基于工況預測及離線最優(yōu)軌跡的PHEV在線能量管理策略研究.pdf

1、合理的能量管理策略能夠大幅度降低插電式混合動力汽車(Plug-in Hybrid Electric Vehicle，PHEV)的燃油消耗以及排放，但現(xiàn)有的能量管理策略未考慮實際行駛工況多變性對燃油消耗的影響，離線全局最優(yōu)能量管理策略雖然能獲得理論上的最小燃油消耗值，但只能應用于離線狀態(tài)。因此本文提出一種基于工況預測和離線最優(yōu)軌跡的在線能量管理策略，將離線最優(yōu)軌跡運用到在線中的同時，提高了汽車的燃油經(jīng)濟性和策略對不同工況的適應性，具體工作

2、內容如下:
　　基于Matlab/Simulink環(huán)境，以實驗建模為主，理論建模為輔搭建了整車動力學及傳動系統(tǒng)各部件仿真模型，為進一步的研究提供了仿真平臺。
　　利用動態(tài)規(guī)劃算法，建立了離線全局最優(yōu)能量管理策略。對算法進行了改進，通過將算法中每一時刻SOC取值范圍限定在0.6～0.8，以此來縮減計算時間，提高算法程序的通用性，同時保證了電池SOC在合理范圍內波動;通過限定最后時刻SOC取值為0.7，在逆向搜索可行SOC域時，

3、嚴格保證了工況下SOC電量平衡，提高了結果的可信性。仿真結果表明，所編寫算法程序通用性良好，能應用于不同工況，所建立離線全局最優(yōu)策略相對于電機助力策略燃油經(jīng)濟性明顯提升。
　　通過相關性分析對工況特征參數(shù)進行降維，確定了12種特征參數(shù)用于工況預測，利用歐幾里德貼近度法實現(xiàn)對工況的在線預測。考慮到駕駛模式代表了短期內駕駛員對道路環(huán)境的一種反應，是汽車當前時刻一種重要的狀態(tài)，將駕駛模式定義為5個等級;研究了神經(jīng)網(wǎng)絡的基本原理，利用BP

4、神經(jīng)網(wǎng)絡實現(xiàn)汽車駕駛模式的在線預測。
　　利用神經(jīng)網(wǎng)絡對標準工況下離線最優(yōu)軌跡及對應汽車狀態(tài)進行學習訓練，建立基于神經(jīng)網(wǎng)絡和離線最優(yōu)軌跡的在線策略并進行仿真驗證，結果表明該策略性能表現(xiàn)良好，實現(xiàn)了離線最優(yōu)軌跡的在線應用和能量的合理分配。在上述策略的基礎上，結合工況預測方法和駕駛模式預測方法，設計基于工況和駕駛模式預測及離線最優(yōu)軌跡的綜合在線能量管理策略并進行仿真驗證，結果表明，所設計策略下汽車SOC變化平穩(wěn)，具有良好的電量保持能力