The invention relates to an energy consumption optimization method of a parallel hybrid electric vehicle, which belongs to the technical field of new energy. The method includes 1. Experience storage pool, in which the content of storage is the database of B motor output torques, engine output torques and corresponding energy consumption values collected initially by the implementer and added after the implementation of this method under a speed condition; 2. Renewable random selection of weight parameters and the function of convergence according to certain laws; 3. Energy consumption constraint function Number, the total energy consumption can be calculated under the constraints of the function; 4. Return the function to compare the total energy consumption and store it in the experience pool; 5. Cycle interface and the optimal storage and updated memory, so that the method can continue to optimize, and store the strategy and other uses.
【技术实现步骤摘要】
一种并联式混合动力汽车的能耗优化方法
本专利技术属于新能源
,涉及一种并联式混合动力汽车的能耗优化方法。
技术介绍
混合动力汽车由于发动机和电机的高效工作区域并不相同,为了发挥混合动力系统的优势,汽车应根据不同运行工况,采取与之相适应的工作模式,以提高车辆整体动力性、经济性及排放性。在混合动力汽车动力系统中,根据不同的工况要求和能量分配方案可将混合动力汽车工作模式分为为六种基本模式:怠速/停车模式、纯电动模式、纯发动机模式、混合驱动模式、行车充电模式和再生制动模式。能量管理策略的设计通常是根据工况来确定相应工作模式下的总需求转矩(发动机转矩加电机转矩),从而通过控制发动机输出转矩来进行能耗(油耗加电耗)的测定。大量研究者主要是基于规则的算法来进行能耗的优化,恒温器法、功率跟随法、电力辅助型控制策略等。基于规则的设计在实践中需要专家经验,很难达到最优,而且模糊规则一旦建立,则对车辆行驶的所有工况都是这种预先设计好的规则,不能适应行驶工况的变化,从而影响模糊控制器的控制效果。有研究者提出基于动态规划进行混合动力汽车能耗优化,通过设计的策略计算最优能量分配率,或者通过求得的最优解以查表的方式进行转矩分配。动态规划算法得到的控制策略一般是根据固定的行驶工况来设计的,可以应用于公交车或通勤车等固定线路的车辆。随着混合动力汽车领域对自适应控制策略越来越重视,有研究者提出了混合动力电动汽车的模型预测控制[8,9],其算法的核心是预测未来的动态模型,在线滚动优化计算并实施的控制作用和模型误差的反馈校正。 ...
【技术保护点】
1.一种并联式混合动力汽车的能耗优化方法,其特征在于:该方法包括以下步骤:/n步骤S1:汽车启动时,工况初始化,采样时间间隔s初始化,根据ε-greedy进行控制动作选择,即随机选取经验池D,每个状态有ε的概率进行探索,剩下的1-ε的概率进行开发;参数ε按照一维正态分布进行更新,即ε~N(μ,σ
【技术特征摘要】
1.一种并联式混合动力汽车的能耗优化方法,其特征在于:该方法包括以下步骤:
步骤S1:汽车启动时,工况初始化,采样时间间隔s初始化,根据ε-greedy进行控制动作选择,即随机选取经验池D,每个状态有ε的概率进行探索,剩下的1-ε的概率进行开发;参数ε按照一维正态分布进行更新,即ε~N(μ,σ2),服从一个位置参数为μ、尺度参数为σ的概率分布,且其概率密度函数为:
路径1,以ε的概率从经验池D中选择随机控制数据AD进行探索:
AD=(v,Wp,Tm,Te)(2)
其中v为工况车速,Wp为预测总能耗值,Tm为电机转矩,Te为发动机转矩,皆为经验池D中的数据;
路径2,有1-ε的概率通过传感器所采集工况车速形成的索引,在内存器R中搜索已存储的策略里所对应的控制数据AR进行开发:
AR=(v,Wp,Tm,Te)(3)
其中v为工况车速,Wp为预测总能耗值,Tm为电机转矩,Te为发动机转矩,皆为内存器R中的数据;且这些数据为当前训练所得到的策略下,相应工况总能耗最低对应的一组控制输出;
电机转矩Tm与发动机转矩Te之和为总需求转矩Treq即:
Treq=Tm+Te(4)
忽略横向动力学,给定车速v和坡度α,由车辆的纵向动力学模型计算出驾驶员在车轮上的需求转矩为:
其中,r为车轮半径,CD为空气阻力系数,A为迎风面积,f为滚动阻力系数,δ为汽车旋转质量换算系数,M为汽车质量;
步骤S2:进入经验池/内存器进行随机选择或是进行已存储策略中相应工况下的控制输出选择之后,将选择出的电机转矩Tm与发...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。