论文部分内容阅读
当前,插电式混合动力汽车(PHEV)已经逐渐成为新能源汽车的研究热点,PHEV有纯电动行驶里程较长、燃油经济性较好等特点。由于其具有两个动力源,因此能量管理策略的开发对于挖掘PHEV的节能潜力有重要作用,是PHEV的核心技术之一。本文以插电式混合动力汽车为研究对象,为挖掘节能潜力及提升整车燃油经济性,以MATLAB/Simulink为仿真平台,基于某特定驾驶员的行驶工况数据,进行了基于历史数据的工况特征分析、基于全局优化策略的电池荷电状态(SOC)参考轨迹规划算法以及基于工况预测的自适应控制策略等研究。本文首先对PHEV动力系统的不同构型以及工作模式进行分析,选定构型后,基于MATLAB/Simulink仿真平台以前向仿真建模的思路进行了PHEV仿真模型的建模,主要建模项目为驾驶员模型,动力系统中的发动机、电机及动力电池模型,以及车辆动力学模型。随后在此基础上建立了基于规则的能量管理策略,以NEDC循环工况验证了仿真模型的有效性以及该控制策略的合理性,为后续PHEV控制策略的研究奠定基础。其次,以某特定驾驶员为被测对象进行了基于历史数据的工况特征分析及工况构建。以自主行驶法采集了该驾驶员的实际道路出行数据,并建立了基于该驾驶员的数据采集及预处理方案,随后将历史工况数据划分为若干个工况短片段,计算各工况片段的特征参数并基于主成分分析法进行工况特征参数降维,考虑到模糊C均值聚类方法对初始聚类中心十分敏感的缺点,提出了基于遗传模拟退火算法的模糊C均值聚类方法,将历史工况数据分成了四类,并进行了典型行驶工况的构建,为后续控制策略的研究提供了数据支撑。然后,建立了基于动态规划(DP)的全局优化控制策略,提出了SOC参考轨迹的规划方法。将动态规划理论应用于PHEV能量管理问题,建立了基于动态规划算法的PHEV控制策略;随后以欧几里得贴进度为聚类指标,提出了基于聚类分析的工况识别方法;在此基础上,通过动态规划算法开展了不同类型典型工况的SOC最优控制规律的研究,确定了每类典型工况合理的电量分配范围,提出了SOC参考轨迹的规划算法。最后,开展了基于工况预测的PHEV自适应控制策略研究。建立了等效燃油消耗最小能量管理策略(ECMS),并提出了自适应等效因子的计算方法;之后进行了考虑交通信息的目标工况生成方法的研究,通过获取前方路段的平均车流信息来生成车辆未来可能行驶的目标工况,由目标工况可得到SOC参考轨迹使等效因子拥有工况自适应性;同时也提出了基于NAR神经网络的车速预测模型,以进一步对等效因子的常数部分进行优化;基于此形成了基于工况预测的自适应ECMS(AECMS)方法,通过仿真试验对比了基于DP的控制策略、基于规则的控制策略以及无预测的A-ECMS,结果表明基于工况预测的A-ECMS节油性比基于规则的控制策略提高了约8.7%,达到了提高整车燃油经济性的目的。