A Novel Method for the Application of the ECMS(Equivalent Consumption Minimization Strategy)to Reduce Hydrogen Consumption in Fuel Cell Hybrid Electric Vehicles

Fuel cell hybrid electric vehicles are currently being considered as ideal means to solve the energy crisis and global warming in today’s society.In this context,this paper proposes a method to solve the problem related to the dependence of the so-called optimal equivalent factor(determined in the framework of the equivalent consumption minimum strategy-ECMS)on the working conditions.The simulation results show that under typical conditions(some representative cities being considered),the proposed strategy can maintain the power balance;for different initial battery’s states of charge(SOC),after the SOC stabilizes,the fuel consumption is 5.25 L/100 km.

Implementation of Radial Basis Function Artificial Neural Network into an Adaptive Equivalent Consumption Minimization Strategy for Optimized Control of a Hybrid Electric Vehicle

Continued increases in the emission of greenhouse gases by passenger vehicles have accelerated the production of hybrid electric vehicles. With this increase in production, there has been a parallel demand for continuously improving strategies of hybrid electric vehicle control. The goal of an ideal control strategy is to maximize fuel economy while minimizing emissions. Methods exist by which the globally optimal control strategy may be found. However, these methods are not applicable in real-world driving applications since these methods require a priori knowledge of the upcoming drive cycle. Real-time control strategies use the global optimal as a benchmark against which performance can be evaluated. The goal of this work is to use a previously defined strategy that has been shown to closely approximate the global optimal and implement a radial basis function (RBF) artificial neural network (ANN) that dynamically adapts the strategy based on past driving conditions. The strategy used is the Equivalent Consumption Minimization Strategy (ECMS), which uses an equivalence factor to define the control strategy and the power train component torque split. An equivalence factor that is optimal for a single drive cycle can be found offline with a priori knowledge of the drive cycle. The RBF-ANN is used to dynamically update the equivalence factor by examining a past time window of driving characteristics. A total of 30 sets of training data (drive cycles) are used to train the RBF-ANN. For the majority of drive cycles examined, the RBF-ANN implementation is shown to produce fuel economy values that are within ±2.5% of the fuel economy obtained with the optimal equivalence factor. The advantage of the RBF-ANN is that it does not require a priori drive cycle knowledge and is able to be implemented in real-time while meeting or exceeding the performance of the optimal ECMS. Recommendations are made on how the RBF-ANN could be improved to produce better results across a greater array of driving conditions.

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.

基于动态规划算法的混合动力汽车改进型ECMS能量管理控制研究

为改善混合动力汽车的燃油经济性,以耦合器侧的输入扭矩为研究对象,以最优化扭矩分配为目标,应用动态规划求出已知工况下并联型混合动力汽车全局最优的动力源工作状态,以此作为输入求得等效因子,并提出一种改进型瞬时等效燃油消耗最低策略(ECMS)。将电池充放电过程等效为虚拟的发动机运转过程,利用虚拟等效燃油消耗,建立改进型ECMS能量管理整车仿真模型,并与功率跟随策略和传统ECMS进行仿真分析比较。结果表明:对于改进型ECMS,相较于功率跟随策略,SOC降低了3.36%,燃油经济性提高了10.95%;相较于传统ECMS,SOC提高了1.48%,燃油经济性提高了3.20%。

基于工况识别的PHEV能量管理策略

为提升并联式混合动力汽车(parallel hybrid electric vehicle,PHEV)的燃油经济性,针对等效燃油消耗最小控制策略(equivalent fuel consumption minimum strategy,ECMS)在不同工况下适应性差的问题,以优化整车等效燃油消耗量为目标,设计基于工况识别算法的变等效因子ECMS能量管理策略。选取3类典型工况建立支持向量机分类模型,通过递归特征消除法对样本特征进行选择,采用鲸鱼算法对支持向量机进行参数优化,使用模拟退火算法分别对3类工况的ECMS等效因子进行离线全局最优求解,并分别存储于等效因子库中,通过训练好的支持向量机分类器对目标优化工况进行工况识别,不同类型的工况片段采用不同的等效因子进行转矩分配。仿真结果显示:相比于逻辑门限能量管理策略,基于工况识别算法的变等效因子ECMS能量管理策略的电池荷电状态(state of charge,SOC)变化量减少8.67%,节油率为13.11%;相比于优化前的ECMS策略电池SOC变化量减少3.47%,节油率约为6.63%。本文提出的基于工况识别算法的变等效因子ECMS能量管理策略可以有效地减少燃油消耗量,提升PHEV的整车经济性。

基于驾驶意图云模型识别的混合动力汽车A-ECMS的构建

基于驾驶意图云模型识别的自适应等效燃油消耗最小策略(A-ECMS),构建了一种混合动力汽车能量管理策略,并对该策略进行了仿真研究。采用云模型算法,识别驾驶意图,获取了典型行驶工况下的意图识别结果;以加权平均的方法,求得各意图下对应的等效因子;建立了等效因子查询表。结果表明:在新欧洲行驶循环(NEDC)工况下,相比于基于充电状态(SOC)反馈的A-ECMS策略,本策略的燃油经济性提高了1.3%;在自定义组合工况下也能取得近似ECMS策略的燃油经济性控制效果,且具有更好的SOC稳定性控制效果。因而,该A-ECMS策略提高了原来的等效燃油消耗最小策略(ECMS)的实用性,体现驾驶意图。

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%。

混合动力船舶等效油耗最小能量管理策略

为了降低混合动力船舶的燃油消耗,同时解决传统等效油耗最小能量管理策略(ECMS)易导致动力设备处于恶劣工况的缺点,提出一种利用逻辑门限值规则对混合动力系统工作模式进行预识别的改进ECMS,并采用改进的蚁群算法对充放电等效因子进行离线优化。在船舶典型航行工况下,通过MATLAB/Simulink建立的船舶仿真模型进行逻辑门限值能量管理策略、等效因子分别取经验值和优化值的改进ECMS的仿真分析。结果表明:等效因子寻优后的改进ECMS有更好的燃油经济性,同时也利于保证电池荷电状态(SOC)平衡和动力设备的效率。

智能网联混合动力汽车分层式节能优化控制

针对智能网联环境下混合动力汽车的能量优化控制,提出一种基于智能网联分层式能量管理策略。为减少红灯停车次数并降低制动能量损失,提出了上层控制器的预减速滑动控制以求解初始目标车速范围,进而采用PSO算法优化寻优,求解最优目标车速序列;为提高能量管理实时性,提出了下层控制器的基于逻辑门限规则改进等效燃油消耗最小策略。MATLAB与CRUISE的联合仿真结果表明,所提出的分层控制策略可避免车辆碰撞、闯红灯,并有效减少红灯停车次数,提高燃油经济性。在城市道路限速条件下,采用相同下层控制算法,上层控制算法较交通信号灯正时(SPAT)算法降低8.4%等效燃油消耗;采用相同上层控制算法,下层控制算法有着与等效燃油消耗最小策略(ECMS)相近的燃油经济性,但分层控制总计算时间成本降低21.7%。

双参数优化的混合动力汽车能量管理策略研究

为了挖掘新型功率分流式混合动力汽车能量管理策略的节能潜力,设计了一种双参数优化的等效油耗最低策略(AD-ECMS)。首先,提出并验证了发动机起停规则对整车经济性的影响。基于此,优化出一种改进型粒子群算法(ISPSO),根据对等效油耗和电量的实时跟踪,实现对最优等效因子及发动机起停规则的双参数求解。随后,提出了一种双参数优化的等效油耗最低策略,利用模糊控制器识别当前工况特征,通过在线更新等效因子和发动机起停规则,实现经济性能量管理。最后,与ECMS策略、A-ECMS策略进行仿真对比及实验验证,结果表明:AD-ECMS策略在整车经济性和电量平衡性上,都具备更好的控制效果。

基于遗传算法优化的汽车转矩系统节能协调控制研究

为了提高混合动力汽车的节能效果,在等效燃油消耗最小策略(ECMS)的基础上引入遗传算法(GA),设计了一种基于遗传算法优化电机转矩系统节能协调控制方法。以整车冲击度作为价值指标设置目标函数,通过GA获得最佳转矩优化参数,以优化模式运行阶段的电机转矩,减小冲击影响。研究结果表明:优化后电机转矩达到了稳定低值,实现了系统误差补偿的显著提升。对新欧洲驾驶循环(NEDC)和全球轻型汽车测试循环(WLTC)工况进行优化,可以对冲击度起到良好抑制作用,冲击度均下降幅度近44%。遗传算法优化等效燃油消耗最小策略(GA-ECMS)协调控制方案可以获得更优模式切换品质,也可以实现混合动力系统运行模式经济性的大幅提升。经实例验证,GA优化使电机保持更稳定转矩输出状态,对整车冲击度起到明显抑制效果,有效地协调控制汽车转矩系统,满足节能要求。

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。

Design and optimization of equivalent consumption minimization strategy for 4WD hybrid electric vehicles incorporating vehicle connectivity

This paper presents an optimized equivalent consumption minimization strategy(ECMS) for four-wheel-drive(4 WD) hybrid electric vehicles(HEVs) incorporating vehicle connectivity. In order to be applicable to the 4 WD architecture, the ECMS is designed based on a rule-based strategy and used under the condition that a certain propulsion mode is activated. Assuming that a group of 4 WD HEVs are connected and position information can be shared with each other, we formulate a decentralized model predictive control(MPC) framework that compromises fuel efficiency, mobility, and inter-vehicle distance to optimize the velocity profile of each individual vehicle. Based on the optimized velocity profile, an optimization problem considering both fuel economy and battery state of charge(SOC) sustainability is formulated to optimize the equivalent factors(EFs) of the ECMS for HEVs over an appropriate time window. MATLAB User Datagram Protocol(UDP) is used in the codes run on multiple computers to simulate the wireless communication among vehicles, which share position information via UDP-based communication, and dSPACE is used as a software-in-the-loop platform for the simulation of the optimized ECMS. Simulation results validate the control effectiveness of the proposed method.

基于运行模式和动态混合度的燃料电池混合动力有轨电车等效氢耗最小化能量管理方法研究

清洁环保的燃料电池混合动力有轨电车近年来受到极大关注,其高效的能量管理方法对混合动力系统性能起到至关重要的作用。传统等效氢耗最小化方法的荷电状态(state of charge,SOC)平衡系数通常采用恒定值,而有轨电车在大功率峰值需求和减速制动过程中,恒定的SOC平衡系数不能满足瞬时等效氢耗最小的指标要求,并且在未知有轨电车工况条件下最优SOC平衡系数无法确定。针对上述问题,建立基于燃料电池/锂电池的混合动力有轨电车动力系统模型,并通过分析SOC平衡系数与氢耗特性,提出一种基于运行模式和动态混合度的等效氢耗最小化能量管理控制方法。该方法通过划分有轨电车运行模式,分析不同运行模式下SOC平衡系数与瞬时氢耗的关系,在此基础上提出基于运行模式和动态混合度的等效氢耗瞬时优化方法。结合有轨电车典型工况,搭建RT-LAB实时仿真平台,开展有轨电车能量管理系统实时仿真,并与传统等效氢耗最小化方法进行对比分析。结果表明,所提出的能量管理方法能够根据有轨电车工况的实时变化而自动分配需求功率,并在不同初始SOC的情况下,满足等效氢耗量最小的性能指标要求,提高整车燃料经济性。

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。

基于等效油耗最小的四驱混合动力汽车能量管理

提出了一种基于遗传算法优化的四驱混合动力汽车等效油耗最小控制策略。针对四驱混合动力的特点,建立了整车动力学模型,设计了基于等效油耗最小的瞬时能量管理优化策略。为进一步提高四驱混合动力汽车的燃油经济性,采用遗传算法优化了等效油耗最小策略的关键参数。硬件在环仿真结果表明,基于遗传算法优化的等效油耗最小策略可以实现整车能量优化管理,与基于规则的能量管理策略相比,其在典型工况下的平均燃油经济性高8.94%,比优化前的等效油耗最小策略的燃油经济性高2.68%。

基于工况自适应的PHEV等效燃油最小策略

为改善插电式混合动力汽车(PHEV)的燃油经济性,提出一种基于瞬时优化能量管理策略的工况自适应方法。建立基于反向传播(BP)神经网络算法的工况识别模型,以电池电量平衡为约束条件,利用动态规划算法获取标准工况的等效燃油因子序列。根据基于工况识别模型的实时识别结果及电池荷电状态(SOC),利用插值法求解此时的等效燃油因子,实现了瞬时等效消耗最低控制策略(ECMS)的实时应用。结果表明:该文中所提出的方法与未考虑工况识别的传统等效燃油最小能量管理策略比较能很好改善燃油经济性并保证电池电量均衡,5种工况燃油经济性分别改善2.2%、2.5%、3.3%、2.4%和4.0%。

基于Willans Line的双轴驱动混合动力越野车实时能量管理

为了实现混合动力越野车的实时能量管理,建立了其动力系统的动力学模型,提出利用发动机和电机的Willans Line模型,建立基于WL-ECMS能量管理控制方法的发动机和电机最优输出功率模型。硬件在环试验结果表明,基于WL-ECMS的控制方法可以实现混合动力越野车基本的能量管理,车速跟随误差在合理的范围内,与基于ECMS的能量管理控制方法相比,其百公里油耗仅提高3.03%,与基于规则的能量管理控制方法相比,其百公里油耗低12.07%,且每一个时间步长程序的相对运行时间由基于ECMS方法的100下降到1.65,与基于规则方法的1.07相当,实现了混合动力越野车实时能量管理。

基于等效燃油消耗最小算法的并联式混合动力卡车控制策略

为提高混合动力卡车燃油经济性,解决等效燃油消耗最小策略实时性差的问题,针对某款混合动力卡车,在基于逻辑门限值控制策略基础上,结合等效燃油消耗最小策略( equivalent consumption minization strategies,ECMS),制定等效因子,引入电池电荷状态( state of charge,SOC)平衡策略,建立了基于 ECMS 算法的门限值控制策略,既保证了算法的实时性,又提升了控制效果。仿真结果表明,相比于门限值的能量管理策略时的百公里油耗,燃油经济性提升 5. 96%,所设计的控制策略能够在实现较好的燃油经济性的同时,维持电池 SOC 的平衡。

新型插电式混合动力轿车能量管理策略优化

针对一款新型插电式混合动力轿车,以燃油经济性为目标,设计了其能量优化管理策略并进行了仿真验证.首先,建立了整车前向仿真模型;其次,综合考虑驾驶员需求、车辆及各部件状态,设计了基于规则的能量管理策略;再次,使用等效燃油消耗最小算法(ECMS)进一步优化转矩分配;最后,通过离线仿真和硬件在环仿真对上述策略进行测试验证.结果表明:与基于规则的能量管理策略相比较,优化后能量管理策略在新欧洲行驶工况(NEDC)下油耗降低4.29%;同时硬件在环试验也表明,所开发的等效燃油消耗最小(ECMS)控制策略能够在车载控制器中实时运行.