并联式混合动力汽车能量管理策略
混合动力系统的能量管理策略优化
混合动力系统的能量管理策略优化混合动力系统是一种结合了内燃机和电动机的技术，通过合理地配置功率来源，既能提高车辆的燃油经济性，又能降低对环境的影响。
而能量管理策略作为混合动力系统的核心所在，直接关系到系统的性能和效率。
本文将会探讨混合动力系统的能量管理策略优化，以期提供一些有益的思考。
一、混合动力系统简介混合动力系统是汽车动力系统的一种创新形式，由燃油引擎和电动机构成。
燃油引擎主要负责长途高速行驶时的动力提供，而电动机则在低速或起步时发挥作用。
通过两种动力形式的合理配合，混合动力系统在提高燃油经济性的同时，能够减少氮氧化物和颗粒物等有害物质的排放。
二、能量管理策略的重要性能量管理策略是混合动力系统保持高效运行的关键。
通过智能的能量管理，能将引擎和电动机的工作状态在合适的时候转换，最大程度地利用能量。
当车辆处于行驶过程中，能量管理策略会根据不同的驾驶模式选择合适的能量转换方式，尽量减少能量的浪费。
三、混合动力系统的能量流分析混合动力系统的能量流分析是能量管理策略优化的前提。
通过对系统中各个部件的能量流方向和能量转换过程的分析，可以找到合理的优化方案。
以一款典型的混合动力汽车为例，燃油引擎通过传动系统与驱动轮相连，同时通过发电机给电动机供电；电动机既可以通过储能系统提供电力，也可以通过发电机获得能量。
在不同的驾驶模式下，能量的流动路径和比例会发生变化，能量管理策略需要根据实际情况进行调整。
四、基于经济性的能量管理策略经济性是影响能量管理策略的一个重要指标。
一种基于经济性的能量管理策略主要考虑的是系统的燃油效率和运行成本。
通过对车辆行驶状态和驾驶模式的实时监测，能够合理调整能量转换的工作方式，使得耗能最小化。
例如，在长时间高速行驶中，燃油引擎可以更多地提供功率，以提高燃油经济性；而在城市拥堵的情况下，电动机可以发挥更大作用，以减少燃料的消耗。
五、基于环境友好性的能量管理策略环境友好性也是一个重要的能量管理策略指标。
混合动力汽车能量管理控制策略
混合动力汽车能量管理控制策略摘要混合动力汽车是一种通过利用内燃机和电动机的相互配合来提高燃油经济性和减少排放的先进技术。
能量管理控制策略是混合动力汽车中关键的技术之一，其主要作用是合理分配和利用汽车系统中的能量，以实现最佳的能效和驾驶性能。
本文将详细探讨混合动力汽车能量管理控制策略的原理、方法和挑战，并介绍当前研究的热点和未来发展方向。
一、能量管理控制策略的基本原理能量管理控制策略是指在混合动力汽车中对内燃机和电动机之间的能量流进行控制和优化调度的方法。
其基本原理是通过实时监测车辆的动力需求和能量状态，合理地选择使用内燃机、电动机或两者的组合模式，以最大程度地提高能源利用率和驾驶性能。
能量管理控制策略的核心是能量管理算法。
常用的能量管理算法包括规则型算法、优化算法和神经网络算法。
规则型算法是一种基于规则和经验的控制策略，通常根据驾驶条件和车辆状态来选择内燃机和电动机的工作模式。
优化算法是一种通过数学模型和计算方法来寻找最优解的策略，常用的优化算法有动态规划、遗传算法和模型预测控制算法。
神经网络算法则是通过模拟人脑的神经网络结构来实现能量管理的策略。
二、常用的能量管理控制策略1. 静态规则型策略静态规则型策略是一种基于预设规则的能量管理控制策略。
它根据车辆驾驶模式和能量状态进行判断，确定内燃机和电动机的工作模式。
常见的静态规则包括纯电动模式、混合模式和纯内燃机模式。
纯电动模式下，车辆只使用电动机提供动力；混合模式下，车辆通过内燃机和电动机的组合来提供动力；纯内燃机模式下，车辆只使用内燃机提供动力。
静态规则型策略的优点是简单易懂、易实现，并且适用于驾驶条件相对固定的情况。
缺点是不能适应复杂的驾驶环境和动力需求变化，无法实现最优的能效和驾驶性能。
2. 动态规则型策略动态规则型策略是一种根据实时驾驶需求和能量状态进行判断的能量管理控制策略。
它通过车辆动力需求的实时变化来调整内燃机和电动机的工作模式。
常见的动态规则包括启停控制策略、能量回收策略和能量分配策略。
并联式混合动力汽车的BP网络实时能量管理
ｃ ｍｐ ｅ ｉ ｎ ｔ ｎ ａ ｅ ｕ ｐ ｉ ｚ ｔ ｎ Ｅ ｏ ａ ｄ ｗ ｔ ｉ ｓ ｔ ｎ ｏ ｓ ｏ ｔ ａ ｉ ＭＳ，ｔ ｅ ｐ ｏ ｏ ｅ ＭＳ ｎ ｔ ｏ ｌ ａ ｉ ｅ ｈ ｕ ｌｅ ｏ ｏ ， ｒ ｈ ａ ｍｉ ｏ ｈ ｒ ｐ ｓ ｄ Ｅ ｏ ｎ ｙ ｓ ｔ ｆ ｓ ｔ ｅ ｆ ｅ ｃ ｎ ｍｙ ｓ ｉ
ｏ ｒ ｅ ｃ ｃｅ ．Ｔ ｅ ｅ ｅ ｅ ｇ ｎ ｇ ｍｅ ｔ ｌ ｓ ａｅ ｃ ａ ｓｆ ｄ ｂ ｕ ｚ ｍｅ ｎ ｃｕ ｔ ｒａ ｄ ｓ ｌ ｃｅ ｓ ｆｄ ｖ ｙ ｌｓ ｈ ｎ ｔ ｎ ｒ ｍａ ａ ｅ ｎ ｅ ｒ ｌｓ ｉ ｅ ｙ ｆ ｚ ｙ Ｃ— ａ ｌ ｓ ｎ ｅｅ ｔｄ ａ ｉ ｈ ｙ ｕ ｒ ｉ ｅ
Ａ ｓ ａ ｔＩ ｒｅ ｒｖ ｅ ｅｏ ｏ ｆ ａ ｌ ｌ ｙ ｒ ｌｃ ｉ ｖｈｃｅ（ Ｈ Ｖ） ａ ｅｌｉ ｅｅ ｅ－ ｂｔ ｃ：ｎｏ ｒ ｏｉ ｏｅｆ ｌ ｃｎｍｙｏ ｒ ｌ ｂｉ ｅ ｔｃ ｅ ｉ Ｐ Ｅ ， ａ－ｍ ｎ ｒ ｒ ｄ ｔ ｍｐ ｕ ｐ ａ ｅｈ ｄ ｅ ｒ ｌ ｒ ｔ
ＷＵ Ｊａ Ｚ ｉｎ， ＨＡＮＧ ｈ ｎ － ｕ ， Ｃ —ｉ Ｃ ｅ ｇｈ ｉ ＵＩＮａｘｎ
（ ｃｏｌ ｆ ｏ ｔ ｌ ｃ ｎｅａｄＥ ｇ ｅｒ ｇ ｈｎ ｏｇＵ ｉ ｒ ｔ， ｉａ ５０ １ Ｃ ｉ ） Ｓ ｈｏ ｏ Ｃ ｎｒ ｉ ｃ ｎ ｎｉ ｅ ｎ ，Ｓａ ｄｎ ｎｖ ｓｙ Ｊｎｎ２０ ６ ， ｈｎ ｏＳｅ ｎ ｉ ｅｉ ａ
Ｒｅ ｌｔｍ ｅ ｅ ｅ ｇ ａ ａ ｅ ｅ ｔｏ ａ ａ ｌｌｈ ｂ ｉ ｌ ｃ ｒ ｃ ｖ ｈ ｃ ｅ ａ ・ｉ ｎ ｒ ｙ ｍ ｎ ｇ ｍ ｎ ｆ ｐ ｒ ｌｅ ｙ ｒ ｄ ｅｅ ｔ ｉ ｅ ｉ ｌ
ｂ ｓｄ ｏ ａ ｅ ｎ ＢＰ ｕ ａ ｅ ｗｏ ｋ ｎｅ ｒ ｌｎ ｔ ｒ
《2024年并联式混合动力汽车能量管理策略优化研究》范文
《并联式混合动力汽车能量管理策略优化研究》篇一一、引言随着全球对环境保护和能源效率的日益关注，混合动力汽车作为一种节能减排的有效手段，得到了广泛的关注和推广。
其中，并联式混合动力汽车（PHEV）以其独特的结构和工作原理，成为了研究的热点。
本文旨在研究并联式混合动力汽车的能量管理策略优化，以提高其能源利用效率和驾驶性能。
二、并联式混合动力汽车概述并联式混合动力汽车是一种同时装备了内燃机和电动机的汽车。
这种汽车可以根据行驶工况和需求，灵活地切换内燃机和电动机的工作模式，以达到最佳的能源利用效率和驾驶性能。
然而，如何有效地管理这两种动力源的能量输出，是并联式混合动力汽车面临的重要问题。
三、能量管理策略的重要性能量管理策略是并联式混合动力汽车的核心技术之一，它决定了汽车在行驶过程中如何分配内燃机和电动机的能量输出。
一个优秀的能量管理策略可以显著提高汽车的能源利用效率和驾驶性能，同时减少排放，达到节能减排的目的。
四、现有能量管理策略的不足目前，并联式混合动力汽车的能量管理策略主要基于规则控制或优化算法。
这些策略虽然能在一定程度上实现能源的有效利用，但仍然存在一些不足，如对行驶工况的适应性不强、对电池寿命的影响考虑不足等。
因此，需要进一步优化这些策略。
五、优化能量管理策略的方法为了优化并联式混合动力汽车的能量管理策略，本文提出以下方法：1. 建立精确的动力系统模型：通过建立精确的动力系统模型，可以更好地预测汽车的行驶工况和需求，为能量管理策略的制定提供依据。
2. 引入智能优化算法：利用智能优化算法，如遗传算法、粒子群算法等，对能量管理策略进行优化，以提高其适应性和能源利用效率。
3. 考虑电池寿命的影响：在制定能量管理策略时，要充分考虑电池寿命的影响，避免过度放电或充电对电池造成的损害。
4. 结合驾驶员习惯和路况信息：根据驾驶员习惯和路况信息，动态调整能量管理策略，以实现最佳的能源利用效率和驾驶性能。
六、优化后的能量管理策略的应用与效果经过优化后的并联式混合动力汽车能量管理策略，可以在不同行驶工况下实现更高效的能源利用和更佳的驾驶性能。
《基于模糊PI控制的混联式混合动力汽车能量管理策略的研究》
《基于模糊PI控制的混联式混合动力汽车能量管理策略的研究》一、引言随着全球对环保和能源效率的关注日益增强，混联式混合动力汽车（Hybrid Electric Vehicle, HEV）作为节能减排的重要手段，其能量管理策略的研究显得尤为重要。
混联式混合动力汽车结合了串联和并联混合动力系统的优点，通过复杂的能量流控制，实现燃油经济性和排放性能的优化。
本文旨在研究基于模糊PI控制的混联式混合动力汽车的能量管理策略，以提高其能源利用效率和驾驶性能。
二、混联式混合动力汽车概述混联式混合动力汽车是一种采用内燃机和电动机作为动力源的汽车。
其核心特点在于，发动机和电动机可以根据驾驶需求和工况进行协同工作，实现能量的优化利用。
然而，如何合理分配内燃机和电动机的能量输出，以及如何协调两种动力源的工作，是混联式混合动力汽车面临的主要挑战。
三、传统能量管理策略的局限性传统的混联式混合动力汽车能量管理策略多采用基于规则或优化的方法。
这些方法在特定工况下可能表现出较好的性能，但在复杂多变的路况和驾驶需求下，其性能可能会受到影响。
此外，这些策略往往缺乏对不确定性和非线性因素的考虑，导致能量利用效率不高。
四、模糊PI控制理论为了解决上述问题，本文引入了模糊PI控制理论。
模糊PI 控制是一种结合了模糊逻辑和PI控制器的控制策略。
它能够根据系统的实时状态和目标，通过模糊逻辑对系统进行实时调整，实现系统的优化控制。
在混联式混合动力汽车的能量管理策略中，模糊PI控制可以实现对内燃机和电动机的能量输出的精准控制，提高能源利用效率。
五、基于模糊PI控制的能量管理策略研究本研究首先建立了混联式混合动力汽车的动力学模型和能量管理模型。
然后，通过模糊PI控制算法对内燃机和电动机的能量输出进行优化。
具体而言，我们根据车辆的实时状态（如车速、加速度、电池电量等）和目标（如燃油经济性、排放性能等），通过模糊逻辑对PI控制器的参数进行实时调整，实现对内燃机和电动机的精准控制。
混合动力电动汽车的能量管理与优化策略
混合动力电动汽车的能量管理与优化策略混合动力车是结合了传统内燃机和电动机的一种汽车类型。
它将内燃机和电动机的优点结合在一起，实现了汽车能量的高效利用和减少尾气排放的目标。
能量管理和优化策略是混合动力电动汽车的关键技术之一，它能够有效提高混合动力车辆的燃油经济性和驾驶性能。
本文将着重探讨混合动力电动汽车的能量管理与优化策略。
能量管理是指对车辆能量进行合理规划和调度，以提高整车的能量利用效率。
混合动力车辆的能量系统包括内燃机、电动机、电池和储能器等部分，能量管理主要涉及到这些部分的控制和协调。
以下是一些常用的混合动力车辆能量管理与优化策略：1. 电力分配策略：电力分配策略是指根据实时道路条件和电池状态等信息，合理分配电力系统中的能量。
例如，在高速公路上行驶时，可以使用内燃机提供的能量来驱动车辆，同时将电池充电。
而在低速行驶和城市道路行驶时，可以使用电动机驱动车辆，以提高燃油经济性。
通过合理分配能量的使用方式，能够最大限度地提高燃油利用效率。
2. 内燃机启停策略：内燃机启停策略是指根据实时行驶条件和电池状态等信息，合理控制内燃机的启停。
例如，在短时间停车等待红绿灯时，可以通过关闭内燃机来节省能量。
而在需要急加速的情况下，可以及时启动内燃机提供额外的动力。
通过合理控制内燃机的启停，能够减少燃油的消耗，提高混合动力车辆的燃油经济性。
3. 能量回收策略：能量回收策略是指通过电动机将制动能量或行驶能量转化为电能并存储到电池中。
例如，在制动过程中，电动机可以将制动能量转化为电能并存储到电池中，以供后续行驶使用。
通过能量回收策略，能够最大程度地减少制动能量的浪费，提高能量利用效率。
4. 调度策略：调度策略是指根据电池状态、行驶路线和驾驶习惯等信息，合理调度电池的使用和充电。
例如，在长时间高速行驶后，电池的储能可能较低，此时可以选择将车辆行驶至电池充电站进行充电。
通过合理调度电池的使用和充电，能够提高电池的寿命，并最大程度地利用电池提供动力。
并联混合动力汽车的能量管理策略
文章编号:167325196(2008)0420091207并联混合动力汽车的能量管理策略祝超群1,郭 戈2(1.兰州理工大学电气工程与信息工程学院,甘肃兰州 730050;2.大连海事大学自动化与电气工程学院,辽宁大连 116026)摘要:经过系统研究并联混合动力汽车的控制策略,对并联混合动力汽车提出一种基于模糊逻辑和PID控制的混合能量管理策略,通过模糊逻辑控制器对引擎和电机的期望转矩进行分配,借助PID电量持续策略实现整个循环工况电池荷电状态SOC平衡.为了验证能量管理策略的有效性,对该策略进行仿真分析.仿真结果表明,该策略对提高混合动力汽车的动力性和燃油经济性、改善排放有明显的作用.关键词:能量管理策略;混合动力汽车;转矩分配;充电持续中图分类号:TP273 文献标识码:AEnergy management strategy for a parallel hybrid pow ered vehicleZHU Chao2qun1,GUO Ge2(1.College of Electrical and Information Engineering,Lanzhou Univ.of Tech.,Lanzhou 730050,China;2.College of Automatization and Electrical Engineering,Dalian Maritime University,Dalian 116026,China)Abstract:After systematical investigation of various cont rol st rategies for parallel hybrid powered vehi2 cles,a blend energy management cont rol system for t hem was p resented.On t he basis of combined f uzzy logic scheme and PID st rategy.The anticipative torque was distributed between t he internal combustion engine and elect ric wit h t he f uzzy2logic cont roller and t he PID motor charge sustaining st rategy was used to ensure a better balance of battery’s charging during t he whole driving p uter simulatio n was car2 ried out to evaluate t he energy management system p roposed.It was found t hat significant imp rovement on f uel economy and vehicle’s power performance could be achieved wit h remarkable emission reduction.K ey w ords:energy management;hybrid powered vehicle;torque distribution;charging sustenance 传统的汽车只有内燃机一个动力源,这种动力结构虽然便于控制,但在汽车运行过程中内燃机的运行往往偏离其最优工作区域,工作效率偏低,燃油消耗和排放达不到理想效果.从节能和降低环境污染的角度看,使用混合动力汽车是解决能源问题和减排最具现实意义的途径之一.与传统的内燃机汽车和纯电动汽车不同,混合动力汽车一般有两种能量作为车辆牵引力来源,以内燃机作为主要动力源,电机(包括蓄电池)作为辅助动力源,内燃机和电机相互配合实现整车系统性能的改善和提高,要实现两者之间相互协调工作,需要良好的能量管理策略.现阶段对混合动力汽车能量管理策略的研究主要集中在以下两个方面: 收稿日期:2008203201 基金项目:国家自然科学基金(60504017),新世纪优秀人才支持计划(NCET20420982) 作者简介:祝超群(19772),男,新疆塔城人,硕士,讲师. 第一类为最优控制方法,主要包括最优设计方法[1,2]、动态规划法[3～5]和等价能量消耗法[6～8].最优设计法将控制问题表达为一个静态约束最优问题,用经典算法如退火仿真算法、连续二次规划法解决控制问题;等价能量消耗法采用将电功率消耗转换为等价燃油消耗的方法,在满足驾驶性能需求的基础上做到燃油消耗瞬时最优.以上几种控制方法都需要车辆的速度和负载条件等先验知识,仅适用于对其他控制方法的控制效果进行评价,所得到的结果对其他能量管理方法具有一定的指导意义.第二类为智能控制方法,如基于规则的控制[9]、神经网络控制[10]和模糊逻辑控制方法[11].基于规则的控制方法首先设置一些静态的规则,然后将驾驶者加速和制动命令按照规则转化为相应的功率分配指令,从而完成动力传动系统响应与驾驶者的功率需求匹配;模糊逻辑控制方法用模糊的规则取代明确的规则,将电池荷电状态和功率需求等输入量模第34卷第4期2008年8月兰 州 理 工 大 学 学 报Journal of Lanzhou University of TechnologyVol.34No.4Aug.2008糊化,借助模糊决策系统得出内燃机和电机的功率输出比例.对于智能控制方法,无须专门的先验知识,控制计算量比较小,适合于实时车辆能量管理.混合动力汽车的能量管理是一种复杂的动态非线性不确定问题,没有明确的数学模型描述并且难以获得解析解.采用最优能量管理方法综合控制效果比较好,但因计算量过大不能应用于在线控制;传统的实时能量控制方法虽然便于实现,但是难以兼顾节能减排和电量持续供给两个控制目标.因此,本文提出一种混合能量管理策略,采用模糊逻辑控制方法解决混合动力汽车的转矩分配问题,同时利用PID 控制算法保证蓄电池长时间持续供电,将充电持续和模糊转矩分配策略结合起来以提高车辆的燃油经济性和操纵性,这使得并联混合动力汽车的能量管理策略更加实用化.1 并联混合动力汽车模型本文的研究对象为并联单轴混合动力汽车,结构如图1所示.图1 并联混合动力汽车结构图Fig.1 Schematic architecture of p arallel hybrid pow eredvehicle1.1 车辆动力学模型将车辆看成一个刚体,车辆以速度ν(t )行驶所需的驱动力可用牛顿第二定律推导出:F ν(t )=ρaν(t )22c D A f +gm t sin γ(t )+F R (ν)cos γ(t )(1)式中:F ν(t )包括空气阻力、爬坡阻力和滚动阻力F R (ν),滚动阻力F R (ν)与轮胎负载、型式和结构有关,通常采用下式表示:F R (ν)=gm t [α0+α1ν(t )+α2ν(t )2+α3ν(t )3](2)α0～α3为滚动阻力系数,可由试验获得;ν(t )为车速;空气阻力由迎风面积A f 、风阻系数c D 和空气密度ρa 决定,并与车速的平方成正比;爬坡阻力可由车辆的质量m t 和坡度角γ(t )计算出.在考虑车辆驱动力F ν(t )和加速度α(t )的基础上,可计算出车轮所需的转矩T wh (t )和转速ωwh (t ):T wh (t )=r wh F ν(t )+δm t α(t )/r wh (3)ωwh (t )=ν(t )/r wh (4)式中:r wh 为车轮半径,δ为汽车旋转质量换算系数.1.2 引擎和电机转矩分配计算出车轮的转矩和转速需求后,由减速器的传动比逆向推算出所需的耦合转矩,就可以由能量管理策略对引擎和电机回路需要提供的转矩进行分配.根据混合动力汽车的结构图,可以得到引擎回路的转矩T ice (t )和转速ωice (t )关系如下:T e (t )・R (k (t ))・ηgb =T ice (t )(5)ωe (t )/R (k (t ))=ωice (t )(6)式中:R (k (t ))为主差速器的减速比,ηgb 为主差速器的效率,k (t )为主差速器的档位.同理得电机的输出转矩T mot (t )和转速ωmot (t ):R (k (t ))・(ρ・T m (t )・ηred )・ηgb =T mo t (t ) (7)ωm (t )/(R (k (t ))・ρ)=ωmot (t )(8)式中:ρ为减速器的速度比,ηred 为减速器的效率.引擎和电机回路输出的转矩和转速确定后,根据式(5～8)就可以得出车轮转矩和转速平衡方程:T mot (t )+T ice (t )=T wh (t )(9)ωice (t )=ωmot (t )=ωwh (t )(10) 对于蓄电池,考虑了电池内阻R b 和开路电压V b ,oc 随电池荷电状态SOC (t )变化的关系,并假设充/放电电流对蓄电池实际容量的影响相同,忽略温度因素的影响,得出蓄电池功率平衡方程为P b (t )=I b (t )・V b ,oc (SOC (t ),P b (t ))-I b (t )2・R b (SOC (t ))(11)式中:P b (t )、I b (t )分别表示蓄电池的输出功率和充/放电电流,V b ,oc 为蓄电池开路电压,与P b (t )和电池荷电状态SOC (t )相关.同时,SOC (t )和I b (t )的关系可以表示为Q maxdSOC (t )d t=-I b (t )(12)式中:Q max 为蓄电池最大容量.2 能量管理策略能量管理策略用来控制混合动力汽车的各个组成部分(引擎、电机、电池和传动系统)的能量流动和转换过程,包括以下两个部分:1)转矩分配策略:根据动力系统的能量需求,动态分配引擎和电机系统的输出转矩以达到降低油耗和减排的目的;2)电池电量持续策略:在汽车行驶过程中保证电池电量的持续供给,充分保证驾驶者对车辆的操控性.2.1 转矩分配策略如式(3)所示,根据给定的循环工况和车辆参数可以计算出车轴所需的驱动转矩,转矩分配策略对引擎和电机提供的转矩进行动态分配,保证车辆运・29・ 兰州理工大学学报 第34卷行时转矩平衡.2.1.1 引擎效率图引擎本身特性呈显著非线性,真实模型相当复杂,对于不同的节气门开度,引擎输出转矩特性曲线各不相同,引擎效率与转速和转矩的关系如图2所示.根据大量的经验数据可以得到引擎的最优转矩曲线,在该曲线上引擎工作效率最高.因此,引擎管理的目标就是使引擎的操作点在最优转矩曲线上,实现引擎燃油消耗和污染排放最小化.图2 引擎效率图Fig.2 E ff iciency m ap of ICE从引擎的工作效率图可以看出,引擎的最优工作效率区为转速188～418rad/s ,也就是说,引擎的最佳工作功率范围为10～30kW ,因此转矩分配策略应尽量使引擎工作于此功率范围.从图中还可以看出,引擎效率在低速和高速区都比较低,因此要尽量避免引擎工作功率低于8kW 和高于30kW.2.1.2 电机效率图电机的作用是在低速时驱动车辆行驶,在车辆减速和制动过程中进行能量回收.图3为交流感应电机的工作效率等高图,粗体部分为电机在此转速下的峰值转矩.可以看出,感应电机作为电动机和发电机时的工作效率相同,不同的仅是转矩的方向,电机的最优工作效率区为转速314～680rad/s.2.1.3 蓄电池效率图图4给出了蓄电池内阻随电池荷电状态SOC 变化的曲线,可以看出充电时电池内阻在SOC 为60%左右时最小,放电时电池内阻在SOC 为80%左右时最小.图5给出了蓄电池在室温(22℃)时的工作效率曲线.图4和图5表明,电池在SOC 为60%～80%且充/放电电流较小时工作效率较高,能量管理策略应尽量使电池工作在这一区域.因为过度地对蓄电池进行充/放电会加速老化,降低其使用寿命,所以在电池SOC 低于40%时,应该优先给电池充电;同理在电池SOC 高于95%时,即便在减速或制动时也不回收制动能量,仅通过摩擦制动车辆.图3 电机效率图Fig.3 E ff iciency m ap of electricmotor图4 电池充/放电内阻变化曲线 Fig.4 V ariation of charging and discharging internalresistance of battery图5 电池工作效率曲线(22℃) Fig.5 E ff iciency m ap of b attery in operation regime(22℃)转矩分配策略用来控制采用引擎还是电机或者二者同时驱动车辆.使用引擎驱动车辆时,能量损失比较小;而使用电机驱动时,能量转换的中间环节较多,相对应的能量损耗也比较大.所以系统只有在引擎效率非常低或者车辆需要获得更好的加速性能情况下使用电机驱动,以提高整个系统的工作效率.2.2 电池电量持续策略在循环工况中应保证蓄电池的能量平衡[11].在・39・第4期 祝超群等:并联混合动力汽车的能量管理策略 功率需求较高的时刻,蓄电池通过电机和引擎共同向车辆提供驱动功率;在另一方面,当车辆负载较低或制动时,电池从引擎吸收能量或回收制动能量.在每个循环工况结束时,要让电池的SOC 尽量接近于初始值,这样就可以做到无须外部的充电操作而实现车辆的连续运行,显然对于以降低油耗和减排为目的的转矩分配策略无法做到这一点.为了实现电池电量的持续供给,首先选取一个最优的电池荷电状态SOC 3(本文取0.7),定义误差e 作为实际SOC 和期望SOC 3的差值,即有e =SOC -SOC 3(13)然后将误差e 作为PID 控制器的输入,经计算后得到参考转矩输出,于是可以得到最终的参考引擎转矩命令输出:T f =T t +λ・T b(14)式中:T f 为最终引擎转矩命令输出,T t 为转矩分配策略计算出的参考输出,T b 为PID 控制器的参考输出.λ为权重因子,取值范围从0到1.λ越小,能量管理策略越偏向于节能减排的目标;λ越大,能量管理策略越偏向于电量持续供给的控制方向.总之,通过调整λ的大小,就可以在节能与电池电量的持续供给这两个控制目标之间实现折衷.2.3 传动系统控制策略在能量管理策略确定期望的引擎输出转矩后,根据引擎最优转矩曲线图就可以得到最佳的引擎转矩和转速,用引擎的转速除以当前车速得到期望的传动比.最后,以最接近期望传动比的主差速器齿数比作为传动系统的传动比,在完成同样的循环工况条件下使得燃油消耗和污染排放最优.3 混合能量控制器控制器的结构如图6所示,控制器由模糊能耗控制单元和PID 电池电量持续控制单元组成,模糊控制器的主要工作是进行转矩分配,在保证油耗和排放控制目标的基础上兼顾电池荷电状态SOC的图6 混合能量控制器结构图Fig.6 B lock diagram of hybrid energy controller变化,维持电池的正常工作;PID 控制器用来保证车辆在循环工况前后电池荷电状态SOC 的变化在一定范围之内,使电池电量在车辆长期运行过程中能够持续供给.3.1 模糊转矩控制器本文采用Mamdani 模糊控制方法[12,13]实现上文所描述的转矩分配思想,模糊控制器包括车辆转矩需求T wh 和电池荷电状态SOC 两个输入,输出为期望引擎转矩命令T t .3.1.1 隶属度函数输入变量隶属函数主要根据引擎、蓄电池的工作效率图来确定,为了简化计算,便于实时对车辆进行在线控制,本文采用三角形和梯形隶属度函数.图7所示为转矩需求隶属度函数.根据车辆数学模型计算出转矩需求,对其进行标准化后得到从0到100的数字值,0表示车辆的转矩需求为零,100表示车辆需求的最大转矩.当转矩需求比较小时(图中T1和T2区域),引擎工作于低效区,从降低能耗和污染排放的角度考虑,应首选电机驱动;当转矩需求中等时(图中T3到T7区域),引擎开始工作,通过电机工作于发电或牵引模式将引擎的操作点转移到引擎的最优转矩曲线上;当转矩需求较大时(图中T8到T11区域),分为两种情况考虑:1)电池的SOC 足够高的前提下,引擎工作在最优转矩曲线上,不足的转矩由电机提供;2)电池的SOC 偏低时,引擎提供全部转矩而电机不提供牵引力,等到负载较小时再由引擎给电池充电.值得注意的是,在第二种情况时,首先要保证驾驶需求的实现,其次才考虑能耗和污染排放问题.图7 转矩需求隶属度函数Fig.7 Membership degree function of torque dem and图8所示为电池荷电状态隶属度函数.电池的SOC 标准化后得到的数字值范围为0～100,0表示电池完全放电,100表示电池充电已经达到了最大容量.当电池的SOC 处于最优范围时(图中S7区域),电池的工作效率最高,此时电机既可以工作于・49・ 兰州理工大学学报 第34卷图8 电池荷电状态隶属度函数Fig.8 Membership degree function of b attery SOC发电状态也可以工作于牵引状态;当电池的SOC 较低时(图中S 3到S6区域),应尽量对电池充电,使其工作点转移到高效工作区;当电池的SOC很低时(图中S1和S2区域),电机不再提供牵引力,即便引擎工作于低效区也要给电池充电;反之,电池的SOC 很高时(图中S10和S11区域),只有在回收制动能量时电机才工作于发电状态.图9所示为引擎转矩命令隶属度函数,引擎转矩命令同样被标准化为0～100.当输出引擎转矩命令为0时,表明所有的牵引转矩都由电机提供;当输出引擎转矩命令为100时,表明所有的牵引转矩都由引擎提供.图9 引擎转矩隶属度函数Fig.9 Membership degree function of ICE torque3.1.2 模糊逻辑控制规则本文设计的模糊逻辑控制规则如表1所示,输入的转矩需求和电池荷电状态语言变量分别有11个模糊子集,因而模糊推理规则共有11×11=121个.根据模糊逻辑规则库,输入的语言状态量转换成语言控制量输出,采用最大隶属度法解模糊后得到期望引擎转矩命令T t .3.2 电池电量持续PID 控制器将实际电池荷电状态SOC 和期望SOC 3进行比较,得到误差e 作为如下PID 控制器的输入:u (t )=k pe (t )+1T i ∫t 0e (t )d t +1T d d e (t )d t(15)采用专家经验法优化PID 控制器中的k p 、T i 及T d 三个参数,PID 控制器输出参考转矩命令T b .T b 和T t 经权重因子λ耦合后乘以引擎转矩比例因子得到引擎转矩命令T ice ,电机期望转矩命令T mot 可以很容易地利用式(9)计算出.最后将引擎和电机期望转矩命令传送给混合动力汽车的引擎、电机控制单元作为上位的控制输入.表1 模糊逻辑控制器规则表T ab.1 Rule b ase of fuzzy logic controller期望引擎转矩转矩需求T1T2T3T4T5T6T7T8T9T10T11电池荷电状态S1U6U6U6U6U5U5U4U3U3U2U1S2U6U6U6U6U6U5U5U4U3U3U2S3U6U6U6U6U6U6U5U5U4U3U3S4U6U6U6U6U6U6U6U6U5U4U3S5U7U6U6U6U6U6U6U6U5U5U4S6U7U7U6U6U6U6U6U6U6U5U5S7U7U7U7U6U6U6U6U6U5U5U5S8U8U7U7U7U6U6U6U6U6U5U5S9U9U8U7U7U7U6U6U6U6U6U6S10U10U9U8U7U7U6U6U6U6U6U6S11U10U10U9U8U7U7U6U6U6U6U64 仿真与实验选用某型并联混合动力汽车进行仿真实验,样车参数配置如下:总重量1350kg (包括载荷136kg );发动机为电控汽油发动机,额定功率41kW ,峰值效率为0.34;电机为交流感应电机,额定功率75kW ;PB 蓄电池12V 26A ・h ,共25块,额定容量650A ・h.本节将所设计的混合能量管理模块在UDDS 循环工况下进行仿真,并与实时控制策略的控制效果进行比较.4.1 混合能量控制策略仿真结果UDDS 循环工况长度为11.99km ,周期时间为1369s.图10为UDDS 循环工况的速度曲线,在仿真结果中,车辆在混合能量管理策略(λ取为0.5)下的速度曲线和UDDS 循环工况的速度曲线完全重合,这表明在现有的混合能量管理策略下,车辆的速度需求得到了充分满足.图10 U DDS 循环工况Fig.10 U DDS driving cycle・59・第4期 祝超群等:并联混合动力汽车的能量管理策略 图11为UDDS 循环工况电池荷电状态SOC 的历史曲线.在0到300s 阶段,电池的SOC 高于设定最优SOC 值,因此车辆的大部分驱动转矩都是由电机提供,电能消耗很大,电池SOC 在这一阶段快速下降.只有在车辆急剧加速时引擎才输出一定的转矩来满足驾驶需求,图12表明引擎工作于低效区,污染物排放很高.结合图10、图11和图13,可以发现在车速下降时,电机工作于发电模式回收制动能量,电池SOC 略有上升趋势.图11 电池荷电状态SOC 历史曲线图Fig.11 B attery SOC history for U DDS drivingcycle图12 引擎污染物排放变化曲线图Fig.12 ICE emissions for U DDS drivingcycle图13 电机转矩输出曲线图 Fig.13 E lectric motor torque output for U DDSdriving cycle在循环工况的300到800s 阶段,电机输出转矩随着负载的降低而逐渐减小.电池荷电状态SOC 下降到小于0.7后,在电量持续供给策略的作用下,引擎逐渐担负了大部分的负载转矩.电机只有在急剧加速或回收制动能量的时刻工作,电池荷电状态SOC 下降速度才变慢.由图14可以看出,从循环工况的800s 开始,引擎输出功率进一步加大,在驱动车辆的同时还通过电机给电池充电,使电池荷电状态SOC 稳步上升.正如图12所示,引擎运行于高效工作区,污染物排放较小.图14 引擎转矩输出曲线图Fig.14 ICE torque output for U DDS driving cycle4.2 权重因子λ对控制器效果的影响本节利用仿真分析权重因子λ的调整对节能减排和电量持续供给控制效果的影响.为了增加仿真结果的可比性,所有仿真都在同一个循环工况上进行,电池荷电状态SOC 的初值都设为0.8,而且对燃料经济性评价采用本循环中去除SOC 变化影响后的等价能量消耗作为标准.为了便于比较,还给出了实时控制策略在UDDS 循环工况下的仿真结果.表2给出了实时控制器和混合能量控制器的等价能量消耗和污染排放的仿真结果.从表中可以看出,混合能量控制器在权重因子λ较大的时刻,对电池荷电状态SOC 的控制效果比较好,SOC 在道路循环结束时达到了期望值.但车辆完成整个循环工况的等价能量消耗也随之增加,原因是为了使电池荷电状态SOC 达到期望值,引擎必须工作较长时间来提供车辆运行所需的能量或给蓄电池充电.引擎的工作效率相对比较低,完成同样的道路循环等价能耗比较高;随着权重因子λ的减小,控制电池荷电状态SOC 的作用在减小,最终的SOC 的值相对于期望SOC 值的偏离逐渐增大,混合控制器的控制重心渐渐由电量持续供给向节能减排的方向靠拢,此 表2 不同控制器在U DDS 循环工况上的燃料经济性和污染排放量 T ab.2 Comparison of fuel economy and emission withall controllers for U DDS driving cycle控制器类型等价能量消耗/kJ碳氢化合物/(g ・km -1)碳氧化合物/(g ・km -1)氮氧化合物/(g ・km -1)SOC 终值(SOC 3=0.7)实时能量222460.323 1.4670.2530.630混合能量(λ=1)257750.283 2.0170.1760.700混合能量(λ=0.5)200560.272 1.3990.1630.672混合能量(λ=0)164370.2751.3010.1270.666・69・ 兰州理工大学学报 第34卷时车辆的等价能量消耗随权重因子λ的减小而减小.车辆的污染排放也遵循同一规律,随着λ值的减小,污染排放在一定程度上也有所降低,例如,氮氧化合物就下降了27.6%.表2的数据表明,混合能量控制器在总体能耗降低和减少污染排放方面的控制效果都要优于实时能量控制策略. 表3给出了实时能量控制器和混合能量控制器在UDDS循环工况上的标准化能量损失.将混合能量控制器在权重因子λ为1时的能量损失作为标准化基准(此时能量损失计为100),对于不同的能量控制器而言,引擎、电机、电池和传动系统的能量损失是不同的.因为各个控制器都是在同样的车辆和道路模型上仿真,所以车辆、电力负载和摩擦制动能量损失都近似相同,在这里把它们归结为其他能损. 表3 不同控制器在U DDS循环工况上的标准化能量损失 T ab.3 Comparison of norm alizing energy losses for all controllers for U DDS driving cycle控制器类型引擎电机电池变速箱其他能量损失全面系统效率/%总计实时能量67.0 3.90.4 1.314.87.787.4混合能量(λ=1)78.5 2.8 2.6 1.314.88.7100混合能量(λ=0.5)61.7 3.0 1.9 1.214.810.582.8混合能量(λ=0)51.5 3.3 1.2 1.314.812.372.4 从表3可看出,相对于其他部件引擎工作效率较低,因此对于每一个控制器大部分能量损失主要是由引擎产生.混合能量控制器在权重因子λ为1时引擎输出的总能量较大,所以此时引擎能量损失也较大.采用实时能量管理策略时全面系统效率为7.7%,而采用混合能量控制器时全面系统效率为8.7%～12.3%,比较而言,后者的系统效率较高.5 结论本文提出的基于模糊逻辑和PID控制的混合能量控制策略,通过对引擎和电机的瞬时转矩分配,实现了节能减排和电池电量平衡的控制目标.借助权重因子λ将电池荷电状态与其最优值的偏差和引擎期望转矩输出联系起来,保证电池电量的持续供给,并且分析了权重因子λ的选取对车辆整体性能的影响.最后将混合能量管理策略在UDDS循环工况上进行仿真,结果表明在当前的混合能量管理策略作用下,车辆在负荷急剧变化时表现了很好的驾驶性能,在一定程度上提高了汽车燃油效率,降低了污染物排放.模糊逻辑控制策略对系统输入和输出测量噪声的鲁棒性较强,实时性好,适合于在线能量管理.它的不足之处是能量分配没有实现全局最优或次优化,因此,如何设计一种计算量小、适合于实时控制的最优能量管理策略是今后的一个重要研究方向.参考文献:[1] DEL PARA T S,L AUBER J L,GU ERRA T M,et al.Controlof a parallel hybrid powertrain:optimal control[J].IEEE Trans Contr Syst Technol,2004,53(3):8722881.[2] WON J S,LAN GARI R,EHSANI M.An energy managementand charge sustaining strategy for a parallel hybrid vehicle wit h CV T[J].IEEE Trans Contr Syst Technol,2004,33(2):3132 320.[3] L IN C C,PEN G H,GRIZZL E J W.Energy management Strat2egy for a parallel hybrid elect ric truck[J].IEEE Trans Cont r Syst Technol,2003,11(6):8392849.[4] BRA HMA A,RIZZONI G,GU EZENN EC Y.Optimal energymanagement in a series hybrid electric vehicle[C]//Proc A2 mer Control Conf.Chicago:[s.n.],2000:60264.[5] KOO T M,KESSEL S J T A,J A GER B,et al.Energy manage2ment strategies for vehicular electric power system[J].IEEE Trans Contr Syst Technol,2005,54(3):7712782.[6] PA GAN ELL I G,TA TENO M,BRA HMA A,et al.Controldevelopment for a hybrid2electric sport2utility vehicle:strate2 gy,implementation and field test result s[C]//Proc of Ameri2 can Control Conf.Lington:[s.n.],2001:506425069.[7] PA GAN ELL I G,DEL PRA T S,GU ERR T M,et al.Equivalentconsumption minimization strategy for parallel hybrid power2 trains[C]//IEEE Vehicular Technology Conference.NJ:[s.n.],2002:207622081.[8] SCIARRET TA A,BACK M,GU ZZELL L.Optimal control ofa parallel hybrid elect ric vehicles[J].IEEE Trans Contr SystTechnol,2004,12(3):8722881.[9] BUN TIN D L,HOWZE J W.A switching logic cont roller for ahybrid electric/ICE vehicle[C]//Proc Of American Control Conf Seattle.Washington:[s.n.],1995:116921175.[10] BAUMANN B M,WASHIN GTON G N,G L ENN B C,et al.Mechatronic design and control of hybrid elect ric vehicles[J].IEEE/ASME Trans Mechatron,2000,5(1):58272. [11] WAN G A H,YAN G W Z.Design of energy managementstrategy in hybrid vehicles by evolutionary fuzzy system partI:fuzzy logic controller development[C]//Proc of t he6t hWorld Conf on Intelligent Control and Automation.Dalian:[s.n.],2006:832428328.[12] 刘金琨.智能控制[M].北京:电子工业出版社,2005.[13] 郭 戈,袁占亭,潘峥嵘,等.阳极焙烧炉模糊控制器的设计[J].兰州理工大学学报,2006,30(5):81286.・79・第4期 祝超群等:并联混合动力汽车的能量管理策略 。
《基于模糊PI控制的混联式混合动力汽车能量管理策略的研究》范文
《基于模糊PI控制的混联式混合动力汽车能量管理策略的研究》篇一一、引言随着全球对环境保护和能源利用效率的日益关注，混联式混合动力汽车作为一种能够同时实现高效能源利用和低排放的交通工具，已经引起了广泛的研究兴趣。
混联式混合动力汽车集成了串联式和并联式混合动力系统的优点，使得其在多种驾驶条件下均能展现出优秀的能源管理性能。
然而，为了确保高效的能量流动和系统稳定，一个先进的能量管理策略是不可或缺的。
本研究致力于探索基于模糊PI控制的混联式混合动力汽车的能量管理策略，以提升系统的性能和能源利用效率。
二、混联式混合动力汽车概述混联式混合动力汽车是一种结合了串联和并联混合动力系统特性的汽车。
它通常包括一个内燃机（ICE）、一个或多个电动机（EM）、一个能量存储系统（如电池或超级电容器）以及一套控制系统。
这种系统的优点在于其灵活性，可以根据驾驶条件和需求，灵活地切换动力源，从而实现最佳的能源利用效率和驾驶性能。
三、模糊PI控制理论介绍模糊PI控制是一种基于模糊逻辑和比例积分（PI）控制策略的混合控制方法。
它能够根据系统状态的实时变化，自动调整控制参数，以实现对系统的最优控制。
这种方法在处理非线性和不确定性的系统时，表现出强大的适应性和鲁棒性。
四、基于模糊PI控制的能量管理策略研究本研究提出了一种基于模糊PI控制的混联式混合动力汽车的能量管理策略。
该策略通过模糊逻辑系统对系统状态进行实时感知和判断，然后根据这些信息，通过PI控制器调整系统的能源分配和动力源切换策略。
首先，我们建立了混联式混合动力汽车的动力学模型和能源管理系统模型。
然后，我们利用模糊逻辑系统对系统状态进行感知和判断，包括电池电量、内燃机效率、电动机效率、驾驶需求等。
这些信息被用于生成一个模糊输入集。
接着，我们设计了一个基于PI控制的决策模块。
这个模块根据模糊输入集的信息，通过PI控制器调整能源分配和动力源切换策略。
这样，系统可以在保证驾驶需求的同时，尽可能地提高能源利用效率。
混合动力汽车的能量控制策略
混合动力汽车的能量控制策略能量管理策略的控制目标是根据驾驶人的操作，如对加速踏板、制动踏板等的操作，判断驾驶人的意图，在满足车辆动力性能的前提下，最优地分配电机、发动机、动力电池等部件的功率输出，实现能量的最优分配，提高车辆的燃油经济性和排放性能。
由于混合动力汽车中的动力电池不需要外部充电，能量管理策略还应考虑动力电池的荷电状态（SOC）平衡，以延长其使用寿命，降低车辆维护成本。
混合动力汽车的能量管理系统十分复杂，并且因系统组成不同而存在很大差别。
下面简单介绍3种混合动力汽车的能量管理策略。
1、串联式混合动力汽车能量管理控制策略由于串联混合动力汽车的发动机与汽车行驶工况没有直接联系，因此能量管理控制策略的主要目标是使发动机在最佳效率区和排放区工作。
为优化能量分配整体效率，还应考虑传动系统的动力电池、发动机、电动机和发电机等部件。
串联式混合动力汽车有3种基本的能量管理策略。
（1）恒温器策略当动力电池SOC低于设定的低门限值时，起动发动机，在最低油耗或排放点按恒功率模式输出，一部分功率用于满足车轮驱动功率要求，另一部分功率给动力电池充电。
而当动力电池SOC上升到所设定的高门限值时，发动机关闭，由电机驱动车辆。
其优点是发动机效率高、排放低，缺点是动力电池充放电频繁。
加上发动机开关时的动态损耗，使系统总体损失功率变大，能量转换效率较低。
（2）功率跟踪式策略由发动机全程跟踪车辆功率需求，只在动力电池SOC大于设定上限，且仅由动力电池提供的功率能满足车辆需求时，发动机才停机或怠速运行。
由于动力电池容量小，其充放电次数减少，使系统内部损失减少。
但是发动机必须在从低到高的较大负荷区内运行，这使发动机的效率和排放不如恒温器策略。
（3）基本规则型策略该策略综合了恒温器策略与功率跟踪式策略的优点，根据发动机负荷特性图设定高效率工作区，根据动力电池的充放电特性设定动力电池高效率的SOC范围。
同时设定一组控制规则，根据需求功率和SOC进行控制，以充分利用发动机和动力电池的高效率区，使两者达到整体效率最高。
混合动力汽车能量管理控制策略
混合动力汽车能量管理控制策略
混合动力汽车能量管理控制策略是指对混合动力汽车的电动机
和内燃机的能量进行高效控制，实现最佳的燃油经济性和排放性能。
该策略包括以下几个方面：
1. 能量分配策略：根据车辆工况和驾驶模式，实时分配电动机和内燃机所需的能量，使二者在最优工作区间内协同作业，实现最佳的燃油经济性和动力性能。
2. 能量回收策略：在制动过程中采用能量回收技术，将动能转化为电能储存到电池中，提高能量利用效率。
3. 能量管理策略：通过控制电池的充放电过程、内燃机的启停和功率输出等，实现车辆能量的平衡和优化，提高能量利用效率和延长电池寿命。
4. 驾驶建议策略：根据当前行驶条件和车辆能量状态，提供驾驶建议，引导驾驶员选择最优的驾驶模式和行驶路线，实现最佳的燃油经济性和驾驶舒适性。
综上所述，混合动力汽车能量管理控制策略是实现混合动力汽车节能减排和提高驾驶体验的重要手段，其有效实施可以为混合动力汽车的发展带来巨大的推动力。
- 1 -。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
并联式混合动力汽车能量管理策略
作者：钟彦雄
来源：《科技与创新》2017年第02期
要：在影响汽车燃油经济性的多种因素中，不单单传动系的结构具有重大的影响力，汽车混合动力系统的控制策略对汽车的燃油性能也起着关键性的作用。
汽车的混合动力系统控制策略也就是汽车的动力能量管理策略。
汽车的能量管理不仅可以实现汽车发动机转矩和电动机转矩的合理分配，还可以对汽车的能源使用进行调节。
将对并联式混合动力汽车的能量管理策略进行分析，望给相关的从业人员提供帮助。
关键词：并联式；混合动力汽车；能量管理；模糊控制
中图分类号：U469.7 文献标识码：A DOI：10.15913/ki.kjycx.2017.02.075
随着现代化进程的不断推进，人们对汽车的使用需求量也逐渐增多，汽车数量的增加使得人们对汽车对环境的污染问题的关注程度也逐渐增大。
然而，石油资源在开采力度的加大下日益枯竭，因此，我们必须要改变原有的汽车能源结构，并保障汽车的发动机可以保持高效的动力能源。
所以，当前的汽车在能源消耗上与传统的汽车相比有所降低，而混合动力汽车也改变了汽车的驱动方式，且与传统的汽车相比，其续航的时间也逐渐延长。
但是，当前研制的汽车还不具备纯电动的自由运行，并且存在一定的条件制约，因此也是未来研制的主要汽车首选方案之一。
混合动力汽车实现了汽车不同能源的混合使用，保护了不同能源的混合驱动，因此是一种比较新型的交通动力方案。
混合动力汽车的动力能源管理与汽车的能源设计策略息息相关，而汽车的能源管理也是当前混合汽车运行的核心管理技术，对保障汽车的低燃油量具有重大意义。
能量管理是维系汽车传统能源和驱动能源的主要环节，是确保汽车混合动力发展的关键点。
1 并联式混合动力汽车的驱动系统
当前的混合动力汽车有3种不同的类型，根据其混合动力的方式不同分为串联、并联和混联3种，而本文主要针对并联式混合动力汽车（简称“PHEV”）进行讨论。
并联式混合动力汽车的动力系统是由发动机和电动机2部分组成的，前者是并联式混合动力汽车动力的主要来源，而并联式混合动力汽车的电驱动体系是并联式混合动力汽车的辅助动力来源，二者是通过并联式混合动力汽车的耦合动力装置的叠加来实现汽车的动力匹配供应。
当汽车发动机的转速在中等状态下时，汽车的燃油性能可以保持较高的水平。
所以，当并联式混合动力汽车的速度降低时，我们需要闭合发动机，并开启电驱动装置，实现汽车电池组的动力驱使。
如果汽车保持较高的运行速度时，并联式混合动力汽车需要将发动机作为主要的动力来源，并对并联式混合动力汽车中的蓄电池进行充电，给并联式混合动力汽车当备用能源。
并联式混合动力汽车的蓄电池充电完毕之后，要停止它的电能供应。
与串联式混合动力汽车相比，并联式混合动力汽
车能量转换的效果更好，但是其内部结构更加复杂，且在实际的汽车内部格局的布置中，具有一定的限制。
图1为并联式混合动力汽车的汽车动力原理结构。
往是在发动机和电动机的协同作用下进行的。
当并联式混合动力汽车处于减速状态时，并联式混合动力汽车的发动机会自动关闭，并且将剩余的能量传递给蓄电池存储。
2 并联式混合动力汽车的能量管理建模
为了使并联式混合动力汽车的能量管理建模方便，我们将以上讨论的不同工作模式的汽车旋转质量换算按照统一的数值计算。
研究对象的各项参数指标如表1所示。
并联式混合动力汽车的节油性能是由并联式混合动力汽车电动机转矩对发动机的转矩进行削峰填谷的情况来决定的。
为了使得并联式混合动力汽车的节油性得到保障，需要保持并联式混合动力汽车的高效运转，并使并联式混合动力汽车可以保持较好的能量管理状态。
根据上述研究的并联式混合动力汽车的工作模式，我们进行不同的动力学模型建立。
单一发动机模式：
. （1）
单一电动机模式：
. （2）
混合模式：
. （3）
发动机驱动且蓄电池充电模式：
. （4）
. （5）
. （6）
制动模式：
. （7）
上式中：Te为发动机的转矩；G为汽车重力；ρ为空气的密度；v为行驶的速度；Tm为电动机的转矩。
建立发动机、电动机及蓄电池的不同模型，并进行仿真分析。
发动机模型：转速和转矩之间的关系为be＝f（ne，Te），某
一时间点的耗油情况为 .
电动机模：驱动为，发电为Pbat＝Pmηm. 其中，
Pbat为蓄电池的输出功率，Pm为电动机输出功率。
蓄电池模式：EI＝I2R＋1 000Pbat.
建立汽车运行仿真模型并作进一步分析。
当汽车的运行速度较慢时，汽车的发动机处于关闭状态。
而此时，汽车的驱动力全部被电动所占据。
当车的运行速度达到一定值时，车的发动机开始运转，同时在汽车运行的大部分时间内，汽车的驱动转矩比汽车转矩曲线的下限低。
此时，发动机在运行时伴随着对蓄电池充电。
而在汽车制动的过程中，蓄电池对汽车的能量进行回收。
根据并联式混合动力汽车的运行模拟分析，我们可以把并联式混合动力汽车的控制策略分为逻辑门限制的控制策略、瞬时优化、全局优化和智能算法4种能量控制策略。
2.1 逻辑门限制的控制策略
该种并联式混合动力汽车的能量控制策略的算法相对来说较为简单，并且在汽车实际运行的过程中，实施起来比较容易，在具体的操作中具有较好的稳定性，因此被广泛地应用在当前的并联式混合动力汽车中。
而丰田公司的PRIUS使用的便是逻辑门限制的控制策略。
该策略被应用在汽车中往往可以分为汽车停机模式、电动机启动模式、换挡模式和汽车的驱动模式等几种策略。
当汽车处于这几种工作模式时，可以保持较为稳定的运行状态，因此可行性较高。
虽然并联式混合动力汽车中静态控制策略模式的应用不是并联式混合动力汽车中应用最优化的，但是这种并联式混合动力汽车控制策略是已经约定好的，因此，该种策略在提高发动机的工作效率、保障发动机的作业功率方面也具有很好的效果。
但是，该策略没有充分考虑到电机的运行效率。
2.2 瞬时优化
瞬时优化控制策略作为一种燃油量比较小的控制策略，其应用的效果也较好。
该策略在执行的过程中，把电动机的油耗分为等效油耗和设计油耗，并把二者的和称作电机的名义油耗。
采用这种方法，可以对汽车的实际耗油量及汽车的电机等效耗油量进行计算，并根据计算结果选择比较小的点当作计算的工作点，同时实现发动机、电动机转矩的合理分配。
由于瞬时优化的策略在实施的过程中具有较为复杂的运算过程，且成本较高，因此不能进行汽车的量产应用。
2.3 全局优化
作为一种动态最优的控制策略，该种策略具有一定的代表性，并且在计算之前需要以循环工况为计算的前提条件。
全局优化控制策略不单单具有一定的复杂性，且局限性较高。
在具体应用中，往往与其他的控制策略相互结合，实现并联式混合动力汽车的优化和控制。
由于技术限制，全局优化的控制策略尚不能实现独立的控制，被单纯地应用于当前的汽车中。
2.4 智能算法
智能系统随着科学技术的不断发展已经被逐渐应用在车辆的能量控制和管理中，比较常见的智能算法是粒子群算法、遗传算法以及神经网络算法和模糊控制等。
其中，模糊控制是一种知识模型。
该模型主要以汽车专家的静安为这一算法的主要依据，同时把模糊当作集合，以及把模糊语言等当作算法的数学模型，并辅助计算机来实现算法的有效控制。
然而，模糊控制在具体的使用中也有一定的缺陷。
这是因为模糊控制主要是依赖操作者的主观经验，因此，最终不能实现全局最优。
为了使得模糊控制可以达到较好的效果，往往需要借助其他的算法来最大限度地减少模糊控制的缺点。
在并联式混合动力汽车的能量管理中，模糊控制的应用才刚刚起步，因此需要对逻辑门运算中的各种不足之处进行限制。
虽然模糊控制在具体的车型中还没有正式投入使用，但是它所具有的优势使得其成为了并联式混合动力汽车能量管理中极具前景的一种控制策略。
3 结束语
综上所述，本文对并联式混合动力汽车的能量管理策略进行了探究。
首先分析了并联式混合动力汽车的驱动系统，接着建立模型，并探究了并联式混合动力汽车的控制策略，逻辑门限制的控制策略、瞬时优化、全局优化和智能算法4种并联式混合动力汽车的能量控制策略。
新的汽车能源结构不单单可以提高汽车的动力源，还可以使得汽车出行更加绿色环保。
可见，混合动力车将成为未来汽车发展的趋势。
参考文献
［1］李天泽，田玉冬.并联式混合动力汽车能量管理策略［J］.汽车电器，2016（6）.
［2］吴剑.并联式混合动力汽车能量管理策略优化研究［D］.济南：山东大学，2008.。