混合动力汽车参数优化
混合动力汽车动力系统参数的优化方法
混合动力汽车各动力元件参数及控制策略参数对汽车性能有着很大的影响。对系统参数的优化研究已经成为现代汽车设计的一个重要环节，其主要思想是借助计算机工具，以重要的系统参数或控制参数为设计变量，确定目标函数及约束函数，建立系统匹配数学模型，结合可靠的汽车仿真工具软件，选择优化算法进行求解，得到一组最优解或近似最优解来指导汽车后续设计，从而达到系统最佳匹配。提高燃油经济性，减少排放，并且满足一定的动力性要求。[1]
1. 优化算法
HEV 的系统优化是一个多变量多目标的非线性约束优化问题, 其一般形式可表示为
一般处理此类优化问题的优化算法按需不需要计算函数的导数信息分为基于梯度的算法和非梯度算法两大类。
基于梯度的算法, 需要计算函数的导数信息, 其中SQP算法是求解约束优化问题最有效的解法之一。其基本思想是：在每一迭代步通过求解一个二次规划子问题来确定一个下降方向，以减少价值函数来取得步长，重复这些步骤直到求的原问题的解[2]。matlab非线性规划工具箱中的FMINCON函数使用了这一算法。
但是混合动力汽车系统比较复杂，其函数导数信息不易计算，而错误的导数信息将会影响最优解的搜索方向以及收敛性, 从而陷入局部最优 。图1是一个两变量的HEV优化决策空间,可以看出含有多个局部最优解， 因此在这里基于梯度的算法往往会失效。
图1
非梯度算法不需要计算函数的导数信息，因此可以收敛到全局最优。目前应用于HEV 系统优化的非梯度算法有Complex, DIRECT 等, 都具有较好的效果。
DIRECT算法是一种确定性全局优化算法，特别适用于具有确定变量空间的函数寻优。在DIRECT 算法中，对取值范围进行归一化，从而将变量空间变成一个n维超立方。该算法首先计算变量空间中心点处函数值，然后不断分割变量空间并比较分割出的子空间中心点处函数值，最终获得全局最优函数值[3]如文献3中就是采用DIRECT进行参数的优化。
随着现代最优化技术的发展,现代优化算法如模拟退火、遗传算法、粒子群算法等也逐渐应用于混合动力汽车系统参数的优化。
在HEV 中应用较多的是遗传算法( GA) 。遗传算法是模拟自然界遗传机制和生物进化论而形成的一种过程搜索全局最优解的算法[4].文献5中就是采用遗传算法进行参数的优化。遗传算法能实现多目标优化，因此具有很大的研究和应用价值，是国内外优化算法研究的重要方向。
但是基本遗传算法（Simple Genetic Algorithm ,SGA）难以兼顾多样性和收敛性的问题，容易出现早熟现象（即很快收敛到局部最优而非全局最优）、后期收敛速度慢、遗传漂移现象、局部寻优能力较弱、进化速度缓慢等问题，因此可以结合其他算法的优点对基本遗传算法进行改进，构成混合遗传算法（Hybrid Genetic Algorithm）[6]。混合遗传算法的实现主要有两类[7]：一是对遗传算法本身做进一步改进，如基于小生境的遗传算法（Niched
Genetic Algorithm,NGA）和自适应遗传算法 (Real-coded Adaptive Genetic Algorithm ,
RAGA)[8]等；二是将遗传算法与其他优化算法结合(如SQP、模拟退火算法[9]等)，从而提高局部寻优能力。
DIRECT和遗传算法的运算速度都比较慢，文献10中的运算时间达到了86个小时。而文献13中利用DIRECT和GA-SQP算法优化单目标函数则分别用了144h和121h，尽管如此仍未得到全局最优解。
粒子群算法（Particle Swarm Optimization，PSO）与遗传算法类似，也是一种模拟自然规律的优化算法。系统初始化为一组随机解，通过迭代搜寻最优值。但是它没有遗传算法用的交叉(crossover)以及变异(mutation)，而是粒子在解空间追随最优的粒子进行搜索。同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域。如文献11中就是采用粒子群算法进行参数的优化。理论上粒子群算法也可以应用于多目标优化问题，但是其不像遗传算法那样已经相对比较成熟，仍停留于研究的初步阶段。 以上对混合动力汽车系统优化中常用的算法进行了简单介绍。文献12中针对一个单目标优化问题对几种优化算法包括SQP、Complex、DIRECT等进行了比较，得出结论是基于非梯度的优化算法比非梯度优化算法效果要好，其中DIRECT效果最好。而文献Parameter
Optimization of Power Control Strategy for Series Hybrid Electric Vehicle中用DIRECT和GA算法针对不同工况下的燃油经济性和排放性进行了优化，得出的结论是GA的优化结果要优于DIRECT。在多目标优化中，文献6针对一个多目标优化问题对GA和SAGA进行了比较，得出模拟退火遗传算法具有优化效率更高、收敛进化代数更少、优化目标更优等特点。
下表简要列出了一些混合动力汽车系统优化上常用算法的优缺点。
优点 缺点
基于梯度的算法 序列二次规划法( SQP) 收敛快, 精度高 优化函数必须可导，容易陷入局部最优
基于非梯度的算法 DIRECT 能得到全局最优解 精度不高，对于高维问题搜索缓慢。只适用于变量少的情况【12】
遗传算法（GA） 具有固有的并行性和并行计算的能力 可以实现多目标多变量优化 早熟现象，后期收敛速度慢。
粒子群算法(PSO) 容易实现、没有许多参数需要调整 多目标优化理论研究仍未成熟
综上所述，基于梯度的优化算法收敛快, 但容易陷入局部最优或失效; 非梯度算法( 如DIRECT , GA) 可以收敛到全局最优点, 但运算速度很慢。其中基于遗传算法的混合算法和粒子群算法能实现多目标优化问题，是目前国内外研究的主要方向。此外鉴于现有算法的运算速度，开发更高效的算法，提高运算速度也是一个需要解决的问题。
2. 优化方式
HEV 的系统优化问题一般是基于仿真环境的优化, 优化模型的目标函数和约束函数并非设计变量的显式表达, 在此情况下, 目标函数、约束函数与设计变量是由仿真系统所决定的一种隐式关系。这种隐式的数学关系取决于所用的汽车仿真系统,
目前使用较多的是ADVISOR仿真软件。ADVISOR2002 中提供了界面运行和非界面运行两种方式。
ADVISOR界面上的Autosize模块提供了基于MAT LAB或基于VisualDOC2. 0两种优化方法，
其中基于MAT LAB的优化方法调用的是MATLAB优化工具箱中的FMINCON函数，采用的是序列二次规划法。VisualDOC2. 0 是基于梯度算法的优化软件包【14】。算法提供了直接梯度优化（DGO）和响应表面近似（RSA）2 种程序。DGO采用序列二次规划方法计算梯度以决定优化值的搜索方向；RSA 执行实验设计（DOE），为这些数据点建立基于响应的第二顺序值。基于表面响应，程序可以估计优化设计点，评价这一点的函数值，更新基于实际值的近似值，并反复寻找最优设计点，直到条件满足【15】。
当采用非界面命令式的运行方式时。外部程序便可通过访问ADVISOR的内部命令来控制它的仿真运行，这样可以使用其他的优化工具包或者优化算法。优化过程是：首先优化软件向ADVISOR 模块传递优化问题的初始值、目标函数和约束函数的输入参数，由ADVISOR 模块的函数计算出相应的目标函数和约束函数值，然后判断约束条件是否成立，如果不成立，则更新初始值，循环上面的计算过程；如果成立，则优化计算结束【15】。其算法优化过程如图2
图2
接口 [error_code,resp]=adv_no_gui(action,input)
3. 优化模型分类
建立优化数学模型的主要工作是选择设计变量,、确定约束条件和目标函数。
设计变量一般选取对设计结果有显著影响的并能直接控制的独立参数，通常选择的设计变量是HEV动力系统主要部件的功率参数, 如发动机、电动机功率以及蓄电池的单体数目，也可以是控制策略的控制参数，如SOC的上下限等。
约束条件主要是整车性能的特定要求，一般是对HEV 的动力性能要求以及对设计变量的取值限制。也可能是油耗、排放要求等。
根据目标函数的数量可以将优化问题分成单目标优化和多目标优化。
单目标优化又可以分为主要目标法和统一目标法。单目标法以一个优化目标作为目标函数，其他目标给定约束范围，作为约束函数处理。混合动力汽车动力系统优化问题包括动力元件参数优化和控制策略参数优化两个方面。前者的目标函数通常是动力系统成本[16][17]，后者的目标函数通常是燃油经济性和排放性[18-22]。
统一目标法将多个优化目标进行归一化, 然后加权求和得到一个总的评价函数。[23-28]
主要目标法只能优化汽车性能的一个方面，而没有对整体性能进行综合考虑。而统一目标法虽然可以同时考虑多个目标，但是其实质是将多目标优化问题转化为单目标进行优化，其固有缺陷是一次只能求出一个解，这与多目标优化问题的本质是相违背的。并且各目标函数的权重完全凭经验选取。因此, 要实现HEV多目标参数优化设计最好的办法是对这些参数同时进行优化。
目前应用于多目标优化问题的主要是遗传算法。例如在文献29中引入了基于共享机制的小生境技术，求解出多参数优化的Pareto 最优解集，这个解集为设计人员提供了一个相对广泛的选择空间。在文献29、30、31中以动力性能作为约束，同时优化燃油经济性和排放性能，在文献32中则对动力系统成本和燃油经济性同时进行了优化。
参考文献：
1 混合动力电动汽车系统参数的优化方法研究
2 最优化方法及其matlab程序设计
3 基于DIRECT 算法的混合动力汽车参数优化研究
4 遗传算法一理论、应用与软件实现
5 遗传算法在混合动力汽车控制策略优化中的应用
6 燃料电池电动汽车动力系统参数匹配与优化研究
7 一种改进的遗传模拟退火算法及其应用
8 基于混合自适应遗传算法HEV系统参数的优化
9 基于模拟退火的混合遗传算法研究
10 基于遗传算法的串联混合动力汽车参数优化
11 基于粒子群优化的并联式混合动力汽车模糊能量管理策略研究
12 Optimal Design of Automotive Hybrid Powertrain Systems
13 演化计算在混合驱动系统优化中的应用
14 Autosize Help
15 混合动力系统的匹配设计和优化算法
16 混合动力客车动力系统设计及参数优化
17 四轮驱动燃料电池汽车动力系统参数匹配与优化
18 四驱混联电动汽车的燃油经济性优化
19 混合动力电动汽车控制策略的仿真研究及优化
20 Power management and design optimization of fuel
21 Plug-in hybrid electric vehicle control strategy parameter optimization
重度混合动力汽车燃油经济性和排放多目标优化
２０１１年（第３３卷）第１１期 汽车工程 Ａｕｔｏｍｏｔｉｖｅ Ｅｎｇｉｎｅｅｒｉｎｇ ２０１１（Ｖｏ１．３３）Ｎｏ．１１
２０１１１９１
重度混合动力汽车燃油经济性和排放多目标优化冰
隗寒冰 ，秦大同 ，段志辉 ，陈淑江 （１．重庆大学，机械传动国家重点实验室，重庆４０００４４；２．重庆交通大学机电与汽车工程学院，重庆４０００７４； ３．重庆长安新能源汽车有限公司，重庆４０１１２０）
［摘要］ 考虑重度混合动力汽车运行模式切换时发动机频繁起停对油耗的影响，建立了整车动态仿真模型和 综合考虑燃油消耗和排放的多目标优化模型，采用简化控制变量的动态规划算法并结合自动变速器经济性换挡规 律，在ＮＥＤＣ工况下对多目标优化模型进行仿真。结果表明，发动机的频繁起停对整车燃油消耗有显著影响，采用 动态规划算法可全局优化整车燃油经济性和排放。 关键词：混合动力汽车；发动机起停；动态规划；多目标优化 ．
Ｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅ Ｏｐｔｉｍｉｚａｔｉｏｎ ｆｏｒ ｔｈｅ Ｆｕｅｌ Ｅｃｏｎｏｍｙ ａｎｄ
Ｅｍｉｓｓｉｏｎｓ ｏｆ Ｆｕｌｌ Ｈｙｂｒｉｄ Ｅｌｅｃｔｒｉｃ Ｖｅｈｉｃｌｅ
Ｗｅｉ Ｈａｎｂｉｎｇ ，Ｑｉｎ Ｄａｔｏｎｇ ，Ｄｕａｎ Ｚｈｉｈｕｉ ＆Ｃｈｅｎ Ｓｈｕｊｉａｎｇ １．Ｃｈｏｎｇｑｉｎｇ ｕ砌 ，Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆＭｅｃｈａｎｉｃａｌ Ｔｒａｎｓｍｉｓｓｉｏｎ，Ｃｈｏｎｇｑｉｎｇ ４０００４４； ２．Ｃｏｌｌｅｇｅ ｏｆ Ｍｅｃｈａｎｔｒｏｎｉｃｓ ａｎｄ Ａｕｔｏｍｏｂｉｌｅ Ｅｎｇｉ￣ｅｒｉｎｇ，Ｃｈｏｎｇｑｉｎｇ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ ４０００７４； ３．Ｃｈｏｎｇｑｉｎｇ Ｃｈａｎｇ＇ａｎＮｅｗ ＥｎｅｒｇｙＡｕｔｏｍｏｂｉｌｅ Ｃｏ．，Ｌｔｄ．，Ｃｈｏｎｇｑｉｎｇ ４０１１２０
［Ａｂｓｔｒａｃｔ］Ｔａｋｉｎｇ ｉｎｔｏ ａｃｃｏｕｎｔ ｔｈｅ ｅｆｆｅｃｔｓ ｏｆ ｆｒｅｑｕｅｎｔ ｅｎｇｉｎｅ ｓｔａｒｔ／ｓｔｏｐ ｏｎ ｆｕｅｌ ｃｏｎｓｕｍｐｔｉｏｎ ｄｕｒｉｎｇ ｏｐｅｒａｔｉｏｎ ｍｏｄｅ ｓｗｉｔｃｈ ｏｆ ａ ｆｕｌｌ ｈｙｂｒｉｄ ｅｌｅｃｔｒｉｃ ｖｅｈｉｃｌｅ，ａ ｖｅｈｉｃｌｅ ｄｙｎａｍｉｃ ｓｉｍｕｌａｔｉｏｎ ｍｏｄｅｌ ａｎｄ ａ ｍｕｌｔｉ—ｏｂｊｅｃｔｉｖｅ ｏｐｔｉｍｉｚａｔｉｏｎ ｍｏｄｅｌ ｗｉｔｈ ｃｏｎｃｕｒｒｅｎｔ ｃｏｎｓｉｄｅｒａｔｉｏｎ ｏｆ ｆｕｅｌ ｃｏｎｓｕｍｐｔｉｏｎ ａｎｄ ｅｍｉｓｓｉｏｎｓ ａｒｅ ｅｓｔａｂｌｉｓｈｅｄ．Ｂｙ ａｄｏｐｔｉｎｇ ｄｙｎａｍｉｃ ｐｒｏ－ ｇｒａｍｍｉｎｇ ａｌｇｏｒｉｔｈｍ ｗｉｔｈ ｓｉｍｐｌｉｆｉｅｄ ｃｏｎｔｒｏｌ ｖａｒｉａｂｌｅｓ，ｃｏｍｂｉｎｅｄ ｗｉｔｈ ｅｃｏｎｏｍｉｃ ｓｈｉｆｔ ｓｃｈｅｄｕｌｅ ｏｆ ａｕｔｏｍａｔｉｃ ｔｒａｎｓｍｉｓ－
一种新型混合动力汽车耦合器齿轮模糊化优化设计
、ｌ 勺 化
一种新型混合动力汽车耦合器齿轮模糊化优化设计
Ａ ｎｅｗ ｈｙｂｒｉｄ ｃａｒ ｏｆ ｇｅａｒ ｃｏｕｐｌｉｎｇ ｄｅｓｉｇｎ ｏｆ ｆｕｚｚｙ ｏｐｔｉｍｉｚａｔｉｏｎ 蒋智庆 ＪｌＡＮＧ Ｚｈｉ—ｑｉｎｇ （柳州职业技术学院汽车与环境工程系，柳州５４５００６） 摘要：本文对一种新型混合动力耦合器的传动齿轮讨论了模糊优化设计的数学模型和解法以及模糊综 合评判，建立了齿轮的模糊优化模型，根据模糊优化理论以体积最小为优化目标对齿轮参数 进行了优化设计。 关键词：混合动力汽车；耦合器；齿轮；优化设计 中图分类号：ＴＰ２７３ 文献标识码：Ｂ 文章编号：１ ００９—０１ ３４（２０１ ２）ｏ２（上）一０１４２—０３ Ｄｏｉ：１ ０．３９６９／Ｊ．ｉｓｓｎ．１ ００９－０１ ３４．２０１ ２．２（上）．４９
１结构
所设计的新型动力耦合器主要是运用在基于
ＣＶＴ的某混合动力电动汽车上。该动力耦合器采 用的是常用作差速器的ＺＫ—Ｈ型锥齿轮负号机构行 星齿轮传动系。图１所示为本应用研究的示意图，
图中的中间部分即为耦合器。
图１新型动力耦合器的设计不意图
２原始条件及设计要求
根据某混合动力汽车的实际设计要求和使用
要求，该模型的原始条件如下：
输入功率：Ｐｌ＝３５ｋＷ 小齿轮转速：ｎ１＝８０００ｒ／ｍｉｎ 齿数比：ｉ｜３ 工作寿命１５０００ｈ 小齿轮采用调质，齿面硬度ＨＢ ｌ：２５ ０—
２８０ＨＢＳ，齿面接触强度的许用应力 Ｈｈｉｎｌ＝６００ＭＰａ，，齿根弯曲强度的许用应力
ＦＥＩ＝５００ＭＰａ； 大齿轮采用４ ５钢、调质，齿面硬度
ＨＢ１＝２２０—２５０ＨＢＳ，齿面接触强度的许用应
力Ｈｈｉｎ１＝５５０ＭＰａ．齿根弯曲强度的许用应力
ＦＥ１＝３８０ＭＰａ． 设计要求：在满足齿面接触疲劳强度、齿根弯 曲疲劳强度的要求以及几何边界约束条件下，使
该齿轮传动具有最小体积。
３确立设计变量和目标函数
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。启停控制策略是根据车辆的停车和起步状态来控制内燃机的启停，以减少能量的浪费；能量回收策略是通过制动和惯性滑行过程中回收和储存能量，增加系统的能量利用率；能量分配策略是根据车辆的动力需求和剩余能量状态来选择内燃机和电动机的工作模式，以实现最佳的能效和驾驶性能。
混合动力电池组冷却分析与优化
栏目主持：黎艳 ～投稿信箱：Ｌｉｙ＠ｉｄｎｏｖｏ．ｃｏｍ．ｃｎ 本文以长安汽车某重度混合动力汽车电池组冷却系统为例，通过利用ＳＴＡＲ—ＣＣＭ＋软件的包面、多面体网格生 成及求解等功能，实现了对该电池组冷却系统的流道优化，并对冷却风扇选型提供理论依据。 混合动力电池组冷却分析与优化 口长安汽车股份有限公司汽车工程研究院ＣＡＥ所严旭谯鑫黄清秀 一、前言 随着石油能源稀缺和汽车尾气排放对环境造成污染等问 题日益严重，新能源汽车的研发聚集了更多的关注目光，人们 希望找到一种低成本、无污染、大功率和高效率的能源来驱动 汽车，包括氢燃料、纯电动和太阳能等能源都在研究过程中。 但这～转变并非一朝一夕即能实现，而是需要相当长的一段时 间，在艰苦的研发过程中，混合动力汽车作为过渡的中间产物 应运而生。 混合动力汽车是指在～辆汽车中同时采用两种动力装置 及储能装置（通常为内燃机、电动机和电池），通过先进的控 制系统使动力装置和储能装置有机协调工作，实现动力系统最 佳的能量分配，达到整车低能耗、低排放和高性能。混合动力 汽车有以下优点：发动机在最佳经济区运行，从而降低发动机 排放和油耗；在城市区域内行驶，可用纯电动驱动，实现零排 放；可配备较小排量的发动机；能实现再生制动，进一步降低 汽车的油耗和排放。 油电混合动力汽车的电池组部分散热问题危及到电池的 工作环境和使用寿命，直接关系到用户的使用感受和满意程 度，因此在电池箱开发过程中，电池方案除了考虑空间布置以 外，更需要着重考虑电池散热的需要。 本文利用ＳＴＡＲ—ＣＣＨ＋软件对长安汽车某款在研重度混合 动力汽车的电池箱体进行建模计算，通过流场和温度场的计 算，找出散热通风管道的不合理性，并优化管道外形。在优化 管道外形之后，再建立完整电池固体区域，用以计算电池表面 最高温度，并进行后续优化方案分析。 二、分析及优化过程 电池冷却系统由进风管道、电池箱体、出风管道、ＤＣＤＣ 和电池区域组成，如图１所示。该系统通过风扇引风，使空气 从进口处流经电池区域，流入电池箱体内部，从而实现对电池 的冷却。 利用ＳＴＡＲ—ＣＣＨ＋对该系统进行包面处理，并生成多面体 网格，图２中的蓝色部分即为使用ＳＴＡＲ－ＣＣＭ＋生成的气体区域 网格，黄色部分为全六面体网格，表示电池区域，三个区域通 过电池区域上下表面总共４个分界面（Ｉｎｔｅｒｆａｃｅ）相连。 由于首先考虑风道合理性，因此电池区域未详细表达， 只通过多孔介质体热源的方式来描述。经过计算，发现下部电 池区域中出现局部高温区，如图３所示，说明气流均匀性在该 处较差，通过如图４所示的该截面速度分布图可以看出，出现 局部高温区的位置气流其流速明显低于周围。 根据上面的图例分析，判断是由于气流从进风管道流入 电池箱体底部后，产生旋涡，导致通过电池区域的流速局部不 均，图５所示是箱体底部横截面速度矢量图，从图中可以看出 出口 图１电池箱及风道几何外形 图２计算网格 ＣＡＤ／ＣＡＭ与制造业信息化・２０１ ０年第８期 ６１
带压缩因子粒子群优化的混合动力汽车模糊能量管理策略
第15卷第11期2011年11月电机与控制学报ELECTRICMACHINESANDCONTROLVol.15No.11Nov．2011
带压缩因子粒子群优化的
混合动力汽车模糊能量管理策略
周美兰1，张宇1，杨子发2，康娣1（1．哈尔滨理工大学电气与电子工程学院，黑龙江哈尔滨150080；2．哈尔滨哈飞汽车工业集团有限公司研发中心，黑龙江哈尔滨150060）
摘要：针对改装后的哈飞赛豹混合动力汽车，以混合驱动系统需求转矩和电池组荷电状态（SOC）为输入，以发动机转矩为输出，应用带压缩因子粒子群算法优化量化因子的方法构建了能量管理模糊控制器，克服了传统的模糊控制存在精确度不高、自适应能力有限等问题，使模糊控制器的鲁棒性和控制精确度都得到提高。基于混合动力汽车专用仿真软件的研究表明，经过优化的模糊能量管理策略与未优化的策略相比燃油经济性提高了14.19%；优化前蓄电池的回收效率分别为18.95%、23.95%和14.47%，而优化后的分别提高至29.37%、26.20%、和20.12%；尾气中NOX、CO、HC由优化前0.202g/km、1.1g/km和0.282g/km分别降至0.104g/km、0.46g/km和0.279g/km。关键词：混合动力汽车；能量管理；模糊控制；压缩因子；粒子群优化中图分类号：U469.72文献标志码：A文章编号：1007－449X（2011）11－0067－06
FuzzyenergymanagementstrategyforHEVbasedonparticleswarmoptimizationwithcompressibilityfactor
ZHOUMei-lan1，ZHANGYu1，YANGZi-fa2，KANGDi1（1．SchoolofElectricalandElectronicEngineering，HarbinUniversityofScienceandTechnology，Harbin150080，China；2．R＆DCenter，HarbinHafeiAutomobileIndustryGroupCo．，Ltd．，Harbin150060，China）
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。
机械工程中的混合动力系统优化
机械工程中的混合动力系统优化
近年来，随着环境保护意识的增强和对能源效率的要求不断提高，混合动力系统在机械工程领域中得到了广泛的应用。混合动力系统将传统的内燃机和电动机相结合，通过优化设计和控制策略，实现能源的高效利用和减少对环境的污染。本文将探讨机械工程中混合动力系统的优化方法和应用。
首先，混合动力系统的优化离不开对内燃机和电动机的性能参数的研究和分析。内燃机的燃烧效率、排放性能和动力输出能力是衡量其性能的重要指标。通过改进燃烧室结构、优化燃油供给系统和提高燃烧效率，可以提高内燃机的功率输出和燃油利用率。而电动机的功率密度、效率和控制精度则是其性能的关键。通过采用高效的电机设计和控制技术，可以提高电动机的输出功率和能量转换效率。研究和优化这些性能参数，对于混合动力系统的整体性能提升至关重要。
其次，混合动力系统的优化还需要考虑不同工况下的能量管理策略。能量管理策略是指根据不同的工作状态和驾驶需求，合理分配内燃机和电动机的功率输出和能量转换。通过合理控制内燃机和电动机的启停、切换和协同工作，可以实现最佳的燃油经济性和动力性能。例如，在低速行驶时，电动机可以独立驱动车辆，达到零排放和低噪音的效果；而在高速行驶或爬坡时，内燃机可以提供更大的功率输出，满足驾驶需求。因此，合理设计和控制能量管理策略，可以最大限度地发挥混合动力系统的优势。
另外，混合动力系统的优化还需要考虑整车系统的匹配和集成。混合动力系统涉及到多个子系统，如内燃机、电动机、电池组、传动系统和控制系统等。这些子系统之间的匹配和集成对于整车性能的提升至关重要。例如，内燃机和电动机的功率输出和转矩特性需要与传动系统的匹配，以实现高效的能量转换和动力传递。同时，控制系统需要根据实时的驾驶需求和车辆状态，调节内燃机和电动机的工作模式和功率输出。因此，混合动力系统的优化需要综合考虑整车系统的匹配和集成，以实现最佳的性能和能源利用效率。 最后，混合动力系统的优化还需要考虑可持续发展的因素。可持续发展是指在满足当前需求的基础上，不损害未来世代满足其需求的能力。混合动力系统的优化应该注重降低对环境的影响和资源的消耗。例如，通过采用可再生能源和高效的能量转换技术，可以减少对化石能源的依赖和减少温室气体的排放。同时，优化设计和控制策略，可以延长电池组的使用寿命和提高回收利用率，减少对有限资源的浪费。因此，混合动力系统的优化应该与可持续发展的目标相结合，实现能源的可持续利用和环境的可持续保护。
混合动力汽车测试评价方法及测试指标
混合动力电动汽车测试评价方法及测试指标
混合动力电动汽车的动力总成主要由发动机，发电机，驱动电机，蓄电池以及变速器等构成。混合动力电动汽车按动力总成配置和部件的组合方式不同，可以将其分为串联式，并联式和混联式三种类型。
1 常见的测试评价方法
1.1 道路测试法
这是基于整车的测试方法，通过在实际道路进行实车测试来评价混合动力电动汽车性能的优劣。
道路测试分为安全性测试、噪声测试、动力性测试、能耗和排放测试（车载测试），这些测试均需要在专用试验场地上按规定的试验方法完成。该方法比较简单、直观。
使用该方法，试验结果可以很快地评价整车性能的优劣，为试验样车的参数标定、控制策略优化以及新车的开发提供可靠的试验依据，但是受温度和风速等外界干扰因素影响较大，道路测试方法的可控性和重复性较差。
1.2 底盘测功机法
底盘测功机试验也是从整车角度出发的测试方法，该方法通过负荷设定来精确模拟汽车在实际道路上的行驶阻力，以实现其道路行驶阻力在底盘测功机上的再现，这也是底盘测功机试验的关键，将对汽车的动力性和能耗排放等性能的研究产生直接影响。
与道路测试法相比，底盘测功机试验能够控制室内环境等可变因素，可以精确模拟多种典型行驶状况，试验结果重复性好，但是试验需要昂贵的试验设备，这对处于研发阶段的企业来说成本较高。
1.3 台架测试法
台架测试是把发动机、电动机/发电机、蓄电池及变速器等总成部件按照混合动力总成布置方案安装在发动机台架上，利用CAN 总线把台架测试控制系统与整车多能源控制器和各总成部件ECU连接起来。
实时测量混合动力总成的各项参数，控制动力总成的运行状态，并借助相关测试设备(如油耗仪、排放分析仪及电功率计等）完成动力性、燃油经济性、排放及噪声等整车性能测试试验。
台架试验受外界自然环境的限制较少，并可以使各零部件的布置不受整车总布置的限制。此外，台架测试还可以利用不同总成部件的模块化设计进行高效率的安装和调试，不仅减少了开发成本，而且大大缩短了混合动力总成的研发周期。
混合动力汽车的控制策略
混合动力汽车的控制策略
一、混合动力汽车概述
混合动力汽车是指同时搭载燃油发动机和电动机的汽车，通过两种驱动方式的协同作用来提高燃油利用率、降低排放。其控制策略与传统汽车有所不同。
二、混合动力汽车控制策略
1. 能量管理策略
能量管理策略是混合动力汽车控制的核心，主要包括电机和发动机的运行状态及其相互切换，以及电池充电和放电等。常见的能量管理策略包括：基于功率分配的能量管理策略、基于速度分配的能量管理策略、基于SOC（State of Charge）控制的能量管理策略等。
2. 档位选择策略
档位选择策略主要是指在不同驾驶模式下，选用适当的档位来实现最优化控制。常见的档位选择策略包括：手动换挡模式、自适应换挡模式、预测式换挡模式等。
3. 制动能量回收策略
混合动力汽车在行驶过程中通过制动器将部分运动能转化为电能，并存储在电池中，以便在需要时供电使用。制动能量回收策略主要是指如何在不影响行车安全的前提下，最大程度地回收制动能量。常见的制动能量回收策略包括：手动控制模式、自适应控制模式、预测式控制模式等。
4. 启停系统策略
混合动力汽车启停系统是指在车辆静止时关闭发动机，以节约燃油和减少排放。启停系统策略主要是指如何在不影响车辆性能和驾驶体验的前提下，实现最优化控制。常见的启停系统策略包括：基于发动机状态的启停控制、基于SOC的启停控制、基于行驶模式的启停控制等。
5. 气缸管理策略
气缸管理策略主要是针对混合动力汽车中燃油发动机的一种优化技术，通过对气缸进行开闭来实现最优化燃油利用率和降低排放。常见的气缸管理策略包括：基于负载和转速的气缸管理、基于时间和转速的气缸管理、基于瞬时燃油经济性的气缸管理等。
三、混合动力汽车控制策略的发展趋势
1. 智能化和自适应化
随着人工智能和大数据技术的不断发展，混合动力汽车控制策略将越来越智能化和自适应化。例如，基于车辆状态和驾驶习惯的个性化控制策略，以及基于实时路况和天气情况的预测式控制策略等。
基于极小值原理的混联混合动力客车能量管理策略优化
２０１２年（第３４卷）第１０期 汽车工程 Ａｕｔｏｍｏｔｉｖｅ Ｅｎｇｉｎｅｅｒｉｎｇ ２０１２（Ｖｏ１．３４）Ｎｏ．１０ 基于极小值原理的混联混合动力 客车能量管理策略优化冰 ２０１２１６９ 林歆悠 ，孙冬野 ，邓涛。 （１．重庆大学，机械传动国家重点实验室，重庆４０００３０；２．重庆交通大学机电与汽车工程学院，重庆４０００７４） ［摘要］针对一款混联式混合动力客车特殊的结构特点对控制策略的要求，以电池功率为控制变量，以燃油 消耗最小为目标，采用极小值原理，并基于所设计的求解流程和所建立的模型，对确定发动机和电池之间功率分配 的能量控制策略进行优化仿真。结果表明，采用极小值原理对能量控制策略的优化效果显著，与规则控制策略相 比，１００ｋｍ油耗降低了１８．３３％。 关键词：混合动力客车；能量控制策略；极小值原理 Ｅｎｅｒｇｙ Ｍａｎａｇｅｍｅｎｔ Ｓｔｒａｔｅｇｙ Ｏｐｔｉｍｉｚａｔｉｏｎ ｆｏｒ ａ Ｓｅｒｉｅｓ—Ｐａｒａｌｌｅｌ Ｈｙｂｒｉｄ Ｅｌｅｃｔｒｉｃ Ｂｕｓ Ｂａｓｅｄ ｏｎ Ｐｏｎｔｒｙａｇｉｎ’Ｓ Ｍｉｎｉｍｕｍ Ｐｒｉｎｃｉｐｌｅ Ｌｉｎ Ｘｉｎｙｏｕ ．Ｓｕｎ Ｄｏｎｇｙｅ ＆Ｄｅｎｇ Ｔａｏ １．Ｃｈｏｎｇｑｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｔｈｅ Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆＭｅｃｈａｎｉｃａｌ Ｔｒａｎｓｍｉｓｓｉｏｎ，Ｃｈｏｎｇｑｉｎｇ ４０００３０； ２．Ｍｅｃｈａｔｒｏｎｉｃｓ＆Ａｕｔｏｍｏｔｉｖｅ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｈｏｎｇｑｉｎｇ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ ４０００７４ ［Ａｂｓｔｒａｃｔ］ Ｉｎ ｖｉｅｗ ｏｆ ｔｈｅ ｒｅｑｕｉｒｅｍｅｎｔｓ ｏｆ ｔｈｅ ｓｐｅｃｉａｌ ｓｔｒｕｃｔｕｒａｌ ｆｅａｔｕｒｅｓ ｏｆ ａ ｓｅｒｉｅｓ—ｐａｒａｌｌｅｌ ｈｙｂｒｉｄ ｅｌｅｃｔｒｉｃ ｂｕｓ ｏｎ ｉｔｓ ｃｏｎｔｒｏｌ ｓｔｒａｔｅｇｙ，ａｎ ｏｐｔｉｍｉｚａｔｉｏｎ ｓｉｍｕｌａｔｉｏｎ ｏｎ ｉｔｓ ｅｎｅｒｇｙ ｍａｎａｇｅｍｅｎｔ ｓｔｒａｔｅｇｙ，ｗｈｉｃｈ ｄｅｔｅｒｍｉｎｅｓ ｔｈｅ ｐｏｗ— ｅｒ ｄｉｓｔｒｉｂｕｔｉｏｎ ｂｅｔｗｅｅｎ ｅｎｇｉｎｅ ａｎｄ ｂａｔｔｅｒｙ，ｉｓ ｃｏｎｄｕｃｔｅｄ ｂｙ ｕｓｉｎｇ Ｐｏｎｔｒｙａｇｉｎ’Ｓ ｍｉｎｉｍｕｍ ｐｒｉｎｃｉｐｌｅ ａｎｄ ｂａｓｅｄ ｏｎ ｔｈｅ ｓｏｌｕｔｉｏｎ ｆｌｏｗ ｃｈａｒｔ ｄｅｓｉｇｎｅｄ ａｎｄ ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｍｏｄｅｌ ｂｕｉｌｔ，ｗｉｔｈ ｂａｔｔｅｒｙ ｐｏｗｅｒ ａｓ ｃｏｎｔｒｏｌ ｖａｒｉａｂｌｅ ａｎｄ ｍｉｎｉｍｉｚｉｎｇ ｆｕｅｌ ｃｏｎｓｕｍｐｔｉｏｎ ａｓ ｏｂｊｅｃｔｉｖｅ．Ｔｈｅ ｒｅｓｕｌｔｓ ｄｅｍｏｎｓｔｒａｔｅ ｔｈｅ ｍａｒｋｅｄ ｅｆｆｅｃｔｓ ｏｆ ｏｐｔｉｍｉｚａｔｉｏｎ ｏｎ ｅｎｅｒｇｙ ｍａｎａｇｅｍｅｎｔ ｓｔｒａｔｅｇｙ ｂａｓｅｄ ｏｎ Ｐｏｎｔｒｙａｇｉｎ’Ｓ ｍｉｎｉｍｕｍ ｐｒｉｎｃｉｐｌｅ ｗｉｔｈ ｔｈｅ ｆｕｅｌ ｃｏｎｓｕｍｐｔｉｏｎ ｐｅｒ １ ００ｋｍ １ ８．３３％ｌｏｗｅｒ ｔｈａｎ ｔｈａｔ ｗｉｔｈ ｒｕｌｅ—ｂａｓｅｄ ｃｏｎｔｒｏｌ ｓｔｒａｔｅｇｙ． Ｋｅｙｗｏｒｄｓ：ｈｙｂｒｉｄ ｅｌｅｃｔｒｉｃ ｂｕｓ；ｅｎｅｒｇｙ ｍａｎａｇｅｍｅｎｔ ｓｔｒａｔｅｇｙ；Ｐｏｎｔｒｙａｇｉｎ’ｓ ｍｉｎｉｍｕｍ ｐｒｉｎｃｉｐｌｅ 日『Ｊ舌 混合动力汽车由于其低油耗的特点而成为当今 研究的热点，对于城市公共交通更能显示出其节能 的优势。混联式混合动力客车兼有串联式和并联式 结构的优点¨ Ｊ，能够实现低速纯电动起步和大功 率制动能量回收，避免了发动机在低速低负荷工况 低效率运行和频繁制动的能量损失，因此更适于城 市工况运行。由于混合动力系统存在多个动力源， 即电池、内燃机和电动机等，能否均衡协调控制各动 力部件间的功率分配成为其节油的关键，对混合动 力客车能量管理策略进行优化就显得特别重要。 为获得混合动力系统能量管理的全局优化控制 策略而引入了各种优化算法，如文献［３］中采用的 优化控制理论、文献［４］中所介绍的线性规划算法、 文献［５］和文献［６］中引入拉格朗日系数构造哈密 顿函数进行全局优化，以及文献［７］一文献［９］中采 用基于动态规划算法的全局优化。但是上述优化算 法均须在预知行驶工况的前提下进行，故无法应用 国家自然科学基金项目（５１０７５４１０）、重庆市科技公关项目（２０１０ＡＣ６０４９）和重庆市教委科学技术研究项目（ｋｊ１２０４２１） 资助。 ‘ 原稿收到日期为２０１１年６月加日，修改稿收到日期为２０１１年７月１４日。