动力总成相关资料

　第4期　　　张世芳等:混合动力汽车多能源动力总成控制分析

95

定瞬时燃油消耗和排放,整个测试过程的性能为各个瞬时值的加权和。

在实际中,燃油消耗和排放同时达到最优化是不太可能的,这种控制策略实际上是2种情况的折衷。对于汽油机来讲,燃油消耗和排放同时达到较好的水平,在发动机Map图上只有很小的一块区域。实际车辆的运行情况非常复杂,要想保证发动机仅仅在一个很小的区域内运行几乎是不可能的,因此燃油经济性和排放同时最优受到限制。2.2.3　基于遗传算法的实时控制策略优化　遗传

算的目标函数,确定最优工作点。遗传算法程序采用浮点编码方法,交叉概率0195,变异概率0105,按比例选择的方法构造选择算子,采用精英保留策略将每代的最优个体保存到下一代。不同的转矩和转速需求下目标函数求得最优解所用遗传代数不同,选用20代的遗传计算基本上满足所有目标函数的需求,并且保证了计算速度。

3　混合动力汽车控制策略仿真分析

CYCNEDC为欧洲法规路况,整个实验工况

实时控制综合考虑蓄电池的SOC、发动机温度、催化装置温度、吸收的再生能量及车辆的操作历史等对车辆性能的影响,建立衡量行驶成本的目标函数并基于遗传算法理论求取使行驶费用目标函数最小的发动机电机工作组合点。对于优化计算来说任一转矩和转速需求对应的目标函数都是未知的,不能确定函数的性质,并且在整个路况下优化算法的计算量很大。当目标函数未知和计算效率要求较高时,适宜采用遗传算法进行优化计算化问题,(。

f(x)=

cmax-g(x,x循环时间1200s,平均车速为3215kmΠh,最高车速为120kmΠh。CYCHWFET为美国高速公路工况循环,整个实验工况循环时间800s,平均车速为7716kmΠh,最高车速为9614kmΠh。仿真分析车型

为ADVISOR2002提供的实例车型。车辆主要部件:发动机选用110L(41kW),电动机选用75,蓄电池选用,数量为25,101335,在不同。

在CYC

NEDC和CYC

HWFET循环工况

0,(1)

下,通过仿真比较分别采用电力辅助控制、自适应控制、遗传实时控制3种不同控制策略的车辆性能。结论如表1所示。

性,对于车辆的每个转矩转速需求,都有与其对应的实时控制目标函数,即根据路况实时确定待优化计

表1　仿真分析结论

Table1　Resultsofsimulation

控制策略Controlstrategy电力辅助控制自适应控制遗传实时控制

循环工况DrivingCycle

CYCNEDCCYCCYCCYC

HWFETHWFETHWFETCYCNEDCCYCNEDC

百公里油耗ΠLFuelconsume

5.94.74.64.13.43.2

HCΠ

-1

(g km)0.3430.2530.2830.2310.2850.212

COΠ

-1

(g km)1.4721.1802.5101.5961.3410.914

NOxΠ

-1

(g km)0.2550.2070.2200.2000.2030.178

　　在NEDC路况下行驶,遗传实时控制相对于辅助动力源控制,燃油经济性改善4714%,HC排放降低612%,CO排放降低2416%,NOx排放降低717%

。遗传实时控制相对于自适应控制,燃油经济

性改善2014%,HC排放降低016%,CO排放降低2915%,NOx排放降低1315%。如图3所示。

图3　NEDC循环工况下车辆性能比较

Fig.3　VehicleperformanceinCYCNEDC