原文传递
插电式P13混合动力汽车经济与排放协同控制策略研究
| 论文题名： | 插电式P13混合动力汽车经济与排放协同控制策略研究 |
| 关键词： | 插电式混合动力汽车;单踏板模糊控制;起停控制;遗传算法;神经网络;多目标优化 |
| 摘要： | 随着能源结构和汽车产业不断的转型升级，混合动力汽车已成为研究的热点问题，插电式串并联混合动力汽车兼具传统车辆长续航里程和电动汽车环保高效的优势，多动力源使车辆驱动模式更加多样，被认为是当今最具竞争力的新能源汽车之一。本文以插电式P13串并联混合动力汽车为研究对象，以CD-CS（ChargeDepleting-ChargeSustaining）能量管理策略为基础，同时考虑排放和油耗，对CD阶段和CS阶段控制策略进行优化，以提升整车综合性能。 为准确划定本研究的边界条件，对P13插电式串并联混合动力汽车系统构架和各部件参数进行了说明，为更准确的验证本文提出的控制策略，建立了整车纵向动力学模型、发动机MAP模型、电机及其效率模型、电池模型以及PI驾驶员模型，其中为定量判断本文优化算法的性能，通过台架试验测得发动机燃油消耗、NOX、CO以及HC的万有特性MAP。 阐述了基于CD-CS的整车能量管理控制策略以及模式切换构架，分析讨论了CD阶段与CS阶段的驱动特性，并对CD阶段和CS阶段进行优化设计和研究。首先，设计了一种单踏板模糊控制优化算法，即以驾驶员踏板开度及踏板开度变化率为模糊控制的输入，以电机扭矩修正系数作为模糊控制的输出，根据驾驶员意图进行合理的驱动和制动能量回收；然后，针对发动机起/停工况设计了一种基于逻辑门限和时间门限的发动机起/停控制策略，以控制发动机起/停的频率；最后，针对发动机稳定运行工况，设计了一种基于神经网络-遗传算法多目标优化的控制算法，即以发动机燃油消耗量和NOX排放量为优化目标，提出“综合指数”的概念，并以综合指数为优化对象，通过神经网络拟合和遗传算法寻优对发动机串联扭矩、转速进行优化，提升整车的综合性能。 通过仿真对各阶段优化算法进行验证，结果表明单踏板模糊控制在WLTC循环工况下能量利用率提升4.7%，在踏板开环控制工况下能量利用率提升43%；基于逻辑门限和时间门限的起/停控制策略降低了WLTC循环工况下的发动机起/停次数，仅为5次；应用基于神经网络-遗传算法的多目标优化控制算法后，综合指数达到2.99。经过优化后的控制策略使燃油消耗量和排放量均得到降低，整车综合性能得到提升。 |
| 作者： | 吴业振 |
| 专业： | 动力工程 |
| 导师： | 徐玉梁 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
