基于PSO和神經網(wǎng)絡的PHEV能量管理策略的研究.pdf

1、插電式混合動力汽車(Plug-in hybrid electric vehicle, PHEV)與傳統(tǒng)的電動汽車相比具有更大的電池容量,能夠通過家用電網(wǎng)為其充電來儲存電能,可以單獨在純電動(EV)模式下驅動車輛。PHEV是在純電動汽車的發(fā)展因電池技術以及科研經費等方面的不足而暫時限制而發(fā)展起來一種過渡車型。之前對車輛動力總成能量流進行合理分配,是提高整車燃油經濟性的關鍵?；诖?本文在滿足車輛動力性能的前提下,針對混聯(lián)式PHEV主要的幾

2、種控制策略存在的問題,結合粒子群優(yōu)化算法(Particle Swarm Optimization、神經網(wǎng)絡、多目標優(yōu)化等相關技術進一步對其優(yōu)化和改進,實現(xiàn)發(fā)動機和電機之間合理的轉矩分配,以獲得最大燃油經濟性、最低排放、以及平穩(wěn)的駕駛性能。
　　本文所做的主要工作如下:在Matlab/Simulink環(huán)境下,在ADVISOR仿真平臺上建立PHEV系統(tǒng)仿真模型,對動力系統(tǒng)總成參數(shù)進行匹配。結合基于規(guī)則的能量管理策略對該模型進行試驗驗證

3、,獲得既滿足PHEV各項技術性能指標又符合實際情況的動力總成參數(shù)的最佳匹配方案。在PSAT混合動力汽車仿真平臺上,針對PHEV的特點提出基于PSO算法的離線全局優(yōu)化能量管理策略。該能量管理策略能使車輛工作在發(fā)動機和電動機共同驅動的混合模式下,提高了車輛的燃油經濟性。為進一步減少發(fā)動機的起停次數(shù),提高車輛的平順性,使提出的能量管理策略更具有可行性,本文針對各個時刻的SOC值對PSO算法進行改進。通過該方法獲取的能量管理策略對車輛的性能和燃