原文传递
混合动力汽车能量管理控制策略研究
| 论文题名： | 混合动力汽车能量管理控制策略研究 |
| 关键词： | 混合动力汽车;能量管理;模糊控制;工况识别 |
| 摘要： | 能源枯竭和环境污染是当今全球各个国家非常重视的两个问题，传统汽车作为我们日常的交通工具，给我们的生活带来便利的同时，大量使用导致全球石油资源持续减少，以及汽车尾气排放给人们身心健康带来危害。因此寻找一种可再生新能源汽车替代传统燃油汽车已成为了全球各国的目标。混合动力汽车(Hybrid electric vehicle, HEV)是新能源汽车类型之一，它有着传统燃油汽车和纯电动汽车的优势，成为了世界各大汽车行业的聚集点。能量管理策略是混合动力汽车的核心技术，它对整车的燃油经济性，驾驶性能和尾气排放性能起着决定作用。本文以并联式混合动力汽车为对象，开展基于工况识别的能量管理策略研究，具体研究内容如下： （1）建立混合动力汽车仿真模型。选择并联式 HEV 为目标车型，对整车关键部分进行原理分析并搭建其仿真模型，根据行驶时能量流动的方式与方向，划分了混动汽车的工作模型。设计了基于 CD-CS 能量管理策略并在仿真平台ADVISOR中验证所搭建模型的有效性。 （2）模糊控制策略的设计与优化。设计以总需求转矩与电池 SOC 为输入，发动机转矩为输出的模糊控制器控制车辆的扭矩分配。针对隶属度函数设计的主观性，本文将模拟退火与改进的粒子群算法结合对模糊控制参数进行优化。选择以百公里油耗量、电池 SOC变化以及尾气排放量为综合指标作为目标函数，确定该工况下的最优控制参数，实现对整车能量来源的最优分配。 （3）工况识别策略的研究。首先对工况特征参数进行处理，通过系统聚类的方法对标准工况进行分类，得到三种典型工况：城市工况，城郊工况和高速工况，采用主成分分析法的方法对特征参数降维处理。考虑到车辆实际行驶工况的多变性，采用模型在环的方式构建能量管理策略参数优化模型，建立了典型工况优化参数库。采用广义回归神经网络(GRNN)训练数据来建立工况识别器，将工况识别器与优化参数库结合，实现了整车模型能够根据当前行驶工况类型选择与对应的优化参数。仿真结果表明所设计的工况自适应能量管理策略，保证整车动力性能前提下，在降低百公里油耗，减少尾气排放、延长电池寿命等方面有所提升。 |
| 作者： | 陶正叁 |
| 专业： | 电子信息 |
| 导师： | 李泽滔 |
| 授予学位： | 硕士 |
| 授予学位单位： | 贵州大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
