详情

原文传递基于工况识别的自适应改进型ECMS控制策略研究

论文题名：	基于工况识别的自适应改进型ECMS控制策略研究
关键词：	混合动力汽车;工况识别;动态规划;A-I-ECMS控制
摘要：	近年来，雾霾一直深深刺痛着人们的神经，能源和环境问题的解决已刻不容缓;目前，业界普遍认为机动车辆节能减排技术推广是解决两大问题的有效方案之一。其中混合动力汽车(Hybrid Electric Vehicles，HEV)以长续航、不依赖基础设施增建等优势受到公众欢迎。2017年“沃德十佳发动机”获奖名单中混合动力系统连续两年占据三席;国内2016年出台的“十三五规划”中明确提出至2020年起，所有生产的燃油车辆必须实现“微混化”，由此可见混合动力技术的应用已成为发展趋势。本文依托国家自然科学基金项目，针对并联混合动力汽车，以最优燃油经济性为目标，在线实时运用为要求，提出一种基于工况识别的自适应改进型瞬时等效燃油消耗最低(Adaptive Improved Equivalent Consumption Minimization Strategy,A-I-ECMS)控制策略。　　本文首先分析了动力系统的发动机、电机、动力电池等部件数学模型，在此基础上基于ADVISOR仿真软件进行二次开发，采用数学建模和实验建模相结合的方法，构建起动力系统关键零部件的仿真模型，搭建整车燃油经济性仿真平台，为后续车辆控制策略研究和仿真验证提供了基础。　　其次设计基于动态规划（dynamic programming，DP）理论的全局优化控制策略，维持车辆电池SOC不变条件下基于定工况进行仿真，分析车辆燃油经济性极值，并获得全局优化下车辆动力部件的工作状态和参数;介绍瞬时等效燃油消耗最低策略ECMS的基本理论，并利用全局优化下动力部件工作参数来优化计算ECMS策略的等效因子，建立等效油耗的优化目标函数，提出改进型ECMS(I-ECMS)控制策略，并在NEDC工况下分别与传统规则控制策略、传统ECMS控制策略进行仿真分析类比。结果表明:相比于规则控制策略，SOC虽多降低了4.36％，燃油经济性却提高了10.83％;与传统ECMS类比，燃油经济性提高了3.21％，且SOC少降低了1.48％。　　由于I-ECMS策略最优结果只针对某单一工况，为提高策略在复杂工况下的适应性，需要策略根据车辆运行工况的不同，实时调整等效因子，由此设计工况在线自适应识别器，分别引入工况分类和模式识别:首先将十六种标准循环工况组成样本工况库，选取差异化显著的特征参数，利用等价关系聚类分析将样本工况库分类成六种典型代表工况，并分别计算各典型工况下的最优等效因子，完成工况分类;然后利用样本工况库数据做训练样本设计神经网络识别器，用来做模式识别，充分训练后识别器准确率达到98.8％。　　将工况分类和模式识别引入I-ECMS策略，抓取车辆实际行驶中的工况特征参数输入模式识别器，将当前行驶路况识别为典型代表工况中一类，然后利用该类工况对应的等效因子作为优化参数输入I-ECMS控制策略中，由此建立基于工况识别的自适应改进型ECMS控制策略(A-I-ECMS)。多工况下联合仿真结果表明:对比I-ECMS策略，A-I-ECMS策略燃油经济性提高了4.18％，并降低SOC值43.26％的波动。证明A-I-ECMS控制策略具有良好控制效果。
作者：	韩海硕
专业：	机械工程；车辆工程
导师：	邓涛
授予学位：	硕士
授予学位单位：	重庆交通大学
学位年度：	2017
正文语种：	中文