原文传递
混合动力汽车参数匹配及控制策略研究
| 论文题名： | 混合动力汽车参数匹配及控制策略研究 |
| 关键词： | 混合动力汽车;整车设计;参数匹配;控制策略 |
| 摘要： | 在全球能源短缺、环境恶化、排放法规日益严格的背景下，节能环保成为汽车工业发展的主题，发展新能源汽车已成为当下潮流。混合动力汽车因兼具纯电动汽车与传统汽车的优点成为当前研究热点，其中增程式汽车被认为是从传统的燃油汽车向纯电动汽车过渡的理想车型，因此本文以增程式汽车为研究对象，展开参数匹配设计和控制策略及优化研究。 首先根据整车基本参数和性能指标设计要求，结合汽车理论及电动汽车设计相关知识，对增程式汽车各驱动部件进行选型匹配及参数设计。 其次基于GT-Power软件建立发动机性能仿真模型，经过实验标定，平均误差不超过5%，满足工程精度要求。进一步根据增程式汽车整车结构及参数通过GT-Drive建立整车性能仿真模型。利用MATALAB/Simulink软件分别搭建基于功率多点控制策略模型、基于车速多点控制策略模型、模糊控制策略模型，同时构建GT-Drive与Simulink联合仿真平台，对仿真结果进行分析，结果验证了参数匹配选型的合理性及控制策略的正确性。 然后以发动机油耗和NOX排放最小为优化目标，通过遗传算法进行多目标优化，结果表明，三种控制策略优化后的油耗量与NOX排放量均较优化前有一定程度的降低。基于功率多点控制优化效果最为明显，油耗下降8.89%，NOX下降5.67%；基于车速多点控制发动机油耗最小，且NOX排放也相对较优。 最后，针对上述基于车速多点控制策略的优化参数在复杂工况下适用性较差问题，采用层次聚类以及对比分析的方法，建立适用于增程式汽车的典型行驶工况，通过遗传算法获取分类后的5种典型工况最优控制参数。采用BP神经网络作为工况识别器对典型行驶工况进行离线训练，研究工况识别问题中采样窗口时长、预测时长与工况识别正确率之间的关系。在充分训练后，工况识别器对单一场景工况的识别正确率可达99.6%、对复杂组合工况的识别正确率可达88.44%。在NEDC循环工况下进行工况识别自适应控制策略仿真分析，结果表明，与无工况识别策略相比，发动机油耗、NOx排放量分别降低4.76%、2.78%。 |
| 作者： | 程财 |
| 专业： | 动力机械及工程 |
| 导师： | 侯献军 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2020 |
检索历史
应用推荐
