原文传递
基于PSO和神经网络的PHEV能量管理策略的研究
| 论文题名： | 基于PSO和神经网络的PHEV能量管理策略的研究 |
| 关键词： | 插电式混合动力汽车;能量管理;粒子群优化;神经网络;控制策略 |
| 摘要： | 插电式混合动力汽车(Plug-in hybrid electric vehicle, PHEV)与传统的电动汽车相比具有更大的电池容量,能够通过家用电网为其充电来储存电能,可以单独在纯电动(EV)模式下驱动车辆。PHEV是在纯电动汽车的发展因电池技术以及科研经费等方面的不足而暂时限制而发展起来一种过渡车型。之前对车辆动力总成能量流进行合理分配,是提高整车燃油经济性的关键。基于此,本文在满足车辆动力性能的前提下,针对混联式PHEV主要的几种控制策略存在的问题,结合粒子群优化算法(Particle Swarm Optimization、神经网络、多目标优化等相关技术进一步对其优化和改进,实现发动机和电机之间合理的转矩分配,以获得最大燃油经济性、最低排放、以及平稳的驾驶性能。 本文所做的主要工作如下:在Matlab/Simulink环境下,在ADVISOR仿真平台上建立PHEV系统仿真模型,对动力系统总成参数进行匹配。结合基于规则的能量管理策略对该模型进行试验验证,获得既满足PHEV各项技术性能指标又符合实际情况的动力总成参数的最佳匹配方案。在PSAT混合动力汽车仿真平台上,针对PHEV的特点提出基于PSO算法的离线全局优化能量管理策略。该能量管理策略能使车辆工作在发动机和电动机共同驱动的混合模式下,提高了车辆的燃油经济性。为进一步减少发动机的起停次数,提高车辆的平顺性,使提出的能量管理策略更具有可行性,本文针对各个时刻的SOC值对PSO算法进行改进。通过该方法获取的能量管理策略对车辆的性能和燃油经济性有了总体改善,是理论上的最优控制方法,既可以作为制定实时控制策略的宏观指导,也可以作为评估不同策略的标准,对能量管理策略的优化设计具有指导意义。设计基于神经网络的PHEV能量管理策略。将改进PSO算法离线全局优化能量管理策略计算所得到的结果作为样本训练神经网络。仿真结果表明,基于神经网络的能量管理策略的控制效果与改进PSO能量管理策略的控制效果基本一致,两种能量管理策略都具有实车应用价值。 |
| 作者： | 胡孝芳 |
| 专业： | 控制科学与工程 |
| 导师： | 张丹红 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
