【摘要】：隨著能源危機(jī)和環(huán)保形勢(shì)的日益嚴(yán)峻,尋找可再生能源的新能源汽車成為迫在眉睫的一項(xiàng)任務(wù)�；旌蟿�(dòng)力汽車(Hybrid Electric Vehicle,HEV)的多種能量源各自有不同特性,因此對(duì)于能量的管理成為混合動(dòng)力汽車的核心問題。混合動(dòng)力汽車集合了電氣、機(jī)械系統(tǒng),其中還有化學(xué)變化和熱力學(xué)過程參與,很難使用數(shù)學(xué)模型進(jìn)行精確地描述。本文針對(duì)并聯(lián)式混合動(dòng)力汽車能量管理策略存在的問題提出了優(yōu)化方案,結(jié)合模糊控制算法、粒子群算法、模擬退火算法和神經(jīng)網(wǎng)絡(luò)算法等相關(guān)算法對(duì)這個(gè)問題進(jìn)行了深入的研究,并進(jìn)行了相關(guān)的仿真實(shí)驗(yàn)。主要工作如下:首先,搭建了并聯(lián)式混合動(dòng)力汽車的仿真模型,分析了發(fā)動(dòng)機(jī)、電動(dòng)機(jī)和電池的建模方法,實(shí)現(xiàn)了基于模糊控制的能量管理策略。其次,采用結(jié)合了粒子群算法(Particle Swarm Optimization,PSO)和模擬退火算法(Simulated Annealing,SA)的SAPSO算法優(yōu)化能量管理策略的模糊規(guī)則,該算法既有PSO快速收斂的特點(diǎn),又和SA一樣可以搜索全局最優(yōu)值。針對(duì)PSO算法,使用混沌策略給PSO的粒子一個(gè)隨機(jī)擾動(dòng),可以增加種群多樣性,提高尋優(yōu)能力。采用徑向基神經(jīng)網(wǎng)絡(luò)(Radial Basis Function Neural Network,RBF神經(jīng)網(wǎng)絡(luò))設(shè)計(jì)了一種工況識(shí)別器,該識(shí)別器可以在線監(jiān)測(cè)工況、識(shí)別工況類型,并選擇合適的已優(yōu)化模糊規(guī)則賦值給模糊控制器使用,實(shí)現(xiàn)根據(jù)實(shí)際工況提高燃油經(jīng)濟(jì)性的目的。最后,在Advisor中搭建并聯(lián)式混合動(dòng)力汽車模型,采用優(yōu)化后的模糊控制能量管理策略在隨機(jī)工況下測(cè)試,仿真結(jié)果表明該能量管理策略相比優(yōu)化前的能量管理策略提高了燃油經(jīng)濟(jì)性。
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP18;TP273
【圖文】：

言式混合動(dòng)力汽車結(jié)構(gòu)復(fù)雜，涉及技術(shù)方面多，不適宜直接做臺(tái)架實(shí)驗(yàn)仿真實(shí)驗(yàn)不僅在實(shí)驗(yàn)效率上有較大優(yōu)勢(shì)，更可以減少實(shí)驗(yàn)成本，因此實(shí)驗(yàn)成為首選。仿真實(shí)驗(yàn)中，建立合理、準(zhǔn)確的并聯(lián)式混合動(dòng)力汽車仿真實(shí)驗(yàn)成功的基礎(chǔ)。本章基于 MATLAB 和 Advisor 軟件建立并聯(lián)式的仿真模型，為后續(xù)仿真實(shí)驗(yàn)做好準(zhǔn)備。車結(jié)構(gòu)的研究對(duì)象為一款單軸并聯(lián)式混合動(dòng)力汽車，其結(jié)構(gòu)圖如圖 2-1。如圖所聯(lián)混動(dòng)汽車是指發(fā)動(dòng)機(jī)和電動(dòng)機(jī)共用一套變速箱[39]。當(dāng)發(fā)動(dòng)機(jī)和電動(dòng)狀態(tài)時(shí)，兩者的轉(zhuǎn)速保持一定比例，而車輛的需求轉(zhuǎn)矩由發(fā)動(dòng)機(jī)和電，由轉(zhuǎn)矩耦合器完成。

圖 2-2 Advisor 整車模型3.2 發(fā)動(dòng)機(jī)模型發(fā)動(dòng)機(jī)是傳統(tǒng)汽車的唯一動(dòng)力源，在混合動(dòng)力汽車中仍占有重要地位。在本文，發(fā)動(dòng)機(jī)模型使用了 1.0L 自然吸氣汽油機(jī)，其最大功率 41kW，最大峰值扭矩N·m。其效率圖如圖 2-3。圖中紅色虛線為對(duì)應(yīng)轉(zhuǎn)速下的最大轉(zhuǎn)矩�；旌蟿�(dòng)力汽車行駛過程中，考慮到電池和電動(dòng)機(jī)的限制情況，發(fā)動(dòng)機(jī)轉(zhuǎn)矩在不過最大轉(zhuǎn)矩時(shí)，應(yīng)該盡量靠近高效率區(qū)域，減少低效率區(qū)域運(yùn)行造成的燃燒不充現(xiàn)象，從而提高發(fā)動(dòng)機(jī)工作效率，提高燃油經(jīng)濟(jì)性和減少尾氣排放[40]。這些發(fā)動(dòng)工作點(diǎn)的選取，對(duì)于能量管理策略的結(jié)果有顯著影響。由于發(fā)動(dòng)機(jī)的非線性特點(diǎn)，在本節(jié)構(gòu)造的發(fā)動(dòng)機(jī)模型中，發(fā)動(dòng)機(jī)的燃油消耗量，括碳?xì)浠衔�、氮氧化合物在�?nèi)的尾氣排放量計(jì)算采用了查表法。查表法簡單快，不僅滿足仿真要求，也提高了運(yùn)算速度。圖 2-4 展示了發(fā)動(dòng)機(jī)的燃油消耗量。

發(fā)動(dòng)機(jī)效率圖

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王志勇;韓善靈;張?chǎng)?徐海港;;插電式混合動(dòng)力汽車能量管理策略發(fā)展綜述[J];科學(xué)技術(shù)與工程;2019年12期

2 李楨輝;付主木;陶發(fā)展;;燃料電池混合動(dòng)力汽車分層能量管理策略[J];火力與指揮控制;2019年10期

3 宋娟娟;楊歆豪;李則;耿辰露;;重載混合動(dòng)力汽車能量管理策略的優(yōu)化研究[J];電子科技;2018年06期

4 饒星;;混合動(dòng)力電動(dòng)汽車能量管理方法現(xiàn)狀評(píng)述[J];黑龍江科技信息;2017年04期

5 蘇嶺;曾育平;秦大同;;插電式混合動(dòng)力汽車能量管理策略研究現(xiàn)狀和發(fā)展趨勢(shì)[J];重慶大學(xué)學(xué)報(bào);2017年02期

6 盧漢;;插電式混合動(dòng)力汽車能量管理策略綜述[J];山東工業(yè)技術(shù);2017年06期

7 趙秀春;郭戈;;混合動(dòng)力電動(dòng)汽車能量管理策略研究綜述[J];自動(dòng)化學(xué)報(bào);2016年03期

8 鐘彥雄;;并聯(lián)式混合動(dòng)力汽車能量管理策略[J];科技與創(chuàng)新;2017年02期

9 郭明林;朱建新;王晨;程輝軍;;新型功率分流混合動(dòng)力汽車能量管理策略仿真[J];計(jì)算機(jī)仿真;2015年07期

10 劉浪;竇勝月;;插電式混合動(dòng)力汽車能量管理策略優(yōu)化研究[J];汽車實(shí)用技術(shù);2019年05期

相關(guān)會(huì)議論文 前10條

1 舒星;陳崢;李曉宇;申江衛(wèi);肖仁鑫;;基于邏輯門的插電式混合動(dòng)力汽車能量管理策略研究[A];2016中國汽車工程學(xué)會(huì)年會(huì)論文集[C];2016年

2 解本欣;解治宇;盧山;曲春雨;王瑩;;混合動(dòng)力汽車能量管理策略的仿真研究[A];2009中國汽車工程學(xué)會(huì)年會(huì)論文集[C];2009年

3 謝鑫;;基于動(dòng)態(tài)規(guī)劃算法的串聯(lián)混合動(dòng)力汽車能量管理策略[A];2012重慶汽車工程學(xué)會(huì)年會(huì)論文集[C];2012年

4 謝鑫;;基于動(dòng)態(tài)規(guī)劃算法的串聯(lián)混合動(dòng)力汽車能量管理策略[A];西南汽車信息：2012年上半年合刊[C];2012年

5 宋昱;韓愷;李小龍;;基于規(guī)則的能量管理策略對(duì)燃料電池汽車整車經(jīng)濟(jì)性影響研究[A];2019中國汽車工程學(xué)會(huì)年會(huì)論文集（2）[C];2019年

6 張昕;王松濤;張欣;田毅;;基于馬爾可夫鏈的混合動(dòng)力汽車行駛工況預(yù)測(cè)研究[A];2014中國汽車工程學(xué)會(huì)年會(huì)論文集[C];2014年

7 劉劍;馮旭

本文編號(hào)：2776106