混合動力汽車控制系統(tǒng)與能量管理策略研究.pdf

1、能源危機和環(huán)境污染是汽車工業(yè)所面臨的兩大挑戰(zhàn)，研發(fā)節(jié)能、環(huán)保的交通工具已關(guān)系到國家的可持續(xù)發(fā)展問題?；旌想妱悠嚾诤狭藗鹘y(tǒng)汽車和純電動汽車二者的優(yōu)點，不僅具有低油耗、低排放等優(yōu)點，而且續(xù)駛里程不受限制，價格適中，適合產(chǎn)業(yè)化，被認為是目前最有希望替代傳統(tǒng)汽車的方案，因此，對混合電動汽車關(guān)鍵技術(shù)的研究具有非常重要的現(xiàn)實意義。 本文以香港政府創(chuàng)新與科技署資助的“全方位智能混合動力轎車項目”為背景，在全面分析混合電動汽車的特點、研究現(xiàn)狀

2、及發(fā)展趨勢的基礎(chǔ)上，以并聯(lián)混合電動汽車為對象，做了如下幾方面的工作：對一種新型結(jié)構(gòu)的并聯(lián)式混合動力汽車建立了前向式仿真軟件平臺；設(shè)計了基于高性能DSP芯片TMS320F2812的整車控制器并實現(xiàn)了HEV多工作模式能量管理；為了對HEV的能量管理進行優(yōu)化控制以取得良好的節(jié)油與減排效果，作者先后設(shè)計了基于動態(tài)規(guī)劃的能量管理策略、基于隨機動態(tài)規(guī)劃的HEV能量管理策略和基于神經(jīng)元動態(tài)規(guī)劃的能量管理策略，并對這三種能量管理策略的性能和特點進行了比

3、較。 作者利用實驗建模為主、理論建模為輔的方法，在MATLAB/Simulink環(huán)境中建立了HEV的前向仿真模型，為整車控制策略的研究和開發(fā)提供了必要的仿真平臺。然后，基于此仿真平臺，設(shè)計了基于Stateflow的多工作模式切換能量管理策略，設(shè)計了切換控制規(guī)則庫。通過對HEV系統(tǒng)的行為進行仿真，可以驗證不同工作模式間相互切換的參數(shù)條件。所得到的控制策略可以通過Matlab/StateflowC代碼自動生成功能，直接生成C語言代碼

4、下載到整車控制器中運行。 整車控制器是實現(xiàn)混合動力汽車整車控制與能量管理策略的核心部件，是實現(xiàn)混合動力汽車安全、高效運行的保證。本文在深入分析混合動力汽車控制系統(tǒng)特點和要求的基礎(chǔ)上，設(shè)計了一款基于高性能DSP芯片TMS320F2812的整車控制器，為實現(xiàn)復雜的能量管理算法提供了硬件基礎(chǔ)。通過實車測試，混合動力系統(tǒng)可以實現(xiàn)預(yù)期的工作模式和模式間的平滑切換，駕駛性能良好。 為了優(yōu)化HEV的運行，取得良好的節(jié)油與減排效果，必須

5、對HEV的能量管理進行優(yōu)化控制。最優(yōu)能量管理策略包含最優(yōu)換檔子策略和最優(yōu)轉(zhuǎn)矩分配子策略。本文應(yīng)用動態(tài)規(guī)劃(DP)方法對混合動力汽車能量管理策略問題進行了研究。在給定行駛循環(huán)(Drivingcycle)的前提下，HEV能量管理問題被建模為多步?jīng)Q策過程問題。仿真結(jié)果表明，該方法所得到的換檔邏輯和控制律能顯著提高整車的燃油經(jīng)濟性。從理論上講，該方法得到的結(jié)果是全局最優(yōu)結(jié)果，因此，動態(tài)規(guī)劃方法可以用來作為衡量其它能量管理策略控制效果的基準。

6、 由于基于動態(tài)規(guī)劃方法的能量管理分析需要事先知道HEV的行駛工況，所得的結(jié)果只對特定的行駛工況有意義。為了克服這一局限性，作者將駕駛員的功率需求建模為Markov鏈，采用隨機動態(tài)規(guī)劃(SDP)方法進行能量管理策略的設(shè)計。隨機動態(tài)規(guī)劃通過值迭代或策略迭代法求解，得出的結(jié)果以(狀態(tài)-行動)表格的形式表示，所以它可以很方便地在整車控制器中實時實現(xiàn)。仿真結(jié)果表明，新的控制策略與動態(tài)規(guī)劃的全局優(yōu)化的結(jié)果比較接近，明顯優(yōu)于傳統(tǒng)的基于規(guī)則的能量管

7、理策略。 采用SDP方法進行能量管理策略的設(shè)計雖然解決了動態(tài)規(guī)劃方法的局限性，但在設(shè)計過程中仍然會面臨“維數(shù)災(zāi)難”的問題。即值迭代法和策略迭代法求解所需的計算量和存儲空間會隨狀態(tài)的數(shù)目呈指數(shù)增長。這限制了它在實際中的應(yīng)用。為此，作者采用神經(jīng)元動態(tài)規(guī)劃方法(NDP)進一步改進能量管理策略的設(shè)計。神經(jīng)元動態(tài)規(guī)劃方法采用神經(jīng)網(wǎng)絡(luò)估計狀態(tài)空間中狀態(tài)的值函數(shù)的通用結(jié)構(gòu)和相應(yīng)的參數(shù)向量，而不是求解SDP問題，從而大大減少了計算量。仿真結(jié)果表