基于工况识别的PHEV自适应能量管理策略研究

作     者：文英杰 

作者单位：吉林大学 

学位级别：硕士

导师姓名：郭建华

授予年度：2022年

学科分类：082304[工学-载运工具运用工程] 08[工学] 080204[工学-车辆工程] 0802[工学-机械工程] 0823[工学-交通运输工程] 

主      题：粒子群优化算法 等效油耗最小化策略 K均值聚类算法 全连接神经网络 参考SOC生成 等效因子实时调优 

摘      要：现代汽车工业飞速发展,汽车保有量的急剧增长带来了能源危机和环境污染问题。世界各国学者及工程师们为改善汽车燃油经济性和排放性能做出不懈努力,新能源汽车因此应运而生。其中的插电式混合动力汽车则是新能源汽车中的代表,因其搭载容量较大的电池,可以对其燃油经济性做进一步的优化,引出了混合动力汽车的能量管理策略。本文依托于吉林省重点科技技术攻关项目,结合行驶工况智能识别、聚类算法、智能优化算法等对插电式混合动力汽车的燃油经济性进行优化,具体工作如下:（1）针对课题研究需求,在MATLAB/Simulink环境下,搭建了同轴并联插电式混合动力汽车仿真模型,包括驾驶员模型、动力总成各部件模型以及整车动力学模型。在车辆模型的基础上开发了基于规则的能量管理策略模型,并在不同的行驶循环工况下进行仿真实验,通过对比分析验证基于规则能量管理策略的控制效果;（2）为避免全局优化能量管理策略对全局工况已知的依赖性问题,本文采用了等效油耗最小化策略,分析了等效油耗最小化策略中等效因子的重要性,从庞特里亚金极小值中的协同状态是否可变的角度,分析了它和等效油耗最小化策略的等价性。在上述车辆模型基础上,搭建了等效油耗最小化策略的仿真模型,并通过仿真实验探究了等效因子对工况类型、行驶距离和初始电池荷电状态的敏感度,在此基础上提出改进的粒子群优化算法,对在不同工况类型、不同行驶距离和不同初始电池荷电状态下的等效因子进行优化,仿真结果表明经过优化的等效因子能够提升整车的燃油经济性,说明该算法具有良好的优化效果,能够解决等效因子的寻优问题;（3）针对等效因子与工况的关系,驾驶实车采集了城市代表路段的工况数据,并对采集来的工况数据做进一步处理,通过K均值聚类算法对城市实测工况进行聚类,利用上文提出的改进粒子群优化算法对各类工况下的等效因子进行优化。在聚类结果的基础上,采用了全连接神经网络搭建工况识别的模型框架,并使用一部分聚类样本作为训练集训练全连接神经网络模型,以另一部分作为测试集对训练完成的神经网络识别模型进行测试,结果表明该模型的识别精度较高,为进一步提升插电式混合动力汽车燃油经济性打下基础;（4）结合等效油耗最小化策略和全连接神经网络工况识别算法,提出了基于全连接神经网络工况识别的自适应等效油耗最小化策略。该策略采用全连接神经网络进行工况识别,调用对应工况下的经过优化的等效因子,并通过线性参考电池荷电状态生成方法,根据实际电池荷电状态与参考电池荷电状态之间的偏差,采用对数函数方法对等效因子进行实时调优。仿真结果表明该策略进一步提升了整车的燃油经济性,尤其是城市实测工况下整车的燃油经济性。