基于动态规划的自适应等效最小燃油消耗策略

针对等效燃油消耗最小策略（ECMS）中最优等效因子对工况依赖性较大的问题，以单轴并联式混合动力汽车为研究对象，以动态规划算法（DP）获得的特定行驶工况下最优控制结果为基础，逆推得到ECMS的最优等效因子；拟合出平均最优等效因子随电量维持水平的变化规律，以此为基础设计了一种自适应等效燃油消耗最小策略．在中国典型城市工况下的仿真结果表明：对于任意初始SOC值，文中策略能够较好地维持电量平衡；在SOC稳定之后的油耗为828g，与DP对比仅有0．8％的误差．多种不同工况仿真结果表明，SOC变化规律与中国典型城市工况仿真结果一致，在SOC稳定之后，单个循环工况的油耗相对DP仅增加了0．1％～0．2％．

氢能无人机等效消耗最小化策略设计

【目的】为了提高氢能混合动力固定翼无人机飞行过程中能源系统功率变化的稳定性以及燃料经济性。【方法】在传统等效消耗最小化策略理论的基础上引入一种考虑蓄电池组功率变化幅度对能量消耗影响的变等效因子。将此因子与原有等效因子加权相加,形成复合等效因子。建立了适用于复杂飞行工况的无人机混合动力仿真平台,研究了复合等效因子对等效消耗最小化策略控制效果的影响。【结果】结果表明,使用复合等效因子的等效消耗最小化策略可以有效降低能源系统的功率波动幅度,巡航飞行时氢燃料电池的功率波动幅度比传统等效消耗最小化策略降低了94.7%,飞行过程中蓄电池组SOC累计变化量降低了46%;在3.5 h的飞行任务中可节省193标准升氢气,提高了燃料的经济性。当蓄电池组SOC接近平衡值时,可以大幅减缓充电功率的变化率。改进后的等效消耗最小化策略有利于延长能源系统的使用寿命,提高燃料电池和蓄电池组的安全性。

混合动力重卡自适应等效燃油消耗最小化能量管理策略

为解决等效燃油消耗最小化策略的关键参数在不同工况下的动态调整,提出一种适用于混合动力重型汽车的自适应等效燃油消耗最小化策略(adaptive equivalent consumption minimization strategy,A-ECMS)。该策略以层次聚类算法得到的6种典型行驶工况为例,提出了一种基于神经网络工况识别算法。应用改进的混沌粒子群优化(chaosparticle swarm optimization,CPSO)算法优化特定驾驶循环下等效燃油消耗最小化策略(equivalent consumption minimization strategy,ECMS)的3个关键参数:等效因子、惩罚函数的比例因子和发动机起动车速阈值。提出了一种基于工况识别的新型自适应能量管理策略对关键参数进行优化,根据该重型卡车的传动系统构型,建立了车辆的纵向动力学模型,并通过仿真进行了验证。仿真结果表明复合工况驱动循环下的CPSO-ECMS和A-ECMS控制策略与传统等效燃油消耗策略相比,油耗分别降低了5.9%和8.9%。

融合工况预测的燃料电池汽车里程自适应等效氢耗最小控制策略

为有效地提高插电式燃料电池汽车的经济性,实现燃料电池和动力电池的功率最优分配,考虑到行驶工况、电池荷电状态(State of charge,SOC)、等效因子与氢气消耗之间的密切联系,制定融合工况预测的里程自适应等效氢耗最小策略.通过基于误差反向传播的神经网络来实现未来短期车速的预测,分析未来车辆需求功率变化,同时借助全球定位系统规划一条通往目的地的路径,智能交通系统便可获取整个行程的交通流量信息,利用行驶里程和SOC实时动态修正等效消耗最小策略中的等效因子,实现能量管理策略的自适应性.基于MATLAB/Simulink软件,搭建整车仿真模型与传统的能量管理策略进行仿真对比验证.仿真结果表明,采用基于神经网络的工况预测算法能够较好地预测未来短期工况,其预测精度相较于马尔可夫方法提高12.5%,所提出的能量管理策略在城市道路循环工况(UDDS)下的氢气消耗比电量消耗维持(CD/CS)策略下降55.6%.硬件在环试验表明,在市郊循环工况(EUDC)下的氢气消耗比CD/CS策略下降26.8%,仿真验证结果表明了所提出的策略相比于CD/CS策略在氢气消耗方面的优越性能,并通过硬件在环实验验证了所提策略的有效性.

考虑驾驶风格的混合动力汽车强化学习能量管理策略

为了提升混合动力汽车能量管理策略对不同风格驾驶员的适应性,基于深度强化学习和等效燃油消耗最小策略(equivalent consumption minimization strategy,ECMS),提出一种考虑驾驶风格的混合动力汽车能量管理策略。通过实车试验采集驾驶员行驶数据,基于采集数据进行驾驶员驾驶风格的聚类分析,建立驾驶风格识别模型;构建基于强化学习和ECMS的能量管理策略,将驾驶风格系数作为强化学习状态变量,利用多种驾驶风格的组合工况训练深度确定性策略梯度智能体,获取不同工况和驾驶风格下ECMS等效因子,采用ECMS求解最优发动机、电机转矩分配以及变速箱挡位;搭建硬件在环测试平台,并基于实际采集的不同驾驶员驾驶数据构建测试工况,验证所提出控制策略的有效性。研究结果表明,相较于基于规则策略、基于等效因子比例修正的自适应ECMS以及DRL-SAC策略,提出的考虑驾驶风格的强化学习能量管理策略使整车能量消耗分别降低16.35%、11.11%和7.56%,所提控制策略的有效性得到了验证。

基于充电行为电量规划的自适应能量管理策略

为提高插电式混合动力汽车(PHEV)的燃油经济性,以并联式PHEV为研究对象,考虑驾驶员充电行为,提出基于充电行为电量规划和等效燃油消耗最小策略(ECMS)的自适应能量管理策略。构建了包含不同类型工况的组合工况。根据驾驶员的充电行为特征(充电频率、充电上限、放电下限)进行充电行为分析,并进行4类工况电量消耗与燃油消耗ECMS策略下的离线仿真数据获取。根据驾驶员充电行为以及离线数据进行SOC轨迹的规划。结果表明:在电池SOC初始值分别为0.9、0.6时,提出的能量管理策略相较于基于电量消耗维持的等效燃油消耗策略,整车燃油经济性分别提升7.87%和13.1%。

基于能量回收的等效燃油消耗最小策略

在混合动力能量管理策略中,基于电池荷电状态(SOC)反馈的等效燃油最小控制策略(ECMS)在某些时刻点由于惩罚函数取值不合适,会出现惩罚过度,导致燃油消耗量的增加.文中采用一种可变SOC参照的方式来解决这一问题:在工况已知的情况下,将行驶工况划分为若干个运动学区间,任意区间中,用电池初始剩余容量减去该区间的制动回收能量,差值作为该区间中电池倾向于放电时的参考值,并以此为基础构建等效因子.最后以标准行驶循环工况NEDC为例,运行基于ECMS框架的整车模型.仿真结果表明,与传统的基于固定SOC参照的ECMS相比,文中提出的方法在维持电量不变的同时提高了燃油经济性.

基于功率比的混合动力汽车模糊自适应等效燃油消耗最小策略研究

针对基于优选固定等效因子的等效燃油消耗最小策略(ECMS)工况适应性差的问题,提出一种基于功率比的自适应ECMS(PR-AECMS)。以功率分流式混合动力汽车为对象,建立采用电池荷电状态(SOC)修正ECMS等效因子的显示自适应求解模型,针对仅基于SOC反馈修正等效因子的不足,引入相邻时段平均功率作为ECMS等效因子前馈调节变量,通过研究相邻时段平均功率、前一时段电池充放电行为,以及不同电池SOC实时值和参考值等因素对等效因子修正机制的影响,提出基于多模糊控制器切换的ECMS等效因子自适应求解方法,根据电池SOC和前一时段车辆平均功率制定各模糊控制器的切换逻辑,以当前时段与前一时段的平均功率比、前一时段电池SOC变化量为各模糊控制器输入,基于标准循环工况的全局优化结果确定模糊控制参数。基于不同标准循环工况的仿真结果表明,相较于无功率比修正的AECMS,本文提出的PR-AECMS使整车在大范围工况下具有更优越的等效燃油经济性和电池充放电平衡特性,有效提高了ECMS策略的工况适应性。

复合翼无人机混合动力系统能量管理策略设计

以某最大起飞质量为25 kg的复合翼无人机混合动力系统为研究对象,基于MATLAB/Simulink平台搭建动力系统关键部件数学模型、集成复合翼无人机混合动力系统级仿真模型,依据复合翼无人机在多点悬停作业场景下的飞行任务要求,设计相应的飞行任务剖面与基于等效燃油最小消耗的能量管理策略,进行仿真试验验证。结果表明:基于等效燃油最小消耗能量管理策略的无人机动力系统的油门跟随性良好,满足无人机实际运行需要;动力电池荷电状态可以维持在设定值附近,相对误差小于1.5%;相比基于规则的能量管理策略,基于等效燃油最小消耗管理策略的混合动力系统无人机在点对点飞行和多点悬停作业2种飞行工况下的燃油消耗分别下降了6.07%、5.49%。

一种基于可变等效因子的燃料电池汽车等效燃料消耗最小策略

为了改进燃料电池汽车的燃料经济性与环境适应性,基于等效燃料消耗最小策略,开展了燃料电池汽车能量管理与优化算法的研究。首先,基于车辆动力学模型求解得出的输出功率或制动回收功率,计算系统的等效燃料消耗,并将其作为优化目标,以期实现经济性最优的功率分配;其次,为了适应不同的环境工况,基于等效因子的实际物理意义,提出了随蓄电池荷电状态变化的可变等效因子,使燃料电池汽车能在更好地维持荷电状态的同时,可更充分地利用蓄电池空余能量。WLTC(worldwide harmonized light vehicles test cycle)和CATC(China automobile test cycle)等标准行驶工况下的仿真结果表明,所提出的基于可变等效因子的等效燃料消耗最小策略,可以满足燃料电池汽车降低氢耗、保持蓄电池荷电状态的功能,实现了能量管理与优化,具有较好的工况适应能力。

基于粒子群优化的模糊自适应等效油耗最小能量管理策略

为提高等效燃油消耗最小能量管理策略(ECMS)对不同工况的适应能力,提出一种基于粒子群算法优化的模糊自适应等效燃油消耗最小的能量管理策略(PSO-fuzzy A-ECMS)。以基于SOC反馈原理对等效因子进行比例调节方法为基础,针对仅依靠SOC反馈的等效因子调节方式存在一定局限性的问题,引入模糊控制以需求功率和SOC为输入对比例系数进行调节,利用粒子群算法优化模糊控制器中的隶属度函数,减少模糊控制在能量管理应用中对专家经验的依赖,最后在标准循环工况下进行仿真。仿真结果显示:相较于基于SOC反馈的等效因子修正方法,本文提出的PSO-fuzzy A-ECMS策略能够维持SOC在合理区间内变化,在燃油经济性和电池充放电平衡方面能够取得更好的控制效果。

融合工况预测的混合动力拖拉机自适应能量管理策略

针对传统等效燃油消耗最小策略(ECMS)下等效因子取值固定和工况适应性差的问题,提出了一种融合拖拉机工况预测的自适应等效燃油消耗最小策略(PA-ECMS)。以搭载混合动力液压机械无级变速动力总成的大马力拖拉机为研究对象,将ECMS策略应用于混合动力拖拉机的动力分配。首先,基于径向基(RBF)神经网络,建立了拖拉机工况预测模型,通过历史工况预测未来一段时间的工况信息;接着,结合电池荷电状态(SOC)反馈和预测的工况信息,对等效因子进行自适应调整;最后,在PA-ECMS策略框架下,对混合动力拖拉机的功率进行优化分配。仿真结果表明:与固定等效因子的ECMS策略和仅基于SOC反馈的自适应等效燃油消耗最小策略(A-ECMS)相比,采用所提策略时拖拉机在犁耕工况下的油耗分别降低了6.30%和2.55%,且具有更好的电量维持性能。

ISG-FHEV等效燃油消耗最小控制策略

为了有效提高ISG重度混合动力汽车(full hybrid electric vehicle assisted by an integrated starter generator,ISG-FHEV)发动机和电机驱动系统效率以及整车的燃油经济性,设计了一种等效燃油消耗最小控制策略(equivalent consumption minimization strategy,ECMS);在分析ISG-FHEV功率分流模式的基础上,同时考虑发动机和电机驱动系统效率,构建出包含发动机和电机驱动系统的功率分配、ISG电机和主电机间的功率分配两个控制变量的整车等效燃油消耗最小目标函数;引入庞特里亚金极小值原理(pontryagin’s minimum principle,PMP)并加入电池SOC偏差控制确定等效因子;最后,进行了仿真和对比分析;结果表明,与基于规则的控制策略相比,发动机效率提高9%,ISG电机和主电机总效率提高11.4%,百公里耗油量降低9.98%。

基于FA的等效燃油消耗最小控制策略优化

为了提高混合动力汽车的燃油经济性,研究了基于萤火虫算法(firefly algorithm,FA)优化的等效燃油消耗最小控制策略(equivalent fuel consumption minimization strategy,EFCMS).以并联式混合动力汽车为研究对象,运用萤火虫算法对等效燃油消耗最小控制策略的等效因子以及电池荷电状态(state of charge,SOC)进行优化,实现了并联式混合动力汽车的能量优化控制.在Matlab/Simulink中搭建整车模型进行仿真,结果表明:UDDS(urban dynamometer driving schedule)、NEDC(new European driving cycle)、HWFET(highway fuel economy test)这3种工况下,与优化前相比,节油率分别达到了28.6%、25.5%、16.9%;基于FA的等效燃油消耗最小控制策略相比于传统的等效燃油消耗最小控制策略,可以有效提高燃油经济性,电池SOC可以更好地维持在目标值附近.

基于DL-MOPSO算法的等效燃油消耗最小能量管理策略优化研究

等效燃油消耗最小能量管理策略(ECMS)的优化问题,是一个不连续、非可导的内外层嵌套多目标优化问题,为进一步提高整车燃油经济性,同时使电池具有良好的电量保持性能,提出一种内外层嵌套的双层多目标粒子群算法(DL-MOPSO)对充放电等效因子和功率分配方式同时进行寻优。仿真结果表明,与传统的穷举法相比,DL-MOPSO算法寻优获得的ECMS可提高整车燃油经济性10. 28%,且SOC终值与目标值差为0. 001 9,有效保持电量平衡。最后分析了惩罚函数中β参数对ECMS寻优的影响,对β参数的取值具有一定指导意义。

基于变等效因子的PHEV等效燃油消耗最小策略

针对一种并联式混合动力汽车(Parallel Hybrid Electric Vehicle,PHEV),基于庞特里亚金极值原理(Pon-tryagin’s Minimum Principle,PMP),在行驶工况已知前提下,设计了一种基于恒等效因子的等效燃油消耗最小控制策略(Equivalent Consumption Minimization Strategy,ECMS)。为改善该策略对工况变化的适应性,在分析等效因子、实际工况和电池荷电状态(State of Charge,SOC)相互关系的基础上,采用SOC惩罚函数对等效因子进行在线调整,得到了一种基于变等效因子的ECMS。仿真结果表明:所设计的基于变等效因子的ECMS,能够使发动机运行点大部分集中在最优曲线上,电池SOC波动较小,与基于恒等效因子的ECMS相比,发动机效率提高3%,整车系统效率提高0.5%,百公里耗油量降低4.5%,提高了对行驶工况的适应性。

基于模糊控制的ISG-FHEV等效燃油消耗最小策略

针对ISG重度混合动力汽车,设计了一种基于模糊控制的等效燃油消耗最小策略,以提高发动机和电机驱动系统效率以及整车的燃油经济性。通过对整车等效燃油消耗的分析,构建了整车等效燃油消耗最小目标函数;引入模糊控制对等效因子进行调整,加强等效因子对行驶工况的适应性和对电池荷电状态的偏差控制。仿真结果表明,所设计的控制策略与常规ECMS相比,发动机效率提高8.3豫,电机驱动效率提高11.1%,百公里耗油量降低8.4%。

多旋翼混合动力无人机自适应能量管理策略仿真

为提高多旋翼混合动力无人机的运行稳定性、输出动力性和能量利用率,利用GT-Power和Simulink进行模型联合搭建,对比基于规则的能量管理策略及等效燃油最小消耗能量管理策略(Equivalent consumption minimization strategy,ECMS),设计开发了基于BP(Back propagation)神经网络优化的自适应ECMS(Adaptive-ECMS,A-ECMS)。仿真研究表明:A-ECMS在运行稳定性上,整体工况转速波动率为7.74%,较基于规则策略和ECMS都有明显降低;A-ECMS在复合扰动下和随机紊流下转速波动率分别为8.32%、7.18%,与基于规则策略和ECMS相比在突发工况下运行更为稳定。A-ECMS能有效提高混合动力系统动力性能,使发动机处于经济工况10 kW;可根据荷电状态(State of charge,SOC)变化实时对电池功率进行调整。A-ECMS平均燃油消耗率为297.585 g/(kW⋅h),整体燃油消耗量为3755.31 g,与基于规则策略和ECMS相比明显较低,在各工况下运行时发动机工况点集中于燃油经济区,有效提高了系统经济性。

面向案例消耗推理的应急物资预测

面向案例推理(Case-Based Reasoning,CBR)的应急物资需求预测中,针对老旧案例影响推理结果精确度的问题进行了研究,给出了一种基于消耗策略的案例推理的应急物资预测方法。通过粗糙集属性依赖度的计算确定了案例属性之间的权重系数;针对地震应急数据特征提出了一种消耗策略的定义,确定消耗函数、消耗参数和消耗区间参数,采用消耗策略对各案例间的相似度进行优化调整,减小老旧案例的权重,进而不同程度地削弱老旧案例对案例匹配结果的影响,再从案例库中检索到与目标案例匹配的最佳源案例,从而决策出目标案例的处理方案;通过进行地震实例分析,验证了参数调节后的案例消耗推理的预测结果精度更高。该方法在应急救援的物资预测中有一定的借鉴意义。

混合动力汽车工况识别自适应能量管理策略

为改善传统等效燃油消耗最低策略(ECMS)在真实复杂路况下的控制效果,以并联混合动力汽车为研究对象,提出了一种依据工况变化在线调整等效因子的自适应等效燃油消耗最低(A-ECMS)控制策略。首先,提取差异化显著的工况特征参数,采用聚类分析方法来完成工况分类,构建典型工况库,计算出各典型工况对应的最优等效因子;然后,采用学习向量量化(LVQ)神经网络设计了工况识别器,经充分训练后识别器准确率达到98.8%;最后,在线采集选定的车辆行驶特征参数,将当前实际工况识别为典型工况库中某一种,采用对应典型工况下的最优等效因子作为当前优化输入,建立了基于工况识别的A-ECMS控制策略。仿真结果表明:与ECMS相比,在单一给定工况下,A-ECMS燃油经济性降低了0.8%,而电池组荷电状态(SOC)提高了0.13%,能取得近似优化效果;在多工况联合工况下,燃油经济性提高了4.18%,且SOC波动减小了43.26%,证明了A-ECMS控制策略的优越性。