策略。当前开发的控制策略已经应用于实车,监测情况表明是实用的。

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模糊控制策略的仿真研究

分析混合动力系统能量流动和功率平衡问题,推导出时间离散条件下能量流的表达式。结合不同的循环工况,从理论上比较电气辅助和模糊控制策略对于并联式混合电动汽车驱动系统工作的影响,并进行仿真研究。仿真结果表明,模糊控制策略明显优于电气辅助控制策略,汽车的油耗和废气排放水平均显著下降,整车效率得到提高,同时汽车动力性亦满足正常的行驶需求。

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.

基于模糊控制的并联式混合动力汽车制动控制系统

在分析和比较混合动力电动汽车(HEV)不同制动控制策略的基础上,提出了一种新的制动控制策略。在MATLAB/Simulink环境下搭建了制动系统控制模型。考虑到能量回收制动力矩和总制动力矩的连续变化,采用模糊控制策略对液压制动力矩进行动态调整。能量回收制动力矩和液压制动力矩在该控制策略下能够协同工作。仿真结果证明该控制策略有效,鲁棒性好。

并联混合动力汽车功率分配最优控制及其动态规划性能指标的研究

研究了并联混合动力汽车功率分配的最优控制方法,应用动态规划方法求解功率分配的最优解,并着重分析了其性能指标。该指标融入了电池(电机)功率和整车需求功率,同时建立了燃油消耗和荷电状态变化量之间的物理关系。仿真结果表明,动态规划方法可以大幅度提高混合动力汽车的燃油经济性,并且功率损失型性能指标的效果更加显著。

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.

并联混合动力汽车的换档规律

根据并联混合动力汽车的特点,提出了以保证车辆动力性为前提的混合动力汽车最佳经济性三参数换档规律。升档规律和驱动模式的降档规律采用发动机转矩、电机转矩和车速作为换档参数。制动模式的降档规律采用电机制动转矩、机械制动转矩和车速作为换档参数。计算表明,与原有的沿袭传统汽车的两参数换档规律相比,混合动力汽车最佳经济性三参数换档规律在驱动模式下可以降低油耗,在制动模式下可以显著增加制动能量回收的比例。

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.

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。