电动汽车运行状态识别及HEV控制策略研究

随着我国经济的高速发展,能源消耗与环境污染问题变得日益严重。混合动力电动汽车(HEV)在节能和减排方面具有很大潜力,因而得到了快速发展。由于HEV控制策略是与汽车运行状态紧密相连的,因此研究汽车运行状态识别技术以及基于运行状态识别的控制策略具有十分重要的意义。 本文提出了一种混合搜索算法,该算法将自适应遗传算法和浮动搜索相结合,通过自适应遗传算法对汽车运行状态特征参数之间的边界进行搜索,依据获得的边界得出汽车运行状态特征参数全集特征；在此基础上,以浮动搜索算法对全集进行回溯性搜索,进而选择出汽车运行状态特征参数最优子集。同时,在混合搜索算法中,浮动搜索的起始点采用个体间遗传的方式,使其始终保持最优,最大程度的避免无效搜索,减少搜索时间。 本文建立了一个汽车运行状态的识别模型,该模型采用模糊神经网络进行识别,其输入选用汽车运行状态特征参数最优子集：平均车速v、车速标准差σv加速度标准差σa。、平均减速度r、每100s内的加减速变化大于2km/h平均次数N100s、每100s内的加减速变化大于10km/h平均次数LN100s、减速度小于-0.60m/s2大于-0.96 m/s2的时间占减速时间的百分比ηr1-r2和加速度大于1.03 m/s2的时间占加速时间的百分比ηa2,并采用滚动时间窗的方式输入车速。开发了汽车运行状态识别器,该识别器具有多种输入输出接口,能够在12-24V电源下工作,适用于大多数类型车辆。另外,开发了模块化结构的控制软件,从而使得该软件系统结构清晰、易于维护和进行二次开发,并在硬件和软件中进行了抗干扰设计。 本文建立了一个基本的模糊控制策略。该控制策略选用两个双输入单输出的模糊控制器：其中一个模糊控制器输入为电池SOC和电机转速,输出为发动机给电池充电工作时的输出扭矩系数；另一个模糊控制器输入为电池SOC和整车的需求扭矩,输出为发动机在电机助力时的输出扭矩系数。采用两个双输入单输出的模糊控制器替代一个三输入双输出的模糊控制器有利于简化电池SOC的隶属度函数,并且有利于HEV的整车控制器中程序的开发和维护。 在此基础上,本文还建立了一种基于运行状态识别的HEV控制策略,该控制策略中含有一个模糊控制策略库。通过采用自适应遗传算法,以燃油经济性和排放性为目标,基于运行状态模型中主干道和快速路运行工况,对模糊控制策略中参数进行优化,得到两种分别适用于我国主干道和快速路的模糊控制策略,并组成了模糊控制策略库。HEV在行驶过程中,会根据汽车运行状态识别模型的计算结果,在控制策略库中选择相应的模糊控制策略,进而减少HEV的燃油消耗和排放。 通过在北京以及武汉公交车上进行试验,证明了基于模糊神经网络的汽车运行状态识别模型的识别准确性和汽车运行状态识别器的性能。与原电力辅助控制策略相比,本文建立的基于运行状态识别的模糊控制策略降低了运行状态对控制策略的影响,使得HEV能够在不同运行状态下都具有良好的燃油经济性。