详情

原文传递混合动力越野车自适应能量管理策略研究

论文题名：	混合动力越野车自适应能量管理策略研究
关键词：	混合动力越野车;能量管理策略;行驶工况辨识;需求功率预测;道路试验
摘要：	搭载混合动力系统与轮毂电机的越野车辆可通过多能量源协调管理、输出功率合理分配、驱动转矩快速响应改善整车综合性能。然而，复杂多变的行驶工况与高频非线性变化的需求功率增加其能量管理策略设计难度。因此，开发出考虑越野车辆行驶场景、结合工况变化与需求功率时序波动的自适应能量管理策略具有重要意义。　　本文以轮毂电机驱动的混合动力越野车为研究对象，考虑行驶工况与需求功率时序变化对多能量源协调分配的影响，以协调优化不同工况类型下的整车动力响应性与燃油经济性为目标，主要完成了越野车混合动力系统选型与匹配设计、越野车在线工况类型辨识模型搭建、需求功率预测方法确定、工况自适应能量管理策略设计、dSPACE平台仿真验证与越野样车道路试验等研究内容。　　论文首先进行了越野车混合动力系统选型与匹配设计，构建了越野车在线工况辨识模型。从行驶条件出发，利用实车数据采集阐析越野车工况类型与普通乘用车行驶工况的差异性，甄选20个典型工况进行运动学片段划分，选取14个特征参数构成特征参数集，提炼出由各特征参数组合而成的主成分，通过主成分得分K-Means聚类界定了行驶工况瞬态与稳态的边界条件。为提升辨识模型的实时性，基于滑动窗口算法建立在线工况类型辨识模型，随机工况集合的复合验证结果表明，辨识模型的正确率为73.26%。　　基于混合动力越野车需求功率时序变化特征，选择马尔科夫（Markov）、非线性自回归（NonLinearAutoRegressive，NAR）神经网络时序预测方法分别建立了混合动力越野车辆需求功率时序预测模型。为提升不同工况类型下需求功率的预测精度，分析工况类型差异性对于前述模型预测精度的影响，提出了基于优化型Markov-NAR需求功率复合预测模型，仿真对比结果表明：在一定预测时域内，本文开发的复合预测模型的预测精度提升了17.9%。　　为实现各类工况下整车动力响应性、燃油经济性优先级的自适应调节，基于模型预测控制理论，以SOC为状态变量，发动机转速与发电机（GCU）发电力矩为控制变量，提出了混合动力越野车工况自适应能量管理策略。以Markov-NAR复合预测模型获取需求功率预测序列作为策略输入量，制定动力性、经济性能函数；为提升越野车动力响应性，考虑驾驶意图与需求功率预测结果开发了基于模糊推理的响应性优化系数；引入自适应因子实现整车在多方行车安全约束下，依据在线工况类型辨识结果进行动力性、经济性自适应寻优。　　论文最后完成了工况自适应能量管理策略的仿真测试与实车道路试验。dSPACE平台仿真结果表明：在原地起步加速工况、随机工况集合下，本文开发的自适应能量管理策略与规则型策略相比，百公里加速时间缩短10.06%，纵向车速跟随性能提升9.24%，同时验证了动力响应性与燃油经济性的综合优化效果。越野样车道路试验表明：本文开发的工况自适应能量管理策略，样车原地起步加速至80km/h用时5.97s、0-50m用时4.90s，动力性能指标分别提升26.7%、7.67%，验证了策略的有效性。
作者：	黄钰凯
专业：	车辆工程
导师：	黄松;付翔
授予学位：	硕士
授予学位单位：	武汉理工大学
学位年度：	2022