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Q学习的纯电动重型商用车智能换挡控制策略研究

为了同时兼顾换挡策略的全局最优性与在线实时性,提出了基于Q学习算法的智能综合换挡策略。根据马尔科夫理论,构建需求功率转移概率模型。以电能消耗与加速度量纲归一化最大为加权目标,建立综合性能换挡策略优化模型。运用Q学习算法,得到不同车速下的需求功率、SOC、速比三者关系的MAP图,从而制定出整车智能综合换挡策略。基于AVL/Cruise仿真平台,选取C-WTVC为循环工况,进行综合性能仿真分析。结果表明:与传统综合换挡策略相比,基于Q学习算法的智能综合换挡策略,整车0～50 km/h的加速时间缩短了4.6%,整车的能量消耗率降低了5.3%,说明该换挡控制策略能够有效地改善整车的动力性与经济性。     

基于Simulink的电动客车整车控制器软件层设计

针对某款纯电动客车,对其行驶策略、能量管理策略等整车控制策略进行研究。在Simulink环境下建立模型并仿真,再对单片机底层驱动模块进行编程,完成整车控制器模型的建立。通过Simulink中Code generation生成软件层的代码,完成控制器软件层的设计。最后对整车控制器的行驶策略、能量管理策略进行测试。     

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。     

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。     

基于模糊神经系统的多传感器数据融合算法

将自适应模糊神经推理系统(ANFIS)和卡尔曼滤波器应用于目标跟踪系统中,构成多传感器数据融合算法。该算法假设在目标运动过程中,过程噪声和测量噪声是相互独立的高斯白噪声序列。使用ANFIS分别对目标的加速度和测量噪声的方差进行估计,通过卡尔曼滤波器获得目标后验状态,最终由神经网络对多传感数据进行融合得到系统输出。仿真结果表明,该算法可以通过自适应调整跟踪参数有效地防止目标丢失。     

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。     

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。     

基于AMESim的电动客车传动系分析与研究

以某电动中型客车为研究对象,对加装变速器后的整车动力总成系统进行研究,分析并建立了整车数学模型。在此基础上,利用AMESim建立了整车仿真模型,并利用Matlab/Simulink建立整车控制器。针对NEDC循环工况和加速工况对其进行了模拟仿真;分析了传动系参数对整车加速度特性、最高车速、经济性及冲击度的影响。利用遗传算法对传动系的传动比进行了优化,在保证整车冲击度达标的前提下改善了整车动力性与经济性。     

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。     

基于遗传算法的纯电动汽车动力传动系统优化

以某一型号的单挡纯电动汽车作为研究对象,在基于动力系统参数分析的基础上,对整车合理匹配两挡AMT变速器,并基于ADVISOR仿真平台建立整车仿真模型。应用遗传算法工具箱与ADVISOR非图形化界面联合优化以实现自动优化动力系统参数的目的,获得动力性和经济性最优匹配结果。仿真结果表明:该优化方法能有效地提高纯电动汽车的性能。     

基于改进遗传算法电动汽车变速器参数设计与优化

为增加纯电动车行驶里程,以某款只匹配主减速比的纯电动物流车为原型,改为两挡传动比配置,对传动比参数进行优化以提高电机工作效率。通过Cruise与Isight联合仿真,利用2种改进遗传算法优化得到2种不同方案。利用多岛遗传算法(MIGA)优化获得经济性最优方案1,利用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)优化获得兼顾经济性和动力性的方案2,为电动汽车变速器设计与速比优化提供了参考。     

分布式驱动电动汽车横摆稳定性控制策略研究

针对某型纯电动汽车进行轮毂电机参数匹配设计,建立整车参数化模型;以横摆角速度和质心侧偏角偏差作为控制目标,基于滑模控制理论及罚函数法,提出整车横摆稳定性控制和轮毂电机转矩分配控制策略;选取双移线和鱼钩试验2种典型工况,与无控制和模糊PID控制策略进行对比分析,对控制策略进行仿真验证。结果表明:采用积分滑模控制策略后,双移线试验工况下,车辆横摆角速度最大值为0.17 rad/s,质心侧偏角最大值为-0.038 rad;鱼钩试验工况下,车辆横摆角速度最大值为0.23 rad/s,质心侧偏角最大值为0.049 rad,均小于未加控制时车辆的状态参数,所提出的整车横摆稳定性控制策略能够有效对车辆进行横摆稳定性控制,降低车辆失稳机率。     

基于CAN总线的电动汽车踏板、换挡系统建模与故障诊断仿真

建立了纯电动汽车制动踏板、加速踏板和换挡系统的Simulink功能模型,利用Labview对模型所产生的CAN故障信号进行读取,识别显示其故障的内容。介绍了纯电动汽车换挡系统诊断信号的设计,依据ISO 15031-6标准的故障码规范进行故障码设计;依据ISO 15765-2标准的服务规范,对CAN信号进行设计。最终实现了在Simulink环境下电动汽车制动踏板、加速踏板和换挡系统模型故障的模拟仿真。     

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%。     

基于模糊PID控制的空气弹簧振动特性研究

针对在粗糙路面行驶时空气弹簧座椅舒适性较差的情况,采用模糊PID控制策略,以人体加速度误差和误差变化率作为输入量,以空气弹簧控制力作为输出量,设计了模糊PID控制器。为验证控制效果,与ADAMS建立的整车模型进行联合仿真,并与被动空气弹簧座椅进行对比分析。仿真结果表明,采用模糊PID控制的座椅系统减振效果得到了进一步改善,提高了人体振动舒适性。     

空气悬架铰接电动客车车身骨架可靠性评估

为对某款空气悬架铰接电动客车车身骨架进行可靠性评估,首先建立了整车骨架有限元分析模型,以满载弯曲工况为例,对其进行了静强度分析;其次选用Workbench集成的Fatigue Tool工具对整车车身骨架进行了疲劳寿命分析,依据得到的整车疲劳寿命云图和各节点的寿命,确定了整车车身容易发生疲劳破坏的位置,为空气悬架约束下的铰接电动客车改进设计提供了理论依据。     

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。     

基于自适应网络模糊推理系统的噪声抵消

对自适应网络模糊推理系统(ANFIS)在噪声抵消中的应用进行了研究，说明了ANFIS的结构和使用ANFIS进行噪声抵消的原理，对窄带干扰的滤除和噪声中的信号提取两种情况进行了仿真，并对ANFIS和LMS(小均方误差准则)两种算法进行了对比研究，结果表明，利用ANFIS进行噪声抵消要优于LMS。     

基于模糊PI控制的pmsm驱动控制系统

针对PI参数自整定存在控制系统数学模型的精确度、整定效率低和优化时间长的问题,提出一种基于模糊控制 的参数自整定的优化策略。以伺服控制系统的数学模型为基础,根据模糊控制的基本原理,设计PMSM的速度模糊PI 控制器。然后根据矢量控制原理,在MATLAB/Simulink仿真平台上搭建PMSM控制系统的模型,并对PMSM控制系统 进行了仿真。仿真结果表明：在传统PI控制的基础上增加参数自整定是正确和有效的,能使伺服系统具有较强的负载 抗扰性和良好的动态跟踪性能。