【技术实现步骤摘要】
一种并行混合动力汽车的协同优化能量管理方法
本专利技术涉及混合动力汽车控制
，特别涉及一种并行混合动力汽车的协同优化能量管理方法。
技术介绍
环境污染和能源危机是人类社会可持续发展面临的两大挑战。多动力源混合动力汽车(HEVs)可以降低油耗和排放，有效解决以上问题。能源管理策略(EMS)是混合动力汽车研究中的一项关键技术。研究如何在电源之间分配所需的功率，以达到最优的能量分配，从而降低燃料消耗，减少排放。根据车辆的基本实时性要求，设计最优的EMS需要满足控制算法的实时性要求和车辆性能优化的要求。当前对环境管理系统的研究主要分为基于规则的环境管理系统和基于优化的环境管理系统两大类。基于智能控制的EMS本质上是一种基于规则的控制策略。基于规则的控制策略设计简单，计算时间短，特别是基于模糊规则的控制策略，因为该算法简单快速，在实时应用中具有良好的鲁棒性和控制效果。然而，规则往往依赖于大量的实验数据或人类的经验，所以最优的燃油经济性不能得到保证。基于EMS的优化可分为瞬时优化策略和全局优化策略。一种以瞬时油耗为...
【技术保护点】
1.一种并行混合动力汽车的协同优化能量管理方法，其特征在于，包括以下步骤：/n步骤1：建立混合动力汽车整车动力系统模型，包括发动机模型、电机模型和电池模型；/n步骤2：根据步骤1的发动机模型，建立混合动力汽车稳态油耗模型，根据准静态假设，得到混合动力汽车发动机的瞬时油耗：/n
【技术特征摘要】
1.一种并行混合动力汽车的协同优化能量管理方法，其特征在于，包括以下步骤：
步骤1：建立混合动力汽车整车动力系统模型，包括发动机模型、电机模型和电池模型；
步骤2：根据步骤1的发动机模型，建立混合动力汽车稳态油耗模型，根据准静态假设，得到混合动力汽车发动机的瞬时油耗：
其中，Te是发动机扭矩，ωe是发动机转速，be是油耗率，N是常数系数，ρ是汽油密度，g是重力加速度；
步骤3：根据步骤1的电机模型，传统混合动力汽车配备一个电机，可以作为电机或者发电机，对应电池的放电和充电方式，电机功耗模型取决于以下两种情况；
当电机在电机模式下工作时，功耗模型为：
当电机在发电机模式下工作时，功耗模型为：
Pm＝Tm·ωm·ηmc(3)
其中，Pm为电机功率，Tm为电机转矩，ωm为电机转速，ηmd为放电效率，ηmc为充电效率；
步骤4：根据步骤1的电池模型，针对镍氢电池，将电池模型简化为由电压源和电阻器组成的等效电路，建模过程不考虑温度变化，建立数学模型如下：
Pb＝-ΔSOC·Uoc·Qb(4)
其中，ΔSOC是充电状态的变化，SOC是电池的功率，Uoc是电池的开路电压，Qb是电池的容量，Rb是电池的内阻；
为了保持电池的寿命，要求电池的荷电状态初始值等于整个行驶循环的终端值，将电池SOC值的参考值设为0.6，即波动范围的最大值和最小值是[0.5，0.7]，在最优控制问题的描述中，SOC值的约束为：
SOC(t0)SOC(tf)SOC(tref)(6)。
2.根据权利要求1所述的一种并行混合动力汽车的协同优化能量管理方法，其特征在于，建立混合动力汽车模型之后，根据具体模型建立协同优化能量管理系统，包括以下步骤：
离散优化决策支持系统，将电池SOC值定义为离线决策支持系统的状态变量x(t)，电机转矩Tm是系统的控制变量u(t)，行驶工况下的累计油耗J(t)是系统性能指标函数，最优控制问题的描述是寻找允许控制u(t)，从系统的初始状态x(0)＝SOC0，从终端时刻tf移动到状态x(tf)＝SOCf，最小化系统的指标函数J(t)，离散化的数学形式如下：
x(k+1)＝g(x(k)，u(k))(7)
受以下约束的状态变量和控制变量：
根据Bellman最优性原理，求解最小性能指标的动态规划递推方程为：
J*(x(N)，N)＝0(11)
其中，J*(x(k)，k)为从阶段k到最终阶段的油耗；
选择各速度段CYC_Test1、CYC_Test2、CYC_Test3、CYC_Test4的测试条件作为获得最优决策支持系统的基本条件，采用动态规划策略进行离线优化，得到一般意义上的统计结果，用于决策支持系统的设计；
决策支持系统，分别对CYC_Test1、CYC_Test2、CYC_Test3和CYC_Test4，4个不同阶段的试验用例进行离线动态规划和优化，得到电机转矩Tm、发动机转矩Te和所需转矩TreqT...
【专利技术属性】
技术研发人员：张谦，马向华，吴佳峰，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：上海;31
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。