串聯(lián)混合動(dòng)力汽車能量優(yōu)化管理策略研究.pdf

1、隨著能源危機(jī)和環(huán)境惡化的加劇，對混合動(dòng)力汽車的研究正如火如荼進(jìn)行，論文以串聯(lián)混合動(dòng)力汽車能量管理策略為研究內(nèi)容，其主要研究工作如下：
　　 本文以實(shí)驗(yàn)建模為主、理論建模為輔的建模方法，建立了串聯(lián)混合動(dòng)力汽車前向仿真模型，為能量管理策略的研究提供了必要的仿真平臺(tái)。并對串聯(lián)混合動(dòng)力汽車控制策略的工作原理進(jìn)行了系統(tǒng)、全面的分析，最后明確了能量管理策略需要解決的問題，即在滿足汽車需求功率的前提下，如何分配各能量源的輸出功率使得整車的耗油

2、量、排放最少，同時(shí)滿足電池的荷電狀態(tài)平衡。本文旨在提出優(yōu)化效果接近全局優(yōu)化算法的實(shí)時(shí)能量管理策略，首先結(jié)合動(dòng)態(tài)規(guī)劃和猴群算法理論獲得全局最優(yōu)控制規(guī)則，將這些規(guī)則作為預(yù)選樣本，提出了基于模糊C均值的BP實(shí)時(shí)能量管理策略。
　　 基于各部件模型及能量管理策略要解決的問題，以發(fā)動(dòng)機(jī)效率曲線和電池充放電效率曲線為依據(jù)，建立了串聯(lián)混合動(dòng)力汽車能量管理最優(yōu)化數(shù)學(xué)模型。對于給定工況下的能量管理最優(yōu)控制問題，通過離散化將一個(gè)多階段決策問題轉(zhuǎn)化為

3、多個(gè)單階段決策問題，并對整個(gè)工況的燃油最小化做了機(jī)理分析，針對問題的特點(diǎn)，結(jié)合動(dòng)態(tài)規(guī)劃理論，提出了改進(jìn)的動(dòng)態(tài)規(guī)劃算法。仿真結(jié)果表明，該算法不僅能獲得全局最優(yōu)解，還使得運(yùn)算時(shí)間大大減少。
　　 在建立的整個(gè)工況的離散化數(shù)學(xué)模型基礎(chǔ)上，應(yīng)用新的智能算法-猴群算法，設(shè)計(jì)了串聯(lián)混合動(dòng)力汽車的猴群算法能量管理策略，建立了以發(fā)動(dòng)機(jī)輸出功率為決策變量、以電池荷電狀態(tài)平衡為約束的功率分配策略。在原算法的基礎(chǔ)上增加了混沌搜索、合作過程和隨機(jī)擾動(dòng)機(jī)

4、制使之快速收斂。仿真結(jié)果表明，該算法能獲得全局最優(yōu)解，可以有效解決串聯(lián)混合動(dòng)力汽車的能量管理優(yōu)化問題。
　　 通過對改進(jìn)動(dòng)態(tài)規(guī)劃算法的分析與仿真，將能量管理策略總結(jié)為二輸入單輸出的非線性映射，設(shè)計(jì)了基于模糊C均值的BP神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)能量管理策略。將全局優(yōu)化算法結(jié)合多個(gè)典型工況得到的控制規(guī)則作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，采用模糊C均值算法對樣本進(jìn)行預(yù)選取，將樣本分類，選取每一類中的典型樣本離線進(jìn)行訓(xùn)練，得到與分類數(shù)相同個(gè)BP神經(jīng)網(wǎng)絡(luò)。對于