Plug-in混合动力汽车能量管理策略优化设计

应用PSAT前向仿真软件及矩阵分割全局优化算法,对并联式Plug-in混合动力汽车(PHEV)在不同电能消耗续驶里程(CDR)下的能量管理策略进行了优化设计研究。结果表明:PHEV电能消耗续驶里程越大,优化控制参数对整车经济性影响越小;小CDR优化控制参数的整车平均经济性能好于大CDR优化控制参数;利用优化设计得到的PHEV能量管理策略可以使整车平均等价油耗降至2.70 L/(100 km),相对于原型车经济性提高了近58%。

Plug-in混合动力汽车动力总成优化设计研究

应用PSAT前向仿真软件,建立了双离合器式并联PHEV仿真模型。在确定了PHEV整车性能约束条件并对动力总成主要部件进行了成本分析之后,对不同全电力续驶里程和动力电池类型的PHEV动力总成进行了优化。结果表明:动力电池设计容量对整车成本影响最大,而它主要取决于所要求的全电力续驶里程;随着所要求的全电力续驶里程的增大,所需电机最大输出功率升高,而发动机最大输出功率则降低。

Plug-in混合动力汽车动力系统参数匹配

以并联型Plug-in混合动力电动汽车(PHEV)为研究对象,提出了其动力驱动系统参数匹配的原则和实施方法.采用该方法对某型轿车动力总成参数进行了匹配,使用电动汽车仿真软件ADVISOR对整车性能进行仿真计算.仿真结果表明:Plug-in混合动力轿车动力性与原车相当,经济性与原车相比有很大提高,达到预期开发目标.

Plug-in混合动力汽车能量管理策略全局优化研究

应用动态规划全局优化算法,针对并联式Plug-in混合动力汽车在不同行驶里程下的能量管理策略进行了全局优化研究。结果表明:车辆的行驶里程小于55km时应使用电动机为主的能量管理策略,当车辆的行驶里程大于55km时应使用发动机为主的能量管理策略;在动态规划最优控制下,车辆行驶里程为55km时整车经济性能最佳,行驶里程小于110km时整车平均等价油耗为2.7L/100km,相对于原型车经济性提高了近58%。

Plug-in混合动力汽车动力系统参数设计成本效益分析

基于成本效益分析,以年均使用成本和初始成本作为评价指标,建立插电式混合动力汽车(PHEV)动力系统设计分析模型,对PHEV动力系统纯电动续驶里程和能量储存装置参数的进行设计分析。以Prius为分析对象,结果显示当PHEV纯电动续驶里程等于汽车的日行驶里程时,节油量最大且年均成本最小,同时也得到了国内个人交通出行数据统计对PHEV设计的重要性。能量储存装置的容量、放电深度和功率对PHEV质量和初始成本均有较大影响,基于功率/能量比(RP/E)分析了能量储存装置参数对PHEV动力系统成本的影响。

Plug-in混合动力汽车辅助功率单元控制研究

针对一种由汽油发动机、永磁同步发电机及不可控整流器构成的插电式混合动力汽车(Plug-in HybridElectric Vehicle,简称PHEV)辅助功率单元结构,在插电式串联混合动力汽车构型分析和选型基础上,设计了基于静态数据的前馈控制支路和PID反馈控制构成的辅助功率单元(APU)输出电流闭环控制器结构。实验结果表明,与传统PID控制相比,应用前馈+PID控制方法,辅助功率单元具有较好的输出电流动态特性,同时在一定程度上保证了发动机转速的稳定。

基于粒子群算法的Plug-in混合动力汽车能量管理策略优化研究

基于对混合动力汽车能量管理策略优化的目的,建立了丰田Prius Plug-in混合动力汽车的MATLAB/Simulink数学模型,用数学公式描述了系统优化控制问题,采用粒子群优化算法对该包含众多约束条件的非线性优化问题进行了求解,利用PSAT专业软件对比分析了基本型优化控制算法、改进型优化控制算法和规则控制算法等的控制效果及燃油经济性。结果表明,经过优化后的Plug-in混合动力汽车在不牺牲汽车各项性能的前提下能提高动力系统工作效率。

基于TD3-PER的氢燃料电池混合动力汽车能量管理策略研究

为优化氢燃料电池混合动力汽车的燃料经济性及辅助动力电池性能,提出了一种基于优先经验采样的双延迟深度确定性策略梯度(TD3-PER)能量管理策略。采用双延迟深度确定性策略梯度(TD3)算法,在防止训练过优估计的同时实现了更精准的连续控制;同时结合优先经验采样(PER)算法,在获得更好优化性能的基础上加速了策略的训练。仿真结果表明:相较于深度确定性策略梯度(DDPG)算法,所提出的TD3-PER能量管理策略的百公里氢耗量降低了7.56%,平均功率波动降低了6.49%。

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。

混合动力汽车能量管理策略研究

针对混合动力汽车能源管理策略中能量分布不合理的现象,同时降低混合动力汽车的能耗和电池寿命衰减率,在动力系统结构的基础上,提出了一种将RBF神经网络和动态规划方法相结合用于混合动力汽车的能量管理策略。RBF神经网络用于在预测时域中预测车速,获得预测时域中的车辆需求扭矩,动态规划方法用于优化求解预测时域,实现合理分配发动机和电机扭矩。通过仿真与传统能源管理策略进行比较,验证了该方法的优越性和准确性。实验结果表明,与传统策略相比,提出的能源管理策略可以显著提高燃油经济性,降低能耗15.47%,具有实际应用潜力。

混合动力汽车无法READY的故障诊断

随着环保意识的增强和能源危机的加剧,新能源电动汽车技术迅速发展,已成为当前汽车工业的重点研究方向。作为新能源汽车类型之一的混合动力汽车,其结构组成既有传统汽车结构又有电动汽车结构,加上电子控制系统复杂,其故障诊断对专业技术人员的要求非常高。首先阐述混合动力汽车动力系统的基本组成和工作原理,并分析混合动力汽车电池系统的组成和控制原理,以普锐斯混合动力汽车无法READY (准备就绪)故障为例,基于故障诊断基本策略方法,借助故障诊断设备进行故障原因分析和诊断,为同行提供一种混动汽车的故障诊断思路,具有一定的参考价值。

中国混合动力汽车动力总成技术进展

在国家政策与市场需求的双重驱动下,2021年以来,中国品牌混合动力汽车动力总成技术实现突破,围绕中国市场特点与消费者用车习惯推出一批具有中国特色、世界范围内领先的混合动力汽车产品。近期混合动力汽车市场销量呈爆发式增长,2023年中国市场混合动力乘用车销售超300万辆,同比增长83%。然而,受近年来汽车领域电动化浪潮影响,行业内尚存关于混合动力汽车仅为过渡性技术的观点,部分消费者对国产混动汽车技术产品力仍存质疑。为纠正对混合动力汽车的片面性、偏见性认识,该文围绕中国混合动力汽车动力总成技术路线展开,聚焦多样化的混动架构与专用化的核心部件,提出新的混合度定义作为动力总成电气化程度的统一评价标准,探讨国内外主流混动技术异同,剖析当下中国最前沿的混动技术特点与发展趋势,厘清中国混动汽车动力总成的发展脉络。研究表明:中国式混动汽车以大容量动力电池与插电式混合动力为技术特色,实现发动机、电机两大驱动动力源以及动力电池、增程系统两大动力能量源的灵活混合与优势互补。与纯内燃机车相比,得益于电驱动技术辅助,混合动力汽车聚焦提高发动机热效率、发动机高效区利用率以及整车燃油经济性。与纯电动车相比,混合动力汽车则基于发动机的增程发电,以高性价比和高便利度解决纯电动车的补能焦虑;并通过结合发动机直驱、变速器动力放大等机械驱动技术,以更低的硬件成本实现更稳定的强劲动力输出。混合动力汽车的独特优势使其作为长期性技术路线,将成为带动汽车产业向碳中和方向转型升级的关键,该文对当下市场的深度分析和未来趋势的理性推测将为中国混动技术的进一步发展提供有益参考。

功率分流式混合动力汽车能量管理策略研究

混合动力汽车同时采用内燃机和电机作为驱动源,可以同时克服传统内燃机工作效率低和纯电汽车行驶里程短的问题。如何对两种驱动源进行合理分配成为了混合动力汽车能量管理的关键问题。这里针对一款复合功率分流式动力系统搭建了AMESim和MATLAB/Simulink的联合仿真平台,并在NEDC和WLTC工况下仿真分析了基于规则的CS能量管理策略和基于动态规划算法的能量管理策略。得出基于动态规划算法的能量在NEDC和WTLC下工况的最优燃油消耗量分别为5.77L/100km,6.57L/100km;相较于规则控制策略分别降低了4.15%、6.3%。

基于KL散度工况识别的混合动力汽车队列的分层控制

针对混合动力汽车队列行驶过程中工况的适应性问题,提出了一种基于KL(Kullback-Leibler)散度工况识别的分层控制方法。上层控制器利用车—车通信技术,获取队列中前车状态信息,采用模型预测控制(MPC)算法,实现队列纵向控制,并计算出最优跟车车速;下层控制器基于典型工况,离线求解需求功率的转移概率矩阵,并通过Q-Learning算法训练最优Q表嵌入整车模型中;在行驶中以固定时间长度在线更新转移概率矩阵,采用KL散度进行工况识别,根据识别的工况类型,结合当前时刻车速、需求功率和电池荷电状态(SOC),通过在线查表实现转矩分配。结果表明:与未考虑工况识别策略相比,本策略的油耗降低了8.6%;与作为基准的动态规划(DP)相比,增加了4.8%;在与DP油耗基本保持相同的前提下,该策略离线仿真时间缩短21%,不仅能够在线应用,还能实时适应工况变化。

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%。

混合动力汽车转向稳定性多传感器融合控制技术

为了满足汽车行驶稳定性要求,当前依托于单一传感信息进行转向控制,容易忽略很多影响因素,使得控制后汽车转向质心侧偏角依旧较大。因此,混合动力汽车提出转向稳定性多传感器融合控制技术。考虑混合动力汽车转向过程中的动态特性,构建转向动力学模型,并计算出车辆理想横摆角速度。深入分析横摆角速度、滑移率对车辆转向稳定性的影响,得出期望的横摆力矩和滑移率调整力矩。将汽车转向稳定性控制问题看作二次规划问题,结合BP神经网络和常规PID控制器,设计转向稳定性控制算法,利用车辆转向参数的理想值、实际值和偏差值推算出稳定性控制参数。结合融合多传感器实时采集信息,推算出汽车转向姿态误差代入控制结构中,给出优化后的控制参数。实验结果表明:新提出的控制技术应用后,车辆转向的质心侧偏角不超过±0.012 rad/s,满足了混合动力汽车转向行驶要求。

混合动力汽车电子控制系统故障维修策略研究

混合动力汽车作为一种结合传统内燃机与电动机优势的交通工具,逐渐成为汽车市场的重要组成部分。这种车型因其较低的排放和较高的燃油效率受到重视,能够实现不同动力系统的无缝切换。然而,混合动力汽车所依赖的复杂的电子控制系统带来了维护和故障诊断方面的新挑战。该文探讨混合动力汽车电子控制系统的结构、工作原理、常见故障及维修策略,并提出有效的故障预防措施,旨在更好地维护和优化这种复杂的电子控制系统,提高混合动力汽车的性能。

《混合动力汽车结构与检修》课程混合式教学模式研究

教育信息化是我国高等职业教育的主要发展趋势,有助于教师运用信息化技术,完善并改进教学模式,拓展和延伸传统的教学理念。信息化技术的融入到《混合动力汽车结构与检修》等职业技术课程教学中,成为提高学生实操技能,培养学生专业解决问题能力,提升课堂教学效率的关键途径。这一教学改革可以更好地适应技术发展的需求,培养出适应我国社会主义现代化建设,特别是汽车行业新能源发展方向的高技能人才。因此,深入探究混合式教学模式的理论内涵、挖掘线上线下相结合的教学模式在《混合动力汽车结构与检修》课程中的功能和作用,能够助力教师更好地理解和应用这一教学模式,从而有效地提高教学质量和学习效果。

功率分流式混合动力汽车整车参数匹配与优化研究

针对功率分流式混合动力汽车,首先根据整车设计参数及动力性能目标要求,分别对电机、动力电池组、发动机、主减速器和行星排等传动系统部件进行参数匹配,并运用AVL-Cruise软件建立目标车辆整车模型;其次在满足动力性能目标的前提下,运用AVL-Cruise和Isight软件搭建联合仿真模型,分别采用粒子群优化算法和多岛遗传算法,将行星排特征参数和主减速器传动比作为优化参数,百公里油耗和电耗加权之和作为优化目标进行优化研究,并对比分析2种优化算法的计算结果来获得兼顾动力性能和经济性的最优结构参数,为研究功率分流式混合动力汽车传动系统提供理论依据。

基于DBO-MPC的混合动力汽车能量管理策略

混合动力汽车(hybrid electrical vehicle,HEV)的能量管理策略直接决定了车辆的燃油经济性、驾驶性能和寿命,为解决HEV能量管理策略的最优性与实时行驶工况不确定性之间的矛盾,以混联式HEV为研究对象,提出一种基于模型预测控制(model predictive control,MPC)与蜣螂优化算法(dung beetle optimizer,DBO)的HEV能量管理策略。首先,该策略采用基于堆叠式长短时记忆神经网络(stacked long-short term memory neural network,Stacked LSTM-NN)的车速预测模型预测未来行驶车速。其次,根据预测车速将混合动力汽车的功率分配问题描述为MPC预测范围内的滚动优化问题,提出考虑燃料消耗和电池保护的成本函数,利用DBO算法对预测时域内发动机功率进行优化求解。最后,在城市道路循环(urban dynamometer driving schedule,UDDS)工况下分别对所提策略的车速预测精度和经济性与其他策略进行仿真对比验证。结果表明:与传统LSTM速度预测模型相比,Stacked LSTM速度预测模型的RMSE降低了13.9%,每步平均预测时间减少1 ms;与基于规则的策略相比,基于DBO-MPC的策略模型节油率达到25.3%,同时SOC状态波动更为平稳,对电池的保护效果更好。