本文關(guān)鍵詞：混合動(dòng)力汽車預(yù)測(cè)能量管理研究

  更多相關(guān)文章： 工況預(yù)測(cè) 交通信息融合 能量管理方法 混合動(dòng)力 插電式 混聯(lián)式

【摘要】：混合動(dòng)力汽車技術(shù)是解決目前車輛能源消耗過度、空氣質(zhì)量污染和燃油成本過高的有效途徑之一。本文以混聯(lián)式混合動(dòng)力汽車為研究對(duì)象,通過對(duì)控制決策在線尋優(yōu)、未來工況實(shí)時(shí)預(yù)測(cè)和交通信息融合下全局能量規(guī)劃的研究,提出了一種適用于傳統(tǒng)電量平衡式和插電式混合動(dòng)力系統(tǒng)的預(yù)測(cè)能量管理方法,主要成果包括:建立了混合動(dòng)力汽車預(yù)測(cè)能量管理拓?fù)浣Y(jié)構(gòu)。應(yīng)用動(dòng)態(tài)規(guī)劃算法和模型預(yù)測(cè)控制構(gòu)建了針對(duì)混合動(dòng)力汽車動(dòng)力驅(qū)動(dòng)系統(tǒng)的實(shí)時(shí)控制方法,分析了整車燃油消耗量對(duì)動(dòng)態(tài)規(guī)劃算法控制變量和狀態(tài)變量離散化網(wǎng)格數(shù)的敏感性,確定了最佳離散化網(wǎng)格數(shù)在30~50之間;分析了能量管理策略在線計(jì)算時(shí)間對(duì)滾動(dòng)優(yōu)化時(shí)域長(zhǎng)度變化的敏感性,確定了具有實(shí)時(shí)在線計(jì)算潛力的控制時(shí)域長(zhǎng)度在6~12秒之間。對(duì)比了實(shí)時(shí)優(yōu)化與全局優(yōu)化仿真結(jié)果的狀態(tài)變化、扭矩分配及油耗分布,為進(jìn)一步研究提升實(shí)時(shí)優(yōu)化控制算法的燃油經(jīng)濟(jì)性提供了參考。揭示和量化了短期工況預(yù)測(cè)對(duì)混合動(dòng)力汽車能量管理方法燃油經(jīng)濟(jì)性的重要提升作用,提出了基于神經(jīng)網(wǎng)絡(luò)的短期工況預(yù)測(cè)方法。闡述并建立了后向傳播型、層遞歸型和徑向基函數(shù)型3種神經(jīng)網(wǎng)絡(luò)模型,擴(kuò)展了現(xiàn)有文獻(xiàn)中使用的指數(shù)預(yù)測(cè)和隨機(jī)馬爾可夫工況預(yù)測(cè)方法。結(jié)合預(yù)測(cè)能量管理策略從預(yù)測(cè)精度、計(jì)算時(shí)間、約束保持能力和燃油消耗等方面對(duì)上述三種預(yù)測(cè)方法進(jìn)行了對(duì)比研究。仿真和硬件在環(huán)試驗(yàn)結(jié)果表明使用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)進(jìn)行短期工況預(yù)測(cè)相比指數(shù)和隨機(jī)預(yù)測(cè)方法可以提高預(yù)測(cè)能量管理方法至少8%的燃油經(jīng)濟(jì)性。實(shí)現(xiàn)了神經(jīng)網(wǎng)絡(luò)短期工況預(yù)測(cè)方法在自適應(yīng)等效燃油消耗最小策略(ECMS)中的應(yīng)用。提出了基于二分逼近原則的改進(jìn)的等效因子自適應(yīng)律,解決了現(xiàn)有等效因子在線尋優(yōu)過程中出現(xiàn)的振蕩問題,分析確定了等效因子尋優(yōu)的最佳循環(huán)迭代次數(shù)在6~8次之間。對(duì)比了未來工況已知、未知(使用歷史工況)和預(yù)測(cè)三種情況下自適應(yīng)ECMS能量管理方法的燃油經(jīng)濟(jì)性水平,結(jié)果顯示采用神經(jīng)網(wǎng)絡(luò)進(jìn)行工況預(yù)測(cè)相比傳統(tǒng)方法可以提高自適應(yīng)ECMS策略3%以上的燃油經(jīng)濟(jì)性,進(jìn)一步驗(yàn)證了所提出的短期工況預(yù)測(cè)方法在提升混合動(dòng)力汽車燃油效率方面的有效性和廣泛性。提出了基于交通信息融合的長(zhǎng)期工況預(yù)測(cè)能量管理策略。針對(duì)插電式混合動(dòng)力汽車電池終值電量達(dá)到最低限值的約束需求,提出了基于交通數(shù)據(jù)對(duì)全局能量使用進(jìn)行快速規(guī)劃的方法。創(chuàng)建了一種簡(jiǎn)化的能量平衡模型,在維持SOC狀態(tài)軌跡平均誤差在3%之內(nèi)的同時(shí),降低了80%以上的全局最優(yōu)SOC狀態(tài)軌跡計(jì)算時(shí)間。生成的狀態(tài)軌跡以控制時(shí)域終值約束的方式引入到預(yù)測(cè)能量管理方法中,系統(tǒng)解決了插電式混合動(dòng)力汽車全局能量分配使用優(yōu)化的問題。
【關(guān)鍵詞】：工況預(yù)測(cè) 交通信息融合 能量管理方法 混合動(dòng)力 插電式 混聯(lián)式
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：U469.7
【目錄】：

• 摘要5-7
• Abstract7-12
• 第1章 緒論12-23
• 1.1 研究背景和意義12-13
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)13-19
• 1.2.1 混合動(dòng)力車輛發(fā)展現(xiàn)狀13-17
• 1.2.2 能量管理策略研究現(xiàn)狀17-19
• 1.3 存在問題和主要研究?jī)?nèi)容19-23
• 1.3.1 當(dāng)前混合動(dòng)力能量管理存在的問題19-20
• 1.3.2 本文主要研究?jī)?nèi)容及論文結(jié)構(gòu)20-23
• 第2章 混合動(dòng)力汽車預(yù)測(cè)能量管理策略23-41
• 2.1 兩種混聯(lián)式混合動(dòng)力系統(tǒng)面向控制建模23-27
• 2.1.1 雙電機(jī)同軸混聯(lián)式混合動(dòng)力構(gòu)型23-25
• 2.1.2 功率分流混聯(lián)式混合動(dòng)力構(gòu)型25-27
• 2.2 工作模式分析與模型驗(yàn)證27-32
• 2.2.1 兩種混聯(lián)式混合動(dòng)力系統(tǒng)工作模式分析27-30
• 2.2.2 雙電機(jī)同軸混聯(lián)式動(dòng)力系統(tǒng)模型實(shí)驗(yàn)驗(yàn)證30-32
• 2.3 基于動(dòng)態(tài)規(guī)劃的最優(yōu)能量管理32-36
• 2.3.1 動(dòng)態(tài)規(guī)劃算法基礎(chǔ)理論32-33
• 2.3.2 動(dòng)態(tài)規(guī)劃最優(yōu)能量管理33-36
• 2.4 基于模型預(yù)測(cè)控制的預(yù)測(cè)能量管理策略36-40
• 2.4.1 模型預(yù)測(cè)控制理論基本原理36-37
• 2.4.2 分層預(yù)測(cè)能量管理策略37-40
• 2.5 本章小結(jié)40-41
• 第3章 短期工況預(yù)測(cè)方法與對(duì)比研究41-65
• 3.1 指數(shù)預(yù)測(cè)與隨機(jī)預(yù)測(cè)方法41-45
• 3.2 基于神經(jīng)網(wǎng)絡(luò)的工況預(yù)測(cè)45-49
• 3.2.1 神經(jīng)網(wǎng)絡(luò)模型45-47
• 3.2.2 神經(jīng)網(wǎng)絡(luò)工況預(yù)測(cè)47-49
• 3.3 工況預(yù)測(cè)方法仿真分析49-52
• 3.4 工況預(yù)測(cè)方法比較性研究52-57
• 3.4.1 預(yù)測(cè)精度對(duì)比53-54
• 3.4.2 燃油消耗量對(duì)比54-56
• 3.4.3 計(jì)算量和約束表現(xiàn)56
• 3.4.4 綜合評(píng)價(jià)對(duì)比56-57
• 3.5 預(yù)測(cè)能量管理策略硬件在環(huán)試驗(yàn)57-63
• 3.5.1 MotoTron硬件在環(huán)試驗(yàn)平臺(tái)構(gòu)架57-59
• 3.5.2 硬件在環(huán)試驗(yàn)結(jié)果59-63
• 3.6 本章小結(jié)63-65
• 第4章 基于短期工況預(yù)測(cè)的自適應(yīng)ECMS策略研究65-89
• 4.1 等效燃油消耗最小策略65-71
• 4.1.1 龐特里亞金最小值原理65-67
• 4.1.2 等效燃油消耗最小策略67-71
• 4.2 自適應(yīng)等效燃油消耗最小策略及改進(jìn)71-76
• 4.2.1 自適應(yīng)等效燃油消耗最小策略71-74
• 4.2.2 改進(jìn)的A-ECMS等效因子自適應(yīng)律74-76
• 4.3 自適應(yīng)ECMS的敏感性分析76-84
• 4.3.1 等效因子尋優(yōu)迭代次數(shù)敏感性分析76-78
• 4.3.2 等效因子更新時(shí)間敏感性分析78-84
• 4.4 短期工況預(yù)測(cè)在自適應(yīng)ECMS中的應(yīng)用84-88
• 4.4.1 未來短期工況預(yù)見性的重要性研究84-85
• 4.4.2 基于神經(jīng)網(wǎng)絡(luò)的短期工況預(yù)測(cè)85-87
• 4.4.3 基于短期工況預(yù)測(cè)的自適應(yīng)ECMS策略87-88
• 4.5 本章小結(jié)88-89
• 第5章 基于交通信息融合的預(yù)測(cè)能量管理研究89-115
• 5.1 插電式混合動(dòng)力系統(tǒng)能量管理89-91
• 5.1.1 插電式混合動(dòng)力汽車能量管理的特性89-90
• 5.1.2 預(yù)測(cè)能量管理的局限和改進(jìn)90-91
• 5.2 交通信息數(shù)據(jù)分析91-95
• 5.2.1 交通信息融合能量管理的概念91-92
• 5.2.2 基于Mobile Century項(xiàng)目交通數(shù)據(jù)分析92-94
• 5.2.3 目標(biāo)工況生成94-95
• 5.3 能量平衡模型及動(dòng)力電池SOC快速規(guī)劃95-103
• 5.3.1 簡(jiǎn)化的混合動(dòng)力系統(tǒng)模型95-97
• 5.3.2 能量轉(zhuǎn)換效率函數(shù)η_1和η_297-99
• 5.3.3 動(dòng)力電池SOC快速規(guī)劃99-103
• 5.4 基于交通信息的預(yù)測(cè)能量管理103-110
• 5.4.1 分層預(yù)測(cè)能量管理策略的改進(jìn)103-105
• 5.4.2 短期車速工況預(yù)測(cè)驗(yàn)證105-106
• 5.4.3 仿真結(jié)果及分析106-110
• 5.5 交通信息融合的能量管理策略硬件在環(huán)仿真110-113
• 5.6 本章小結(jié)113-115
• 結(jié)論115-118
• 一、主要工作115-116
• 二、創(chuàng)新點(diǎn)116-117
• 三、工作展望117-118
• 參考文獻(xiàn)118-127
• 攻讀學(xué)位期間發(fā)表論文與研究成果清單127-128
• 致謝128-130
• 攻讀學(xué)位期間參與的科研項(xiàng)目、學(xué)術(shù)活動(dòng)130

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 宋波;;船舶能量管理系統(tǒng)設(shè)計(jì)研究[J];中國(guó)艦船研究;2011年02期

2 付敏玲;胡天友;胡蓉;楊攀;王臻;;可逆流光伏與市電聯(lián)合供電能量管理研究[J];可再生能源;2013年08期

3 于金良;俞萬能;;太陽能游船電力系統(tǒng)能量管理控制策略[J];集美大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年05期

4 潘三博;郝夏斐;;便攜式太陽能雙向變換器及其能量管理研究[J];制造業(yè)自動(dòng)化;2011年10期

5 胡素云;鄂加強(qiáng);左青松;王曙輝;龔金科;;電動(dòng)汽車動(dòng)力輔助系統(tǒng)能量管理控制器設(shè)計(jì)[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年10期

6 汪秋婷;肖鐸;戚偉;;燃料電池混合動(dòng)力車整車能量管理研究[J];電源技術(shù);2012年10期

7 鄭萍,張家川,潘世永;HVACDDC控制系統(tǒng)的能量管理研究(英文)[J];四川工業(yè)學(xué)院學(xué)報(bào);2000年03期

8 張異;田維民;;基于模糊控制的燃料電池列車能量管理研究[J];應(yīng)用能源技術(shù);2013年04期

9 張春龍;邵麗華;戴未然;;光伏與市電聯(lián)合供電系統(tǒng)的能量管理控制[J];南通大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

10 朱建文;劉魯華;湯國(guó)建;徐明亮;;低彈道多約束固體火箭能量管理方法研究[J];彈箭與制導(dǎo)學(xué)報(bào);2012年05期

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫 前2條

1 許曉燕;石油與化工業(yè)面臨能量管理挑戰(zhàn)[N];中國(guó)石油報(bào);2005年

2 記者 王海蘊(yùn);獨(dú)立光伏發(fā)電系統(tǒng)能量管理獲突破[N];中國(guó)高新技術(shù)產(chǎn)業(yè)導(dǎo)報(bào);2009年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 孫超;混合動(dòng)力汽車預(yù)測(cè)能量管理研究[D];北京理工大學(xué);2016年

2 方璐;企業(yè)能量管理與節(jié)能技術(shù)研究及應(yīng)用[D];湖南大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 胡茂良;單相并離網(wǎng)光伏儲(chǔ)能系統(tǒng)控制及能量管理研究[D];電子科技大學(xué);2014年

2 曾衛(wèi);燃料電池電動(dòng)汽車能量管理系統(tǒng)優(yōu)化控制與動(dòng)態(tài)仿真研究[D];武漢理工大學(xué);2007年

3 劉家良;基于模糊神經(jīng)網(wǎng)絡(luò)的混合動(dòng)力電動(dòng)汽車能量管理的研究[D];武漢理工大學(xué);2003年

4 張振川;微網(wǎng)系統(tǒng)及其能量管理平臺(tái)的設(shè)計(jì)[D];華北電力大學(xué);2012年

5 呂志梁;插電式混合動(dòng)力汽車能量管理研究[D];浙江大學(xué);2014年

6 李鴻鑫;家用熱電聯(lián)產(chǎn)機(jī)組能量管理控制系統(tǒng)研制[D];福建農(nóng)林大學(xué);2013年

7 李紫薇;無線可充電傳感器節(jié)點(diǎn)開發(fā)與能量管理研究[D];浙江大學(xué);2014年

，

本文編號(hào)：668336