并聯(lián)式混合動力電動汽車能量管理系統(tǒng)智能控制策略研究.pdf

1、混合動力電動汽車能量管理系統(tǒng)控制策略的目標是合理地分配發(fā)動機、電機的輸出轉矩，實現(xiàn)能量的最優(yōu)管理、效率與排放的最佳平衡。目前并聯(lián)式混合動力控制策略主要有邏輯門限控制策略、瞬時優(yōu)化控制策略、全局最優(yōu)控制策略及基于模糊邏輯或神經(jīng)網(wǎng)絡的智能控制策略，但只有邏輯門限控制策略在實際商品化的汽車中得到了廣泛應用。將邏輯門限控制策略和智能算法相結合，改進邏輯門限控制策略，更好地實現(xiàn)能量的控制和分配，具有重要的現(xiàn)實意義。
　　 本文以江蘇省重點

2、實驗室開放基金項目(QK09003)、湖南大學“985工程”項目為依托，將智能算法融入邏輯門限控制策略之中，對ADVISOR軟件中的邏輯門限控制策略進行了改進。論文的主要工作及創(chuàng)新之處如下：
　　 (1)采用多層次參數(shù)掃描算法對邏輯門限控制參數(shù)進行了優(yōu)化，在ADVISOR軟件上進行了仿真實驗，并與車輛優(yōu)化前的仿真結果進行了對比分析。結果表明，經(jīng)多層次參數(shù)掃描算法優(yōu)化后，油耗、排放得到了明顯降低。
　　 (2)結合粒子群算

3、法和模擬退火算法的各自優(yōu)點，構建了模擬退火粒子群算法(Simulated Annealing Particle Swarm Optimization，SAPSO)，并用于邏輯門限控制策略的控制參數(shù)優(yōu)化，同時在ADVISOR軟件上進行仿真實驗。對比分析結果表明，SAPSO算法在控制參數(shù)優(yōu)化問題上優(yōu)于多層次參數(shù)掃描算法。
　　 (3)采用邏輯門限控制策略和瞬時優(yōu)化控制策略相結合的方法建立了模糊BP神經(jīng)網(wǎng)絡控制策略，并基于ADVISO