原文传递
考虑模式切换频次的新型双电机PHEV实时能量管理策略
| 论文题名： | 考虑模式切换频次的新型双电机PHEV实时能量管理策略 |
| 关键词： | 插电式混合动力汽车;能量管理;模式切换频次;模型预测控制;人工神经网络 |
| 摘要： | 混合动力专用变速箱（Dedicated Hybrid Transmission,DHT）具有驱动方式灵活多变和结构布置紧凑等优势，是发展高性价比插电式混合动力汽车（Plug-in Hybrid Electric Vehicle，PHEV）的重要技术路径，但其多模驱动方式使得传统PHEV能量管理策略（Energy Management Strategy，EMS）的计算实时性与优化精度难以满足要求，并且存在系统工作模式频繁切换的工程实际问题，距离算法实车在线应用还存在较大差距。本文依托国家重点研发项目开发的某双电机多模PHEV为研究对象，结合模型预测控制和人工神经网络算法，研究考虑模式切换频次的新型双电机PHEV能量管理策略。本研究主要内容包括： （1）分析新型双电机PHEV可行工作模式及其能量流，建立了驾驶员模型、车辆纵向动力学模型、动力部件模型（发动机模型、电机模型、电池模型）。 （2）针对传统能量优化算法中出现的两类非期望工作模式切换现象（切换前后节能效果提升较小但涉及作动部件较多的切换、短时间内连续发生的模式切换），分别设计转移矩阵型和指数型模式切换频次抑制函数；在此基础上设计考虑模式切换频次的动态规划能量管理算法（Dynamic Programming-Mode Transition Frequency-Constrained EMS,DP-MTC），UDDS（Urban Dynamometer Driving Schedule）工况的仿真表明，该算法较DP算法模式切换次数显著降低53.1%、百公里油耗有2%的轻微增加。 （3）为提升算法的实时可用性，进一步开发基于多神经网络的PHEV切换频次-能量消耗实时优化策略（EMS based on Multi-Neural Networks with Mode Transition Frequency Constrained，MNN-MTC），其包括基于斜率分析的能量管理快速求解算法（Slope Analysis-based Iterative EMS,SA-EMS）、基于长短期记忆神经网络的车速预测和基于学习矢量量化神经网络的实时模式切换频次抑制因子预测三个模块。仿真结果表明，相较于DP-MTC策略，UDDS工况下切换频次、百公里油耗最大偏差在2%以内，计算时间缩短96.5%。 （4）搭建了基于NI架构的能量管理算法硬件在环仿真平台并对MNN-MTC进行测试，结果表明该策略实时性满足要求，且结果与理论仿真基本一致。 |
| 作者： | 夏佳琪 |
| 专业： | 车辆工程 |
| 导师： | 王峰 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江苏大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
