并联式混合动力电动汽车能量管理系统智能控制策略研究

混合动力电动汽车能量管理系统控制策略的目标是合理地分配发动机、电机的输出转矩，实现能量的最优管理、效率与排放的最佳平衡。目前并联式混合动力控制策略主要有逻辑门限控制策略、瞬时优化控制策略、全局最优控制策略及基于模糊逻辑或神经网络的智能控制策略，但只有逻辑门限控制策略在实际商品化的汽车中得到了广泛应用。将逻辑门限控制策略和智能算法相结合，改进逻辑门限控制策略，更好地实现能量的控制和分配，具有重要的现实意义。 本文以江苏省重点实验室开放基金项目（QK09003）、湖南大学“985工程”项目为依托，将智能算法融入逻辑门限控制策略之中，对ADVISOR软件中的逻辑门限控制策略进行了改进。论文的主要工作及创新之处如下： （1）采用多层次参数扫描算法对逻辑门限控制参数进行了优化，在ADVISOR软件上进行了仿真实验，并与车辆优化前的仿真结果进行了对比分析。结果表明，经多层次参数扫描算法优化后，油耗、排放得到了明显降低。 （2）结合粒子群算法和模拟退火算法的各自优点，构建了模拟退火粒子群算法（SimulatedAnnealing Particle Swarm Optimization，SAPSO），并用于逻辑门限控制策略的控制参数优化，同时在ADVISOR软件上进行仿真实验。对比分析结果表明，SAPSO算法在控制参数优化问题上优于多层次参数扫描算法。 （3）采用逻辑门限控制策略和瞬时优化控制策略相结合的方法建立了模糊BP神经网络控制策略，并基于ADVISOR软件成功实施了二次开发。仿真实验结果表明，模糊BP神经网络控制策略可以有效改善燃油经济性，并缩短响应时间。