【摘要】：能量管理策略是混合動力汽車(Hybrid Electric Vehicles,HEV)的核心部分,對車輛的燃油經(jīng)濟(jì)性有很大的影響。由于模型預(yù)測控制非常適用于解決非線性和不確定性問題,且能結(jié)合不同的優(yōu)化算法在短時(shí)間內(nèi)求得最優(yōu)解,將其應(yīng)用于HEV的能量管理,對燃油經(jīng)濟(jì)性的提升有很大的幫助,同時(shí)又具備一定的實(shí)車應(yīng)用潛力。本文以豐田Prius HEV為研究對象,重點(diǎn)研究了基于模型預(yù)測控制的混聯(lián)式混合動力汽車的能量管理策略。(1)分析了混聯(lián)式系統(tǒng)的工作原理,采用杠桿法分析了混聯(lián)式系統(tǒng)中的幾種工作模式,并對各工作模式進(jìn)行了動力學(xué)建模,建立了混聯(lián)式混合動力汽車的后向仿真模型。(2)本文建立了基于規(guī)則的能量管理策略和全局最優(yōu)的動態(tài)規(guī)劃(Dynamic Programming,DP)能量管理策略,在UDDS循環(huán)工況下進(jìn)行了仿真分析。鑒于規(guī)則能量管理策略中人為經(jīng)驗(yàn)對實(shí)車運(yùn)用效果的影響,以及全局優(yōu)化能量管理策略存在“維數(shù)災(zāi)難”而不能用于實(shí)車,對基于模型預(yù)測控制(Model Predictive Control,MPC)的能量管理策略進(jìn)行了研究,介紹了其控制原理及分層預(yù)測控制的方法。(3)結(jié)合動態(tài)規(guī)劃算法,建立了基于模型預(yù)測控制的HEV能量管理策略,研究了提升預(yù)測精度的方法。分別采用了1階、2階、3階馬爾可夫和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radical Basis Function,RBF)、廣義回歸神經(jīng)網(wǎng)絡(luò)(Generalized Regression Neural Network,GRNN)5種不同的預(yù)測方法進(jìn)行了車速預(yù)測,分析了各方法的預(yù)測效果。對基于以上方法的模型預(yù)測控制的能量管理策略進(jìn)行了仿真分析,對比顯示采用GRNN神經(jīng)網(wǎng)絡(luò)預(yù)測的方法比其他方法提高了至少4.4%的燃油經(jīng)濟(jì)性,驗(yàn)證了預(yù)測精度對提升油耗的有效性。(4)建立了基于交通信號的最優(yōu)車速模型,采用上述預(yù)測方法中效果最好的GRNN神經(jīng)網(wǎng)絡(luò)預(yù)測前車車速,并利用交通燈狀態(tài)以及前車信息對目標(biāo)車速(亦指后車)進(jìn)行求解,仿真分析了前后車輛基于交通信號的模型預(yù)測能量管理策略。結(jié)果顯示,具有通信功能的智能車輛(后車)相比普通的HEV車輛(前車)有更好的通過性及燃油經(jīng)濟(jì)性。通過本文的研究,采用基于模型預(yù)測控制的能量管理策略對提升HEV的燃油經(jīng)濟(jì)性有很好的效果,并且有一定的實(shí)車應(yīng)用潛力。
【圖文】：

(b) MG2 效率特性圖圖 2.3 電機(jī)效率圖Fig.2.3 Efficiency diagrams of motor/generator模型在不同 SOC、充放電電流、內(nèi)阻、溫度時(shí)，其充放電以僅利用經(jīng)驗(yàn)公式難以準(zhǔn)確表達(dá)。因此本文利用經(jīng)驗(yàn)建立電池模型。電池為電機(jī)提供電能并回收反饋能量的功率和，相關(guān)公式為1 1 1 1 2 2 2 2( )k k k kbat MG MG MG conv MG MG MG convP T T 表示電池的充放電功率， 1、 2分別表示 MG 2分別表示兩個(gè)電機(jī)的功率轉(zhuǎn)換器的效率，電機(jī)驅(qū) 1。電池等效模型圖如圖 2.4。電池的開路電壓與內(nèi)阻，由于溫度對電池的影響較為復(fù)雜，本文將溫度一項(xiàng)

5.4 為普通 HEV 車輛和智能 HEV 車輛距離起點(diǎn)的位移。圖中紅色橫口的信號燈的紅燈持續(xù)時(shí)間，而兩紅線間的空白區(qū)表示交通路口信續(xù)時(shí)間，上下兩紅線間的距離代表的是兩個(gè)交通信號燈間的路段的的藍(lán)色和綠色曲線可以看出，藍(lán)色線在某幾處和紅色短橫線相重合一段時(shí)間內(nèi)，前車位移為零，即前車在交通燈為紅燈時(shí)，于交通燈前曲線在行駛時(shí)間內(nèi)沒有發(fā)生位移保持不變的情況，而是在空白區(qū)內(nèi)較好地避開了紅燈停車的情況，在綠燈的時(shí)間間隔內(nèi)通過全部的交于普通 HEV 未知前方的交通情況和交通燈信號狀態(tài)，只能盡量保持小的行車間距，如果前方無車，則以限制車速行駛，這樣不可避免止或紅燈亮起而被迫停車。而智能 HEV 車輛通過雷達(dá)和 DSRC 技術(shù)的車速、距離等信息以及交通燈的狀態(tài)，可以根據(jù)交通燈的實(shí)時(shí)變前車的距離適當(dāng)?shù)卣{(diào)整車速，使得自身在與前車保持合適間距的同地通過交通路口。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U469.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 余開江;胡治國;張宏偉;許孝卓;;混合動力汽車模型預(yù)測控制策略研究[J];系統(tǒng)仿真技術(shù);2014年04期

2 趙韓;吳迪;;基于隨機(jī)模型預(yù)測控制的并聯(lián)式混合動力汽車控制策略研究[J];汽車工程;2014年11期

3 孟凡博;黃開勝;曾祥瑞;張堯;;基于馬爾可夫鏈的混合動力汽車模型預(yù)測控制[J];中國機(jī)械工程;2014年19期

4 肖仁鑫;李濤;鄒敢;秦穎;;基于隨機(jī)動態(tài)規(guī)劃的混聯(lián)式混合動力汽車能量管理策略[J];汽車工程;2013年04期

5 肖鐸;戚偉;龐文堯;汪秋婷;;模糊神經(jīng)網(wǎng)絡(luò)算法Plug in電動車能量管理控制器[J];電源技術(shù);2012年11期

6 柳檉;;Mazda CX-5 清新的風(fēng)[J];汽車消費(fèi)報(bào)告;2012年10期

7 胡瑾瑜;宋珂;章桐;;基于神經(jīng)網(wǎng)絡(luò)的增程式電動汽車能量管理策略研究[J];佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年06期

8 趙曉靜;武一民;王海霞;;豐田PRIUS混合動力傳動系統(tǒng)分析與建模[J];機(jī)械傳動;2010年06期

9 張華;周榮;;混聯(lián)式混合動力汽車控制策略開發(fā)與仿真研究[J];汽車技術(shù);2007年08期

10 浦金歡;殷承良;張建武;;并聯(lián)型混合動力汽車燃油經(jīng)濟(jì)性最優(yōu)控制[J];上海交通大學(xué)學(xué)報(bào);2006年06期

相關(guān)會議論文 前2條

1 劉長久;周小偉;;比亞迪插電式混合動力汽車節(jié)能技術(shù)介紹[A];2013中國汽車工程學(xué)會年會論文集[C];2013年

2 孫全;杜志強(qiáng);吳旭峰;金啟前;趙福全;;吉利插電式混合動力系統(tǒng)匹配設(shè)計(jì)[A];2011中國汽車工程學(xué)會年會論文集[C];2011年

相關(guān)博士學(xué)位論文 前3條

1 孫超;混合動力汽車預(yù)測能量管理研究[D];北京理工大學(xué);2016年

2 許世景;串聯(lián)混合動力汽車能量管理策略優(yōu)化研究[D];天津大學(xué);2013年

3 申彩英;串聯(lián)混合動力汽車能量優(yōu)化管理策略研究[D];天津大學(xué);2010年

相關(guān)碩士學(xué)位論文 前6條

1 何建強(qiáng);混聯(lián)式HEV傳動系統(tǒng)參數(shù)優(yōu)化及能量管理策略研究[D];江蘇大學(xué);2017年

2 羅少華;基于工況識別的混聯(lián)式混合動力汽車能量管理策略研究[D];重慶大學(xué);2016年

3 張潔麗;基于模型預(yù)測控制的插電式混合動力客車能量管理策略研究[D];北京理工大學(xué);2016年

4 常靜;并聯(lián)混合動力客車能量管理優(yōu)化控制策略研究[D];大連理工大學(xué);2015年

5 蒲斌;基于優(yōu)化算法的ISG速度耦合混合動力汽車能量管理策略研究[D];重慶大學(xué);2013年

6 溫海彬;馬爾可夫鏈預(yù)測模型及一些應(yīng)用[D];南京郵電大學(xué);2012年

，

本文編號：2684594