本文關(guān)鍵詞： 混合動力汽車 后向計(jì)算 系統(tǒng)效率優(yōu)化 控制策略 性能仿真　出處：《重慶理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：近年來的環(huán)境污染問題加劇,尾氣排放法規(guī)要求日益嚴(yán)苛,對于汽車產(chǎn)業(yè)而言進(jìn)行能源結(jié)構(gòu)的調(diào)整是一項(xiàng)緊迫而艱巨的任務(wù)。但是純電動汽車由于受到了電池儲能元件的能量密度限制,暫時(shí)無法替代傳統(tǒng)內(nèi)燃機(jī)汽車。于是采用混合動力汽車的方式能夠很好結(jié)合兩者的優(yōu)點(diǎn),降低燃油消耗,減少尾氣排放,并顯著提高續(xù)航里程。本文的研究對象——針對中度混合動力汽車的控制策略,結(jié)合了傳統(tǒng)邏輯門限策略的有效性和系統(tǒng)效率最高的目標(biāo),利用統(tǒng)計(jì)的方法來統(tǒng)計(jì)車輛行駛過程中的平均車速和平均功率,采用以系統(tǒng)效率最高為目標(biāo)的后向計(jì)算優(yōu)化方法,優(yōu)化出取得最佳系統(tǒng)效率時(shí)平均車速、平均功率下對應(yīng)的電池SOC,將其作為控制的目標(biāo)SOC來動態(tài)調(diào)節(jié)車輛的工況,使不同的驅(qū)動工況下系統(tǒng)效率最優(yōu)。針對這一目標(biāo),做出了如下的工作:研究了不同結(jié)構(gòu)、形式的混合動力汽車的分類方法,針對目標(biāo)車型重新進(jìn)行了動力匹配和部件選型計(jì)算,從不同極限工況下功率需求的角度對車輛動力總成的參數(shù)進(jìn)行了計(jì)算和匹配研究。研究了中度混合動力汽車的細(xì)分工況的劃分,針對劃分的不同工況,以系統(tǒng)效率最優(yōu)作為優(yōu)化目標(biāo),對發(fā)動機(jī)單驅(qū)驅(qū)動下以經(jīng)濟(jì)行為目標(biāo)的工況、電機(jī)單獨(dú)驅(qū)動工況、發(fā)動機(jī)與電機(jī)協(xié)同驅(qū)動下兩種細(xì)分工況做出了基于后向計(jì)算下的系統(tǒng)效率參數(shù)優(yōu)化。通過系統(tǒng)效率最優(yōu)為目標(biāo)的后向計(jì)算優(yōu)化結(jié)果,結(jié)合參數(shù)統(tǒng)計(jì)計(jì)算得到的平均車速和平均功率,通過后向計(jì)算的方法求出系統(tǒng)最優(yōu)條件下的電池目標(biāo)SOC,將目標(biāo)SOC作為控制變量,制定基于統(tǒng)計(jì)參數(shù)的后向計(jì)算控制策略。在Matlab/simulink中建立了搭載CVT的中度混合動力汽車的仿真模型,將基于參數(shù)統(tǒng)計(jì)的控制策略嵌入仿真模型中,針對細(xì)分工況下進(jìn)行仿真,驗(yàn)證了控制策略的有效性以及仿真模型的合理意義。
[Abstract]:In recent years, the problem of environmental pollution has become more and more serious, and the requirements of exhaust emission regulations have become increasingly stringent. The adjustment of energy structure is an urgent and arduous task for automobile industry, but pure electric vehicles are limited by the energy density of battery energy storage components. It is not possible to replace the traditional internal combustion engine vehicle for the time being. Therefore, the hybrid electric vehicle can combine the advantages of both, reduce fuel consumption and reduce exhaust emissions. And significantly improve the mileage. The research object of this paper is the control strategy of moderate HEV, which combines the effectiveness of the traditional logic threshold strategy and the goal of the highest system efficiency. The statistical method is used to calculate the average speed and average power of the vehicle in the course of driving. The optimization method of backward calculation aiming at the highest system efficiency is adopted to optimize the average speed when the best system efficiency is obtained. The battery SOCs corresponding to the average power are used as the control target SOC to dynamically adjust the vehicle operating conditions so as to optimize the system efficiency under different driving conditions. The following work is done: the classification method of hybrid electric vehicle with different structure and form is studied, and the power matching and component selection calculation for the target vehicle are redone. From the point of view of power demand under different limit conditions, the parameters of vehicle powertrain are calculated and matched, and the subdivision of medium hybrid electric vehicle is studied, aiming at the different working conditions. The optimal system efficiency is taken as the optimization objective, and the motor is driven separately under the condition of economic behavior under the single drive drive of engine. The optimization of system efficiency parameters based on backward calculation is made under two subdivision conditions, which are driven by engine and motor, and the optimization results of system efficiency are obtained through the optimization of system efficiency. Combined with the average speed and average power obtained from the statistical calculation of parameters, the battery target SOCs under the optimal system conditions are calculated by backward calculation method, and the target SOC is taken as the control variable. A backward computational control strategy based on statistical parameters is established. The simulation model of medium hybrid electric vehicle with CVT is established in Matlab/simulink. The control strategy based on parameter statistics is embedded in the simulation model. The simulation results show that the control strategy is effective and the simulation model is reasonable.
【學(xué)位授予單位】：重慶理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U469.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 舒紅;鄭軍;胡明輝;梁元波;;基于模型預(yù)測控制的混合動力汽車下坡再生制動策略[J];汽車工程;2013年09期

2 秦大同;陳斌;楊陽;鄧濤;;考慮CVT效率的混合動力汽車再生制動控制策略[J];世界科技研究與發(fā)展;2012年06期

3 吳瑞竹;肖繼學(xué);宋春華;張漢中;廖旋;殷巧;;混合動力汽車發(fā)展綜述[J];中國測試;2012年06期

4 王慶年;唐先智;王鵬宇;孫磊;;基于駕駛意圖識別的混合動力汽車控制策略[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2012年04期

5 商高高;歐昌杰;孫欽云;;并聯(lián)式混合動力汽車再生制動控制策略仿真研究[J];車輛與動力技術(shù);2012年02期

6 羅勇;孫冬野;秦大同;胡建軍;廖建;;基于參數(shù)統(tǒng)計(jì)特征的無級變速車輛智能控制策略[J];機(jī)械工程學(xué)報(bào);2011年18期

7 蓋福祥;杜家益;張彤;;混合動力汽車再生制動的歸類及其應(yīng)用[J];汽車工程;2011年03期

8 舒紅;秦大同;胡明輝;楊亞聯(lián);葉明;;輕度混合動力汽車再生制動能量管理策略[J];機(jī)械工程學(xué)報(bào);2009年01期

9 王慶年;冀爾聰;王偉華;;并聯(lián)混合動力汽車模式切換過程的協(xié)調(diào)控制[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2008年01期

10 于秀敏;曹珊;李君;高瑩;楊世春;鐘祥麟;孫平;;混合動力汽車控制策略的研究現(xiàn)狀及其發(fā)展趨勢[J];機(jī)械工程學(xué)報(bào);2006年11期

相關(guān)博士學(xué)位論文 前2條

1 羅勇;金屬帶式無級變速傳動系統(tǒng)匹配控制研究[D];重慶大學(xué);2010年

2 胡明輝;CVT輕度混合動力汽車能量管理策略研究[D];重慶大學(xué);2007年

相關(guān)碩士學(xué)位論文 前6條

1 何洋;并聯(lián)混合動力汽車發(fā)動機(jī)參數(shù)匹配與優(yōu)化[D];西南交通大學(xué);2015年

2 吳巍;基于GPS的混合動力汽車控制策略研究[D];湖南大學(xué);2014年

3 吳正乾;混合動力電動汽車再生制動系統(tǒng)仿真與智能控制策略研究[D];湖南大學(xué);2010年

4 宮帥;CVT混合動力汽車再生制動系統(tǒng)的研究與仿真[D];湖南大學(xué);2008年

5 鄧濤;CVT混合動力汽車再生制動系統(tǒng)前向建模與仿真[D];重慶大學(xué);2007年

6 莊建兵;超輕度混合動力傳動系統(tǒng)匹配控制及仿真研究[D];重慶大學(xué);2007年

，

本文編號：1466754