论文部分内容阅读
在能源、环境问题日益突出的今天,大力发展新能源汽车产业已是众望所归,但在电池技术尚未取得突破性进展的情况下,全面推行纯电动汽车稍显操之过急。这使得混合动力汽车成为当前阶段各国追捧的对象,而增程式电动汽车(Range-Extended Electric Vehicle,REEV)则被业界普遍认为从传统的燃油汽车向纯电动汽车过渡的最理想车型。本文利用Matlab/Simulink平台,以整车参数匹配为切入点,基于规则的发动机多工作点控制策略为基础,由浅入深,展开对增程式电动汽车的研究工作:(1)根据REEV的结构特性,分析其不同工作模式,根据电动汽车相关的性能指标和设计要求,完成对REEV参数匹配工作,并建立整车关键动力部件数值模型,为后续控制策略的研究做铺垫。(2)依据发动机的万有特性曲线和油耗数值模型,建立REEV多工作点(multi-operation point,MOP)控制策略。而后运用遗传算法完成特定工况下系统控制参数的优化。为了使REEV在规则控制框架下能够进一步挖掘其燃油经济性,运用聚类分析算法和LVQ神经网络算法制定工况识别的变参数动态控制策略,以期能够通过在线实时识别工况,实现动态切换整车控制参数。(3)为解决规则控制策略在行驶里程终点,电池SOC的随机性问题。制定了多目标里程自适应的控制策略,引入相关参数,通过对SOC的限制作用让电池SOC始终在SOCref附近波动,并在里程终了接近目标SOC值,并通过等效系数K合理分配电池和发动机的能量。设定不同的多目标权重因子,研究权值系数对油耗和排放的影响。进一步,研究道路坡度对整车燃油经济性和排放性的影响,观察道路坡度对等效系数的影响程度,制定了考虑道路坡度的多目标里程自适应控制策略。(4)合理充分的利用外接电源的电能是提升整车燃油经济性和排放性的关键。基于车载导航系统、TIS系统以及智能电网系统,获取车辆行驶的外部环境信息,构建“车-路-网”系统,并针对增程式电动汽车的充电特性,将行驶里程途中的电动汽车充电设施考虑进来,进行充电路径规划预测,通过Dijkstra算法求取REEV的最优充电路径,而后根据路径规划预测的结果制定分段里程自适应的控制策略。