基于遗传算法的纯电动轿车动力总成参数优化

基于遗传算法的纯电动轿车动力总成参数优化
朱正礼, 殷承良, 张建武
(上海交通大学 机械与动力工程学院, 上海 200030)
摘 要: 基于动力传动系部件参数对纯电动轿车性能的影响, 利用遗传算法对纯电动轿车动力传 动系的主要部件进行了优化; 所有部件的模型均基于实际配置的纯电动轿车 (Q R EV ) 动力传动系 台架试验的试验数据. 优化结果与传统优化算法结果相比表明, 本文提出的算法是有效的, 能够提 高纯电动轿车的性能. 该算法已应用于实车动力传动系的参数设计. 关键词: 电动汽车; 动力传动系; 部件优化; 遗传算法 中图分类号: U 469. 72 文献标识码: A
v f—车辆在时间 tf 内从 0 加速到的最终高速, m s vmax—最大巡航车速, m s Α—坡度 Αg —爬坡度 ∆—旋转质量换算系数 Γm —电机及其控制系统的效率 ΓT —动力总成效率 Η—动力电池的温度, °C Θ—空气密度, kg m 2
由于环境污染、能源匮乏等问题日益严重, 电动 汽车 (E lect ric V eh icle, EV ) 正受到越来越广泛的关 注. 与普通内燃机汽车相比, 电动汽车可以实现零排 放与能源的合理利用, 其动力性指标也完全可以达 到内燃机汽车的要求. 但由于动力电池的能量密度 与燃油相比要小得多, 电动汽车的续驶里程比较短, 制约了电动汽车的推广普及.
电池作为能量存储设备向电机提供电能, 同时可以 接受外部充电和回馈的制动能量; 由于电机的工作 特性已接近汽车的理想特性, 故采用了单档变速箱; 电机通过变速箱驱动车轮. Q R EV 的整车参数有: C d = 0. 3, A = 2. 155 7 m 2, f = 0. 009, r= 0. 280 m , m gld= 655 kg, m car= 239 kg.
近年来, 关于纯电动汽车的研究主要集中在能 量存储系统 (如动力电池) 和电驱动系统的开发方 面[1]. 然而, 在动力电池和其他技术取得有效突破之 前, 对动力传动系部件的设计参数进行优化是提高 电动汽车性能的重要手段之一. 纯电动汽车动力传 动系部件的设计参数, 如电机功率、动力电池的容 量、动力电池的质量和变速箱的传动比等, 对电动汽 车的动力性、经济性和电池荷电状态 (SO C ) 等有显 著的影响.
文献[ 2 ]中根据电动汽车的动力性要求对动力 传动系主要部件的大小进行优化以最小化电动汽车 的质量, 而没有把动力性要求和续驶里程统一起来 考虑. 最近的研究显示[3], 把动力性、续驶里程 (经济 性指标之一) 作为设计指标而选择的动力传动系部 件对车辆整体性能的影响很大.
文献[ 4 ]中采用的优化方法对目标函数有较强 的限制条件, 如连续、可微、满足罗比塔法则等, 或采 用基于复梯度的优化方法作为响应面近似值、修改 容许方向的方法、顺序线性规划或顺序二次规划. 对 于非线性的部件优化问题, 与以前传统的优化方法 相比, 遗传算法具有鲁棒性、全局性的特点并十分适 合于并行 (超级) 计算机应用.
第 11 期
朱正礼, 等: 基于遗传算法的纯电动轿车动力总成参数优化
1909
进行再生制动; 当车辆运行且制动踏板作用时, 进行 再生制动, 能量回馈的幅度是车辆行驶速度的函数.
2 基于遗传算法设计动力传动系
设计纯电动汽车的目标是在不牺牲车辆动力性
指标的前提下最大限度地提高续驶里程, 即对于具 体的车辆, 需满足最大车速、加速性能和爬坡能力的
第 38 卷 第 11 期 2004 年 11 月
上海交通大学学报
JOU RNAL O F SHAN GHA I J IAO TON G U N IV ER S IT Y
文章编号: 100622467 (2004) 1121907206
V o l. 38 N o. 11 N ov. 2004
1908
上 海 交 通 大 学 学 报
第 38 卷
R d—动力电池模块的放电内阻, m 8 S d—续驶里程, km ta—0～ 100 km 的加速时间, s tf—车辆 0～ v f 的加速时间, s T m —电机的输出转矩, N ·m U b—动力电池模块的工作电压, V U b,m in—动力电池模块的最小电压, V U m ,m in—电机的最小工作电压, V v —车速, m s v b—与电机的基速 nmb相对应的车速, m s
+
a5
(C b - C b,m in ) 2 (C b,m ax - C b,m in ) 2
+
a 6
(N B - N ) B,m in 2
(N B,m ax -
N
)2
B , m in
+a7源自( ig - ig,m in ) 2 ( ig,m ax - ig,m in ) 2
ig —变速箱变速比 I d—电机的转动惯量, kg·m 2 Iw —车轮的转动惯量, kg·m 2 m —车质量, kg m car—货物质量, kg m gld—除去动力传动系统后的整车质量, kg m mod—动力电池模块的质量, kg N B —动力电池的模块数 P aux—附件系统的功率, kW Pm —电机的输出功率, kW r—车轮半径, m R c—动力电池模块的充电内阻, m 8
性能指标; 同时, 在某一具体行驶工况中尽可能提高 续驶里程. 本设计的目的是根据具体的动力传动系 配置、控制策略和行驶工况来选择部件, 这可以归结 为带约束的非线性规划问题, 用下列方程表示:
m in F (X )
X ∈8
(1)
s. t. g u (X ) > 0 u = 1, 2, 3, …
式 中: X = [ P m , N B , C b, ig ]T; 8 为解空间; g u (·) 为
本文基于实际配置的纯电动轿车Q R EV 动力 传动系台架的试验建立了动力传动系部件的数值模 型, 优化结果与传统优化算法相比表明, 本文提出的 优化算法是有效的, 能够提高电动汽车的性能.
1 纯电动轿车动力传动系的配置与控 制策略
1. 1 动力传动系的配置 Q R EV 动力传动系布置方式如图 1 所示. 动力
描述设计约束的非线性函数; F (·) 为描述设计目
标的目标函数.
本文选择遗传算法对部件进行优化并根据具体
的动力传动系和控制策略定义个体, 遗传算法在很
大的变化范围内根据进化原理进行优化; 最适合的
个体生存下来并进行复制, 不合适的个体被舍弃.
2. 1 遗传算法用于最优设计 本文中, 个体由基因 P m、N B、C b、ig 组成, 且这些
图 1 Q R EV 动力传动系的配置 F ig. 1 Configu ra tion of the pow ertra in fo r electric ca r
1. 2 控制策略 本研究中电机作为唯一的动力源驱动车辆运
行. 所有控制器之间的通信是通过 CAN 总线进行 的, 正常情况下整车系统可分为如下几种状态: 起 步、驱动和再生制动. 起步时, 由油门踏板和制动踏 板的位置决定电机的输出; 当车速为零, 制动踏板起 作用时, 电机不输出转矩; 当车速为零, 油门踏板起 作用时, 电机输出起步转矩. 正常驱动时, 根据主控 制器的指令, 电机按车辆需求的转向、转矩和转速运 行, 转矩的大小由油门踏板的开度控制. 再生制动 时, 电机控制单元根据主控制器的指令控制电机; 当 车辆运行并且油门踏板和制动踏板均不作用时, 不
收稿日期: 2003211211 作者简介: 朱正礼 (19742) , 男, 山东齐河县人, 博士生, 主要研究方向为纯电动汽车、混合动力电动汽车和汽车电子控制技术.
殷承良 (联系人) , 男, 研究员级高工, 电话 (T el. ) : 021262933772; E2m ail: clyin1965@ vip. 163. com.
符号说明:
A —迎风面积, m 2 C b—动力电池的额定容量, A ·h C d—空气阻力系数 D power—N iM H 动力电池的功率密度,W kg DOD —放电深度 e—单位距离消耗的能量, kJ km E —消耗的总能量, kJ f 0—滚动阻力系数 g —重力加速度, m s2 i0—主减速器的传动比
G e ne tic A lgo rithm B a s e d O p tim iza tion of E le c tric V e h ic le P ow e rtra in P a ram e te rs
ZH U Z heng 2li, Y IN C heng 2liang , ZH A N G J ian2w u (Schoo l of M echan ica l Eng. , Shangha i J iao tong U n iv. , Shangha i 200030, Ch ina)
A bs tra c t: T he effect s of design p a ram eters on the p erfo rm ance of an elect ric veh icle w ere p resen ted. B a sed on the dem and s of the p erfo rm ance, a genet ic2ba sed m ethodo logy of op t im izing the size of the p rincip a l ha rdw a re com ponen t s of elect ric veh icle w a s p resen ted. A ll the m odels of com ponen t s a re ba sed on the bench test resu lt s of a p ract ica l configu ra t ion of the pow ert ra in fo r Q R EV. Com p a red w ith the resu lt s of t rad it iona l op t im iza t ion m ethod s, the op t im iza t ion resu lt s in th is p ap er p rove to be m o re va lid, w h ich can con t ribu te to a sub stan t ia l im p rovem en t of the p erfo rm ace. T he op t im iza t ion a lgo rithm w a s app lied in the rea l veh icle and it is show n from the design and test ing tha t the op t im iza t ion a lgo rithm is p ract ica l. Ke y w o rds: elect ric ca rs; pow ert ra in; com ponen t s op t im iza t ion; genet ic a lgo rithm