【摘要】：21世紀日益嚴重的能源危機和環(huán)境危機迫使人們將汽車的發(fā)展方向轉向純電動汽車,但是由于技術還不夠成熟,混合動力汽車這一過渡車型成為了目前研究的主要對象�；旌蟿恿ζ嚹芨纳苽鹘y(tǒng)汽車高油耗和高排放的核心在于系統(tǒng)的設計與控制,而控制策略則是混合動力汽車實現(xiàn)多動力源能量管理的關鍵。本文以并聯(lián)式混合動力汽車為研究目標,通過算法實現(xiàn)未來短期道路工況預測實現(xiàn)自適應能量管理控制,主要研究成果如下:首先,搭建混合動力汽車Matlab/Simulink仿真模型,分析灰色預測GM(1,1)算法的缺點,并改進算法,同時采用三種不同類型的標準工況驗證改進后的灰色預測GM(1,1)模型可以在不同的駕駛條件下精確實現(xiàn)未來短期汽車車速預測。然后,在理論基礎上推導出基于汽車縱向動力學卡爾曼濾波算法和帶遺忘因子最小二乘法兩種坡度估計算法,并且在Carsim軟件中設置道路工況和汽車主要部件參數(shù),與Matlab/Simulink進行聯(lián)合仿真,驗證兩種算法道路坡度估算的有效性和準確性;綜合分析后采用基于汽車縱向動力學卡爾曼濾波算法為本文道路坡度估算的主要算法。最后,分析路面的幾何特性,提出將卡爾曼濾波估算出的歷史坡度進行擬合,然后判斷路面擬合函數(shù)曲率半徑的大小來預測未來短期道路坡度,仿真分析也證明了道路工況預測算法的可行性。其次,分析龐特里亞金極小值原理的主要計算思路,引出等效燃油消耗最小能量管理策略(ECMS),仿真分析后發(fā)現(xiàn)其主要問題在于整個工況下等效因子的取值固定,無法優(yōu)化SOC軌跡,也無法取得良好的控制效果。為解決ECMS存在的問題,介紹三種自適應等效燃油消耗最小能量管理策略(A-ECMS)算法,選用基于SOC反饋的A-ECMS算法,在WVUCITY、WVUSUB和WVUINTER三種不同工況下與ECMS的仿真結果進行對比分析,在控制SOC軌跡上有明顯的改進,同時提升了一定的燃油經(jīng)濟性,也在需求轉矩分配上有一定的優(yōu)化。最后,在帶有道路坡度的VAIL2NREL標準工況下驗證基于SOC反饋A-ECMS,分析結果表明當存在道路坡度時該控制策略的控制效果并不理想。因此,提出了基于道路工況預測A-ECMS算法,旨在以未來短期道路工況用于實時等效因子的調整。并在VAIL2NREL工況下與基于SOC反饋的A-ECMS算法對比分析,結果表明所提出算法不僅在優(yōu)化SOC軌跡和需求轉矩分配上取得更好的效果,同時將燃油經(jīng)濟性提高了6.54%。
【圖文】：

重慶交通大學碩士學位論文合動力系統(tǒng)能量管理策略國內外研究現(xiàn)狀動力汽車主要有串聯(lián)、并聯(lián)以及混聯(lián)三種結構形式[7]。盡管各種混合構形式、傳動方案以及運行原理有所不同，但其能量管理策略的原[8]�；旌蟿恿ο到y(tǒng)的能量管理策略主要分為兩大類：基于優(yōu)化的控制則的控制策略[8,9]，其中，基于規(guī)則的控制策略主要是在現(xiàn)實混合動得到運用，比如比亞迪秦和豐田 Prius 等車型；基于優(yōu)化的控制策略科學研究領域中。能量管理策略的分類如圖 1.2 所示。

圖 1.2 論文技術路線究重點主要包括兩個方面：道路工況預測以及自適應等效燃油消耗最小策略(A-ECMS)的建立。本文主要研究內容如下：研究整車參數(shù)匹配并搭建 MATLAB/Simulink 混合動力汽車綜合仿真平臺據(jù)所確定混合動力汽車參數(shù)分析混合動力汽車各個部分計算方法及步驟ATLAB/Simulink 依次搭建汽車發(fā)動機模型、電機模型、蓄電池模型、整模型、離合器模型以及變速器模型等，，為下文驗證能量管理策略的合理要基礎。汽車車速預測汽車行駛歷史數(shù)據(jù)作為預測的基準數(shù)據(jù)，并改進灰色預測 GM(1,1)算法，汽車車速預測精度，較為準確預測出汽車未來短期行駛速度。并通過仿定合理的預測時間區(qū)間長度。道路坡度預測先基于汽車縱向動力學模型推導卡爾曼濾波算法方程，然后建立道路坡，在 Carsim 設置汽車主要參數(shù)并聯(lián)合 Matlab/Simulink 較為準確的計算出
【學位授予單位】：重慶交通大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U469.7

【參考文獻】

相關期刊論文 前3條

1 李建秋;方川;徐梁飛;;燃料電池汽車研究現(xiàn)狀及發(fā)展[J];汽車安全與節(jié)能學報;2014年01期

2 邵漢橋;張維;陳鵬云;;我國電動汽車發(fā)展狀況分析[J];華中電力;2010年05期

3 周文;趙安坤;周秋媚;;中國石油戰(zhàn)略問題思考和對策分析[J];成都理工大學學報(社會科學版);2010年03期

相關博士學位論文 前2條

1 孫超;混合動力汽車預測能量管理研究[D];北京理工大學;2016年

2 葉曉;并聯(lián)混合動力汽車控制策略研究[D];清華大學;2013年

相關碩士學位論文 前5條

1 楊盼盼;汽車未來行駛車速預測[D];重慶大學;2015年

2 謝浩;基于BP神經(jīng)網(wǎng)絡及其優(yōu)化算法的汽車車速預測[D];重慶大學;2014年

3 張巖;面向混合動力汽車能量管理策略的汽車運行工況多尺度預測方法[D];吉林大學;2013年

4 李遠方;重型車質量辨識及道路坡度狀態(tài)估計方法研究[D];吉林大學;2012年

5 王雷杰;陀螺儀—全球定位的汽車組合導航算法的研究[D];吉林大學;2004年

本文編號：2704228