纯电动汽车两挡AMT换挡策略研究

两挡AMT相较于单级固定速比减速器,能够降低整车系统对电池和电机性能的要求,但需要为其设计合理的换挡策略,以保证车辆经济性和动力性满足需求。首先分析驱动工况下电池、电机和变速器效率随车速和加速踏板开度的变化情况,以系统效率最高为目标,设计最佳经济性换挡策略。其次,分析不同挡位下加速度随车速和加速度踏板开度的变化情况,以加速度最大为目标,设计最佳动力性换挡策略。最后,设计了一种换挡策略切换控制器,将百公里电耗和加速时间组成综合性能指标,基于模糊理论计算动力需求因数,根据动力需求因数选择相应的换挡策略。仿真和试验结果显示:相较于传统换挡策略,平均百公里电耗降低9.97%,加速度略有恶化约3.96%。因此,该换挡策略在基本保证驾驶员动力需求的同时,极大地提高了经济性,可有效延长车辆的续航里程。     

基于ANFIS的纯电动轻卡自动换挡策略

在纯电动轻卡中,不同的换挡策略对于汽车的能耗有着很大的影响。基于模糊神经网络控制理论,依据传统的两参数换挡规律,采用具有2输入单输出的Sugeno模糊推理结构,建立了ANFIS换挡策略。通过具体的样本数据对换挡策略进行训练,在Cruise中搭建纯电动轻卡的整车模型作为仿真环境,代入整车参数进行仿真,将得到的仿真结果与传统模糊换挡策略进行分析比较,结果表明:ANFIS换挡策略能有效改善车辆的操作稳定性和经济性能,并在能耗上得到优化。     

应用免疫粒子群算法的电动汽车经济性换挡策略研究

为使电动汽车正常行驶时的能量消耗率更低,对某款匹配两挡自动变速器的电动汽车进行经济性换挡策略研究。面向电机效率最优制定传统双参数经济性换挡策略;建立以工况能耗为目标、换挡时间为约束的集成优化模型,通过免疫粒子群算法求解得到换挡策略曲线;利用建立的整车仿真平台对优化前后的换挡策略进行UDDS、CCBC工况下的仿真。结果显示:优化后的换挡策略在2种工况下行驶100 km所节省的电能分别为6.36%和8.99%,电机工作点更集中于高效区。     

基于模型预测控制的电动车辆换挡策略研究

基于模型预测控制框架,提出了一种考虑未来工况变化趋势的智能换挡策略。建立循环神经网络,以过去一段时间工况为输入,对未来5 s的车速序列进行预测。以训练好的神经网络作为模型预测控制的预测模型。采用动态规划方法构建基准策略,并作为模型预测换挡策略的滚动优化部分,建立了模型预测换挡策略。构建了基于C-WTVC的复合工况并仿真。设计了双参数经济性换挡规律作为对照。结果表明:模型预测换挡策略可以节约能源消耗,降低换挡频率。     

基于概率神经网络的自动换挡策略研究

为了将驾驶员手动换挡经验制作成自动换挡策略,更好地满足汽车换挡的动力性要求,缩短变速箱自动换挡策略的研发时间,提出使用驾驶员手动换挡经验训练概率神经网络,从而高效率地制定汽车自动变速箱的换挡策略。在TruckSim中搭建汽车仿真模型,通过车辆CAN总线获得训练样本,在Matlab里训练概率神经网络模型。一方面进行PNN换挡策略与动力性换挡策略及BP神经网络换挡策略的仿真对比试验;另一方面进行原车离线数据的换挡试验。试验结果表明:基于概率神经网络的自动换挡策略可以实现正确率为98.76%的挡位控制,达到将优秀驾驶员手动换挡经验应用于自动换挡策略的要求;概率神经网络自动换挡策略的动力性优于动力学理论推导的换挡策略和BP神经网换挡策略。     

智能悬架模块切换及底层控制器算法研究

为了满足车主在不同路况下对车辆悬架性能的需求,通过提出一种新型的智能悬架系统,结构上包括切换控制器以及主动控制、馈能2个子模块。顶层控制器采用单-双阈值的模块切换策略,根据路况匹配功能模块;底层分别采用BP-PID算法、LQG算法控制相应的功能模块。在Matlab/Simulink软件中对底层控制器进行仿真,结果表明:所设计的智能悬架系统在B级路面能够改善汽车平顺性,在D级路面能够有效提升汽车综合性能,底层控制器的设计符合要求。     

双电机两挡驱动系统协同控制策略研究

基于某新型双电机两挡变速箱驱动系统,研究了能耗经济性双电机转矩分配策略以及工况适应性两挡变速箱换挡策略。针对经济性优化目标,挖掘行驶工况数据与双电机效率的互补特征,提高协同控制效率,实现车辆能耗经济性最优控制。针对瞬态最优策略的换挡频繁问题,提出了在线辨识工况特征参数的方法,实时调整变速箱换挡规律及双电机转矩分配策略。基于Matlab/Simulink仿真验证了双电机两挡驱动系统工况适应性协同控制策略的可行性及有效性。     

模糊逻辑的增程式燃料电池SUV能量管理策略研究

以增程式燃料电池混合动力SUV为研究对象,以优化电池充放电状态、燃料电池工作效率以及增加整车续驶里程为目标,开展基于模糊逻辑的能量管理策略优化研究。基于Simulink/AMESim联合仿真平台搭建了整车及能量管理系统模型,进行了一种前向能量流仿真计算,验证了策略动力性,同时对比分析了恒温器控制策略及基于模糊逻辑的恒温器控制策略在各工况下的充放电状态、燃料电池工作效率及续驶里程。结果表明:在满足动力性指标的前提下,基于模糊逻辑的恒温器控制策略能有效改善电池充放电状态,优化燃料电池工作效率,增加整车续驶里程。在NEDC、WLTC及CLTC-P标准循环工况下,燃料电池工作效率平均提升15.6%,续驶里程分别提升4.99%、5.08%、4.72%。     

基于液力变矩器效率优化的车辆自动换挡策略研究

恶劣行驶环境下的特种车辆对动力性、传动效率要求较高,为此,根据TR50特种车辆的实车数据制定最佳动力性换挡规律。通过分析液力变矩器的工作特性,建立了计算液力变矩器实时传动效率的数学模型。以换挡前后液力变矩器传动效率的变化最小为优化目标,利用贪心算法对最佳动力性换挡规律进行优化。分别将优化后和优化前的换挡规律在Matlab/Simulink仿真系统模型中进行仿真分析,得出两种换挡规律下液力变矩器的效率变化情况。结果表明:优化后的液力变矩器传动效率与优化前相比提升较多,其中大于0. 5的效率提升20. 5%,大于0. 6的效率提升16. 6%,各挡位的高效率工作区比例得到明显提升。     

电机效率最优的双电机汽车驱动扭矩分配控制策略

为提高前后轴分布式双电机电驱动汽车(DDEV)行驶中的经济效能,以某款双电机汽车作为研究对象,以前后电机效率最优为目标,提出了一种驱动扭矩分配策略,针对2电机工作时的协调控制进行研究。在Cruise软件中建立DDEV整车模型,与Simulink软件中搭建的策略模型进行联合仿真,在NEDC和WLTC循环工况下进行仿真测试。仿真结果表明,与前后电机驱动扭矩平分策略相比,使用文中提出的驱动扭矩分配策略的双电机汽车在2种循环工况下的电能消耗分别降低6.7%和4.5%,2电机在高效区间工作的占比分别提升12.4%和47.3%,整车电机在2种循环工况下的平均效率相应提升14.2%和17.8%,验证所提策略对提高车辆经济性能的有效性。     

基于改进深度强化学习的自动泊车路径规划

提出一种基于深度强化学习的运动规划方法,以车辆位姿、方向盘转角和与障碍物的最小距离作为状态,以目标方向盘转角作为动作,通过Pytorch搭建了基于深度强化学习的泊车算法框架。设计基于引导的奖励函数以避免奖励稀疏问题;以回合平均奖励作为优先级,将经验池改进为基于优先队列对样本进行存储和淘汰;针对泊车问题,提出了基于课程学习的分阶段训练方法,加速算法收敛。仿真结果表明:提出的算法较原始算法收敛速度提高25%,完成训练的智能体具有较强的规划能力和健壮性,规划成功率达到90.6%,同时具有良好的舒适性和安全性。     

轮毂电机混合动力汽车硬件在环仿真研究

以轮毂电机混合动力汽车为研究对象,基于整车ADVISOR后向仿真模型,研究了整车硬件在环仿真平台的搭建方法。通过增加驾驶员模型以及修改整车后向仿真模型中部分部件模型,构建了基于Matlab/Simulink的整车前向仿真模型。利用TargetLink将控制策略模型下载至控制器实物中,以整车前向仿真模型为基础进一步建立被控对象模型,搭建轮毂电机混合动力汽车硬件在环仿真平台,并对控制策略进行了硬件在环仿真。硬件在环仿真结果与ADVISOR仿真结果相比,存在1. 8 s的响应延迟,但仿真数值基本吻合,表明了所搭建硬件在环仿真平台的有效性,为基于后向仿真模型的整车硬件在环仿真平台快速搭建提供了理论依据。     

基于工况的双电机参数匹配与控制策略研究

针对单电机直驱系统高效区利用不足的问题,以某款纯电动城市客车为例设计了一种同轴双电机系统,基于行驶工况分析进行参数匹配,根据电机高效区提出了基于规则的转矩控制策略。运用CRUISE和Matlab/Simulink软件分别建立整车模型和同轴双电机系统控制策略模型,进行动力性和经济性仿真。仿真结果表明:同轴双电机系统满足整车动力性要求,与单电机相比具有更好的经济性。     

燃料电池客车驱动系统建模及能量管理策略优化研究

针对燃料电池客车建模的复杂性,合理利用实验数据,在Matlab软件中建立了燃料电池客车动力系统的能耗模型。为了解决基于模糊控制的能量管理策略过于依赖专家经验的问题,提出了两种基于优化算法改进的能量管理策略:(1)利用遗传优化算法对模糊控制策略进行改进;(2)利用序列二次规划方法对基于规则的控制策略进行优化,建立燃料电池输出功率与动力电池SOC的函数关系。由于单个工况无法反映系统长时间运行时的性能,将对连续20个重复的中国典型城市公交工况进行仿真。仿真结果显示:优化后的2种控制策略的整车经济性均优于原模糊控制策略。优化后的控制策略有效避免了燃料电池输出功率频繁变化的现象,同时动力电池SOC维持在合理区间,可有效延长燃料电池和动力电池的寿命。     

基于虚拟试车场的变速器载荷模拟

基于Adams/Car的环境进行了汽车整车虚拟仿真试验。建立了道路模型、轮胎模型、驾驶员模型和整车多体动力学模型并集成,利用Adams/Solver求解器对模型进行仿真计算,对得到的数据进行筛选处理,导入Matlab中模拟变速器在不同路面上所受的载荷。采用周期图法估计的功率谱,使用数理统计方法得出模拟的变速器载荷的特征值,最后把模拟结果与ETA/VPG的仿真数据进行分析对比。结果表明:建立的道路模型有较高的精度,模拟得到的变速器载荷有一定的准确性,对变速器开发初期的虚拟试验具有参考价值。     

紧凑型驾驶员在环EMT换挡试验平台开发

常见的变速器换挡试验台架注重对换挡的动力学过程进行研究,而没有把驾驶员以及交通场景带来的外界随机扰动考虑在内。为了提升变速器换挡试验的真实性和可靠性,在原有电驱动机械变速器(EMT)换挡试验台架的基础上增加了紧凑型驾驶模拟仿真系统,集成了虚拟交通场景、驾驶操作部件以及基于模型预测控制方法的自动驾驶算法。在Lab VIEW环境下开发了数据采集与处理软件来实现驾驶模拟信息采集和处理、驾驶模拟仿真系统与变速器控制器通信、车辆运行状态以及换挡过程监控等功能。大量试验结果表明:该试验平台能够模拟车辆在不同路况和驾驶员风格下的运行状态,实现驾驶员和交通场景在环的EMT换挡试验。     

WiMAX上行功率控制中分集合并研究

WiMAX上行链路采用功率控制提高系统容量和链路质量,在基于信号干扰噪声比(SINR)平衡准则的功率控制中,同道干扰和基站端天线合并算法对用于功率控制的SINR有重要影响。首先构建了WiMAX同道干扰模型,根据该模型推导出功率控制中SINR的中断概率;然后,针对基站端天线合并算法对SINR中断概率的影响,提出硬/软限幅合并算法。仿真结果表明,提出的合并算法能够有效抑制同道干扰,降低功率控制中SINR的中断概率,改善WiMAX上行功率控制性能。     

Y型模块化多电平变换器原理及其在中压馈线互联中的研究

针对未来配网中压馈线柔性互联的迫切需求,提出了采用Y型模块化多电平变换器(Y modular multilevel converter, Y MMC)实现柔性多状 态开关功能的研究思路。首先分析其拓扑结构与工作原理,采用功率外环电流内环的双闭环控制策略,在MATLAB/Simulink平台中搭建了系统仿真模型。在10 kV 中压配网环境下,仿真研究了Y MMC对有功功率和无功功率的传输性能及系统的动态响应。结果表明所搭建的系统有较好的性能,该研究为新型交 交拓扑的 柔性多状态开关用于中压配网环境下的适用性提供了参考。     

基于SPC5634的纯电动汽车整车控制器软件开发与实验

根据某纯电动汽车整车控制需求,基于32位SPC5634的整车控制器硬件进行软件开发,搭建整车控制模型,并进行验证和优化。采用Build Model进行编译,自动生成相应的应用层程序和底层驱动程序。将程序下载至控制器中,通过MIL、SIL/PIL和HIL仿真验证程序的有效性,并对模型中的限速功能和驻坡功能进行实车测试。结果表明:该模型符合设计需求,与传统的手写代码开发模式相比有效缩短了开发时间,提高了开发效率,可满足当前电动汽车行业的开发需求。     

协作通信系统中能效优化的中继分配算法

在协作通信系统中,中继节点的合理分配对于系统性能提升具有重要的意义。然而,现有的方法往往只从系统容量最大化或者功率最小化单方面研究中继节点分配,缺乏对两者的综合考虑以致最终的中继分配结果不是最优。通过对基于能效(容量/发送功率)的中继分配进行研究,提出一种能效最大化为目标的中继分配算法(EERAA)。该算法首先优化各协作链路能效,然后通过最大权重匹配方法为各源移动终端进行中继节点的分配,从而有效地提高系统能效。经仿真验证,该算法跟现有的算法相比,能得到更高的系统能效。