基于駕駛意圖與行駛工況的混合動力電動汽車能量管理策略.pdf

1、混合動力電動汽車（Hybrid Electric Vehicle, HEV）能量管理策略是影響混合動力系統(tǒng)性能優(yōu)劣的關(guān)鍵，合理有效的能量管理策略可以提高整車的燃油經(jīng)濟性。本文以某公司的某款混合動力電動汽車為基礎(chǔ)，依托國家自然科學基金資助項目“雙離合器式單電機重度混合動力系統(tǒng)匹配與控制研究”(51305468)，開展了基于駕駛意圖與行駛工況的混合動力電動汽車能量管理策略研究，主要研究內(nèi)容如下：
　?、俦疚囊阅郴旌蟿恿﹄妱悠嚨膭恿ο?/p>

2、統(tǒng)關(guān)鍵零部件參數(shù)為基礎(chǔ)，利用多種不同類型的行駛工況協(xié)調(diào)優(yōu)化混合動力電動汽車動力系統(tǒng)與能量控制策略參數(shù)以提高汽車的燃油經(jīng)濟性，提出了一種采用模擬退火粒子群算法的基于多工況優(yōu)化混合動力電動汽車動力系統(tǒng)與控制策略參數(shù)的方法。利用MATLAB/SIMULINK仿真平臺搭建整車仿真模型，對所提出的控制策略優(yōu)化方法進行仿真驗證，結(jié)果表明，利用該方法可以獲取一組參數(shù)，在保持汽車動力性以及電池SOC平衡的基礎(chǔ)上，相對于優(yōu)化前，在綜合工況下油耗降低了5.

3、49％。
　?、卺槍诙喙r的優(yōu)化方法存在一定的局限性，以及現(xiàn)有基于工況識別的能量管理策略在車輛行駛過程中未全面考慮動力電池荷電狀態(tài)范圍對電池工作效率的影響，開展了基于工況識別的混合動力電動汽車能量管理策略研究。從ADVISOR中選取23個典型的循環(huán)工況，用聚類分析方法將其劃分為五類，把SOC平衡油耗引入目標函數(shù)，采用模擬退火粒子群算法對各類工況下能量管理策略中關(guān)鍵參數(shù)進行離線優(yōu)化，建立優(yōu)化參數(shù)數(shù)據(jù)庫，在此基礎(chǔ)上提出了一種基于工

4、況識別的能量管理策略優(yōu)化方法，利用構(gòu)建的綜合測試工況對所制定的能量管理策略進行仿真分析。
　?、劭紤]駕駛意圖對整車能耗經(jīng)濟性的影響，通過車輛行駛過程中的車體沖擊度與識別工況的平均沖擊度對駕駛意圖進行分析識別，從而確定車輛需求轉(zhuǎn)矩修正系數(shù)，利用電機的快速瞬態(tài)響應(yīng)特性，對電機的轉(zhuǎn)矩進行控制，結(jié)合基于工況識別的能量管理策略，建立了基于駕駛意圖與工況識別的綜合能量管理策略，利用構(gòu)建的綜合測試工況對所制定的能量管理策略進行仿真分析。結(jié)果表明

5、，所制定的綜合能量管理策略與單獨采用基于工況識別的能量管理策略相比，在綜合工況下油耗降低了1.71%，同時電機的能量回收率有所提高。
　　④基于D2P平臺和Matlab/Simulink/Stateflow開發(fā)環(huán)境下開發(fā)了整車控制軟件，采用ATI-VISION平臺建立了數(shù)據(jù)采集和標定控制系統(tǒng)，利用實車進行道路試驗對提出的基于邏輯門限的改進型能量管理策略進行了驗證。結(jié)果表明，本文制定的改進型能量管理策略能夠很好地分配發(fā)動機與電機的扭