CN110901628B - 一种二阶振荡粒子群算法的全混动汽车能效优化方法 - Google Patents

一种二阶振荡粒子群算法的全混动汽车能效优化方法 Download PDF

Info

Publication number
CN110901628B
CN110901628B CN201911094811.1A CN201911094811A CN110901628B CN 110901628 B CN110901628 B CN 110901628B CN 201911094811 A CN201911094811 A CN 201911094811A CN 110901628 B CN110901628 B CN 110901628B
Authority
CN
China
Prior art keywords
torque
motor
particle
optimization
vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911094811.1A
Other languages
English (en)
Other versions
CN110901628A (zh
Inventor
王佳
张盛龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Dehan Automobile Engineering Design Co.,Ltd.
Original Assignee
Changshu Institute of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changshu Institute of Technology filed Critical Changshu Institute of Technology
Priority to CN201911094811.1A priority Critical patent/CN110901628B/zh
Publication of CN110901628A publication Critical patent/CN110901628A/zh
Application granted granted Critical
Publication of CN110901628B publication Critical patent/CN110901628B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W20/00—Control systems specially adapted for hybrid vehicles
    • B60W20/10—Controlling the power contribution of each of the prime movers to meet required power demand
    • B60W20/15—Control strategies specially adapted for achieving a particular effect
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W20/00—Control systems specially adapted for hybrid vehicles
    • B60W20/20—Control strategies involving selection of hybrid configuration, e.g. selection between series or parallel configuration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0003—In analogue systems, e.g. continuous systems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
    • Y02T10/84—Data processing systems or methods, management, administration

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种基于二阶振荡粒子群算法的全混动汽车能效优化方法，包括如下步骤：确定优化设计变量：设计变量一共包括三个参数，分别为：前驱动电机转矩Tm1，前ISG电机转矩Tm2和后驱动电机转矩Tm3；确定优化设计目标：系统为单目标优化，优化目标为混合动力汽车实时总效率最高；确定优化限制条件；对设计变量进行优化。本发明采用二阶振荡粒子群算法优化三参数转矩大小，最终获得总效率最高的转矩匹配方案，不但为混合动力汽车的能效优化控制提供必要的技术支持，而且使得全混合动力汽车的能效发挥到最优。

Description

一种二阶振荡粒子群算法的全混动汽车能效优化方法
技术领域
本发明属于汽车设计制造领域，涉及一种混合动力汽车的控制方法，具体涉及一种基于二阶振荡粒子群算法的插电式四驱全混合动力汽车能效优化控制方法。
背景技术
混合动力汽车是指由两种动力源驱动车辆行驶的车辆，根据车辆使用工况的要求，适时调整两种动力源参与驱动的比例，达到节省能源和减少排放的效果。
混合动力汽车的使用工况包括起步加速阶段，正常行驶阶段，制动减速阶段。在起步阶段，由于电动机具备低速大扭矩的特性，首先启动电动机工作，当车速达到巡航速度时，再启动发动机驱动车辆行驶；如车辆需要爬坡或者加速行驶时，同时启动发动机和电动机驱动车辆行驶。当发动机尚有后备功率且动力电池组亏电时，电动机改为发电模式，利用发动机的后备功率为电池组充电。当车辆制动时，电动机改为发电模式，最大限度地回收制动动能，达到节约能源的效果。总之，混合动力系统一般以燃油经济性为控制目标，通过控制两个动力源的工作状态，达到节油效果。
混合动力汽车按照电能参与比例可以分为微混合动力汽车、中度混合动力汽车、全混合动力汽车。微混合动力汽车一般只具有起停功能，城市工况可以节约燃油3％-5％；中度混合动力汽车一般是指ISG系统(集成式启动电机)，电动机参与车辆驱动，制动时电动机改为发电模式，回收制动能量；全混合动力汽车是指发动机、电动机都具备独立驱动车辆行驶的能力，根据工况调整油电参与比例。
混合动力汽车还可以分为串联式混合动力、并联式混合动力、混联式混合动力汽车。串联式混合动力是指发动机不直接参与驱动车辆，一般由内燃机直接带动发电机发电，产生的电能通过控制单元传到电池，再由电池传输给电机转化为动能，最后通过变速机构来驱动汽车；并联式混合动力系统有两套驱动系统：传统的内燃机系统和电机驱动系统。这两个系统既可以同时协调工作，又可以各自单独工作驱动汽车；混联式混合动力系统的特点在于内燃机系统和电机驱动系统各有一套机械变速机构，两套机构或通过齿轮系，或采用行星轮式结构结合在一起，从而综合调节内燃机与电动机之间的转速关系。与并联式混合动力系统相比，混联式动力系统可以更加灵活地根据工况来调节内燃机的功率输出和电机的运转，目前为最先进的混合动力车辆使用。
现有的插电四驱混合动力汽车能效优化控制方法主要通过优化两个驱动电机的参数来实现能效优化，通过计算在纯电动驱动模式和两种HEV三动力混合模式下电动汽车两台驱动电机的目标总转矩，通过优化算法获得最优优化系数分配给两个驱动电机，达到优化效果。其存在的主要问题在于车辆模型先进性差，目前市场主流混动产品主要为三电机全混合动力系统，同时基于搜索算法的优化模型很难保证得到全局最优解。
发明内容
发明目的：为了解决现有的四轮驱动插电式全混合动力汽车能效优化的问题，提供一种基于二阶振荡粒子群算法的插电式四驱全混合动力汽车能效优化控制方法，能够获得总效率最高的转矩匹配方案，为混合动力汽车的能效优化控制提供必要的技术支持。
技术方案：为实现上述目的，本发明提供一种基于二阶振荡粒子群算法的插电式四驱全混合动力汽车能效优化控制方法，是基于插电式四驱全混合动力系统实现的，所述插电式四驱全混合动力系统包括发动机、第一离合器、第二离合器、自动变速箱控制单元TCU、前驱动电机、前ISG电机、后驱动电机、前驱动电机变速器、前ISG电机逆变器、前驱动电机逆变器、后驱动电机变速器、后驱动电机逆变器，车载充电机、动力电池和DCDC转换器；
插电四驱全混合动力汽车在行驶过程中，实时监测动力电池剩余电量SOC及动力电池状态信息，车辆行驶速度，驾驶员意图，根据车辆行驶速度及油门踏板开度计算车辆需求转矩，根据车辆需求转矩、电池SOC及电池状态信息设定动力系统的工作模式；动力系统包括五种工作模式，第一：全驱动混合动力模式；第二：前轮驱动混合动力模式；第三：四驱纯电动模式；第四：后驱纯电动模式；第五，增程式混动模式；
当动力系统进入到全驱动混合动力模式或者四驱纯电动模式时，采用基于二阶振荡粒子群算法对系统能效进行优化，包括如下步骤：
S1：确定优化设计变量：
设计变量一共包括三个参数，分别为：前驱动电机转矩Tm1，前ISG电机转矩Tm2和后驱动电机转矩Tm3；
S2：确定优化设计目标：系统为单目标优化，优化目标为混合动力汽车实时总效率最高；
S3：确定优化限制条件；
S4：在汽车行驶过程中，实时监测动力电池剩余电量SOC、车辆行驶速度及油门踏板开度，由所述车辆行驶速度和油门踏板开度计算车辆需求转矩，当SOC低于30％时，进入步骤S5，否则进入步骤S9；
S5：控制发动机启动，当车辆的总转矩需求大于发动机输出的最大转矩，进入步骤S6，否则进入步骤S8；
S6：系统总的转矩需求为Tq，计算三个驱动电机允许输出的最大转矩之和Tm，则发动机输出的最小转矩Te1＝Tq-Tm，根据节气门开度、换挡策略及油门踏板信号，确定发动机工作范围，发动机按高效区最小转矩工作，三个电机的转矩之和为：Tm＝Tq-Te1，三个电机之间的转矩应用二阶振荡粒子群算法计算转矩，考虑到转矩分配系数ψ的影响，Tm＝ψ1×Tm1+ψ2×Tm2+ψ3×Tm3，如果车辆为前驱模式，前两个电机之间的转矩应用二阶振荡粒子群算法计算，Tm＝ψ1×Tm1+ψ2×Tm2；
S7：对设计变量进行优化，其具体的优化流程如下：
S7-1：初始化粒子群优化算法参数，包括：最大迭代次数Tmax、粒子数目m、惯性权重系数ω、加速系数c1、c2，将当前优化代数设置为t＝1(t≤Tmax)，在三维空间中，随机产生m个粒子x1，x2，...,xi,...,xm，构成种群X(t)，随机产生各粒子初始速度v1，v2，...,vi,...,vm，构成种群V(t)。其中第i个粒子的位置为xi＝(xi,1，xi,2，xi,3)，速度为vi＝(vi,1，vi,2，vi,3)。xi,1表示第i个粒子的第k时刻前驱动电机转矩Tm1(k)i大小，xi,2表示第i个粒子的第k时刻前ISG电机转矩Tm2(k)i大小，xi,3表示第i个粒子的第k时刻后驱动电机转矩Tm3(k)i大小；
S7-2：分别计算前驱动电机、前ISG电机和后驱动电机在第k时刻的实时输入输出功率；
S7-3：根据步骤S7-2的计算结果计算第i个粒子第k时刻的电机系统实时效率η(k)i的倒数；
S7-4：将得到的第i个粒子第k时刻的电机系统效率η(k)i的倒数作为适应度值大小来评价每个粒子的好坏，存储当前各粒子的最佳位置pbest和与之对应的电机系统效率的倒数，并将种群中适应值最优的粒子作为整个种群中的最佳位置gbest；
S7-5：更新粒子的速度和位置，产生新的种群X(t+1)：
如果当前进化代数t小于最大进化代数Tmax的1/2，通过公式(5)-(6)更新粒子的速度和位置，产生新的种群X(t+1)：
vi,j(t+1)＝ωvi,j(t)+c1r1[pi,j-(1+ξ1)xi,j(t)+ξ1xi,j(t-1)]+c2r2[pg,j-(1+ξ2)xi,j(t)+ξ2xi,j(t-1)] (5)
xi,j(t+1)＝xi,j(t)+vi,j(t+1) (6)
其中，
Figure BDA0002267986420000031
如果当前进化代数t大于最大进化代数Tmax的1/2，通过公式(8)-(9)更新粒子的速度和位置，产生新的种群X(t+1)：
vi,j(t+1)＝ωvi,j(t)+c1r1[pi,j-(1+ξ1)xi,j(t)+ξ1xi,j(t-1)]+c2r2[pg,j-(1+ξ2)xi,j(t)+ξ2xi,j(t-1)] (8)
xi,j(t+1)＝xi,j(t)+vi,j(t+1) (9)
其中，
Figure BDA0002267986420000041
上式中，i＝1,2,...,m；j＝1,2,3；vi，j为第i个粒子的当前速度；ω表示惯性权重系数；c1和c2表示正的加速系数；r1、r2、ξ1、ξ2为随机数，在算法前期，即当前进化代数t小于最大进化代数Tmax的1/2时，按照公式(7)计算ξ1和ξ2，目的保证算法具有较强的全局搜索能力，在算法后期，即当前进化代数t大于最大进化代数Tmax的1/2时，按照公式(10)计算ξ1和ξ2，保证算法良好的收敛性能；pi,j表示第i个例子迄今找到的最佳位置pbest；pg，j是整个粒子群搜索到的最佳位置gbest；xi，j为第i个粒子的当前位置；
S7-6：更新粒子的pbest和gbest；
S7-7：判断当前优化代数t是否等于Tmax，若为是则停止计算，输出适应度值
Figure BDA0002267986420000042
最小的粒子vi，即将第k时刻实时总效率η(k)i最高的粒子vi作为所求结果，并根据对应的Tm1(k)i，Tm2(k)i和Tm3(k)i控制所述前驱动电机、ISG电机和后驱动电机，计算三个电机的转矩之和，结束流程；如果t<Tmax，则另t＝t+1，并返回步骤S7-5继续搜索；
S8：系统总的转矩需求大于发动机经济区最小转矩，执行步骤S8-1，否则执行步骤S8-2；
S8-1：系统为发动机单独驱动模式；
S8-2：系统为并联前驱模式，控制发动机启动，根据节气门开度、换挡策略及油门踏板信号确定发动机工作范围。ISG电机改为发电模式，发动机输出转矩除了满足车辆行驶需要之外，剩余转矩由ISG电机发电，为动力电池组充电；
S9：当系统总的转矩需求小于三个电机的转矩之和，执行步骤S10，否则执行步骤S11；
S10：车辆为纯电驱动模式，三个电机之间的转矩应用二阶振荡粒子群算法计算转矩，考虑到转矩分配系数的影响，Tm＝ψ1×Tm1+ψ2×Tm2+ψ3×Tm3，如果车辆为前驱模式，前两个电机之间的转矩应用二阶振荡粒子群算法计算，Tm＝ψ1×Tm1+ψ2×Tm2，进入步骤S7，执行优化操作，否则执行步骤S11。
S11：控制发动机启动，根据节气门开度、换挡策略及油门踏板信号，确定发动机工作范围，发动机按高效区最小转矩工作，三个电机的转矩之和为：Tm＝Tq-Te1，三个电机之间的转矩应用二阶振荡粒子群算法计算转矩，考虑到转矩分配系数的影响，Tm＝ψ1×Tm1+ψ2×Tm2+ψ3×Tm3，如果车辆为前驱模式，前两个电机之间的转矩应用二阶振荡粒子群算法计算，Tm＝ψ1×Tm1+ψ2×Tm2，进入步骤S7，执行优化操作。
进一步的，所述步骤S3中优化限制条件为前驱动电机转矩Tm1，前ISG电机转矩Tm2和后驱动电机转矩Tm3的工作范围，其由电机技术参数确定。
进一步的，所述步骤S7-2中通过公式(1)计算第k时刻的前驱动电机的实时输入输出功率：
Figure BDA0002267986420000051
其中，Pin,1(k)i为第i个粒子第k时刻的前驱动电机实时输入功率；Pout,1(k)i为第i个粒子第k时刻的前驱动电机实时输出功率；U1(k)i为第i个粒子第k时刻的前驱动电机输入端母线电压；I1(k)i为第i个粒子第k时刻的前驱动电机输入端母线电流；n1(k)i为第i个粒子第k时刻前驱动电机的转速；ψ1为前驱动电机的转矩分配系数，
Figure BDA0002267986420000052
通过公式(2)计算第i个粒子第k时刻的前ISG电机的实时输入输出功率：
Figure BDA0002267986420000053
其中，Pin,2(k)i为第i个粒子第k时刻的前ISG电机实时输入功率；Pout,2(k)i为第i个粒子第k时刻的前ISG电机实时输出功率；U2(k)i为第i个粒子第k时刻的前ISG电机输入端母线电压；I2(k)i为第i个粒子第k时刻的前ISG电机输入端母线电流；n2(k)i为第i个粒子第k时刻的前ISG电机的转速；ψ2为前ISG电机的转矩分配系数，
Figure BDA0002267986420000054
通过公式(3)计算第i个粒子第k时刻的后驱动电机的实时输入输出功率：
Figure BDA0002267986420000055
其中，Pin,3(k)i为第i个粒子第k时刻的后驱动电机实时输入功率；Pout,3(k)i为第i个粒子第k时刻的后驱动电机实时输出功率；U3(k)i为第i个粒子第k时刻的后驱动电机输入端母线电压；I3(k)i为第i个粒子第k时刻的后驱动电机输入端母线电流；n3(k)i为第i个粒子第k时刻的后驱动电机的转速；ψ3为后驱动电机的转矩分配系数，
Figure BDA0002267986420000061
进一步的，所述步骤S7-3中通过公式(4)计算第i个粒子第k时刻的电机系统实时效率η(k)i的倒数：
Figure BDA0002267986420000062
进一步的，所述步骤S7-7中通过公式(5)计算三个电机的转矩之和：
Tm(k)i＝ψ1×Tm1(k)i+ψ2×Tm2(k)i+ψ3×Tm3(k)i。 (5)
进一步的，所述转矩分配系数ψ的具体确定方式为：
转矩分配系数ψ的计算公式为ψ＝ψ1+ψ2+ψ3，其中
Figure BDA0002267986420000063
有益效果：本发明与现有技术相比，能够根据汽车的运行情况实时切换动力系统驱动模式，在纯电动驱动模式和两种HEV三动力混合模式下计算全混合动力汽车的前驱动电机转矩T1，前ISG电机转矩T2和后驱动电机转矩T3，然后以这三个转矩参数作为优化设计变量，采用二阶振荡粒子群算法优化三参数转矩大小，最终获得总效率最高的转矩匹配方案，不但为混合动力汽车的能效优化控制提供必要的技术支持，而且使得全混合动力汽车的能效发挥到最优，解决了现有的混合动力系统的控制方法没有将汽车的能效发挥到最优的问题。
附图说明
图1为本发明的优化流程图；
图2为插电式双电机四驱混合动力系统示意图；
图3为混合动力系统整体控制方案示意图。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明。
本实施例将基于二阶振荡粒子群算法的能效优化控制方法应用在四轮驱动插电式全混合动力汽车上，其是基于汽车的四轮驱动插电式全混合动力系统实现的，如图2所示，该四轮驱动插电式全混合动力系统包括：发动机1、第一离合器12、第二离合器13、自动变速箱控制单元TCU(Transmission Control Unit)5、前驱动电机3、前ISG电机2、后驱动电机9、前驱动电机变速器4、前ISG电机逆变器14、前驱动电机逆变器8、后驱动电机变速器10、后驱动电机逆变器11，车载充电机6、动力电池7和DCDC转换器，图2中a为左前轮，b为右前轮，c为左后轮，d为右后轮，第一离合器12为前ISG电机与变速器之间的离合器，第二离合器13为发动机1与前ISG电机2之间的离合器。
如图2所示，前驱动电机3与前驱动电机变速器4与车辆前轴相连，后驱动电机9与后驱动电机变速器10与后驱动桥相连；发动机1的输出端与第一离合器12输入端机械连接，第一离合器12输出端与前ISG电机2输入端机械连接，前ISG电机2输出端与第二离合器13输入端机械连接，第二离合器13的输出端与前驱动电机变速器4输入端机械连接，前驱动电机3输出端与第一变速器输入端机械连接，第一变速器输出端与前轴机械连接；前驱动电机3、发动机1和前ISG电机2能够实现机械耦合；
车载充电机6输出端与动力电池7输入端电气相连，动力电池7输出端与前驱动电机逆变器8、后驱动电机逆变器11输入端电气连接，前后驱动电机逆变器系统输出端分别与前后驱动电机输入端电气连接，前ISG电机逆变器14输出端与前ISG电机2输入端电气连接，后驱动电机9输出端与后驱动电机变速器10输入端机械连接，后驱动电机变速器10输出端与后桥机械连接；TCU 5分别与前驱动电机变速器4和后驱动电机变速器10信号连接，TCU 5通过信号控制前驱动电机变速器4和后驱动电机变速器10。
如图3所示，混动模式的工作条件为：系统检测动力电池7的SOC值是否小于设定的发动机启动工作的限值，发动机1启动工作。此时，存在三种工作状态，当系统的总扭矩需求Tq在发动机高效区工作时的扭矩区间(Te0，Te1)，发动机1单独驱动车辆行驶；当系统的总扭矩需求Tq小于发动机1在高效区间的最小扭矩Te0，且动力电池7的SOC仍小于设定的发动机启动工作的限值，前ISG电机2变为发电模式，电能给动力电池组充电，前驱动电机3、后驱动电机9不工作；当系统的总扭矩需求Tq大于发动机1在高效区间的最小扭矩Te1，发动机1及三个驱动电机同时工作，此时，发动机1按照经济区最小转矩工作，三个电机的扭矩之和为TM＝Tq-Te1，三个电机之间扭矩分配算法与纯电动模式相同，如系统设置为前驱模式，则另T3＝0，求解T1、T2的最优值。
插电四驱全混合动力汽车在行驶过程中，实时监测动力电池7剩余电量SOC及动力电池状态信息(包括单体电压、电流、温度、绝缘电阻阻值等)，车辆行驶速度，驾驶员意图(实为检测油门踏板开度)。根据车辆行驶速度及油门踏板开度计算车辆需求转矩，根据车辆需求转矩、电池SOC及电池状态信息设定动力系统的工作模式。
动力系统包括五种工作模式，第一：全驱动混合动力模式，即发动机1、前ISG电机2、前驱动电机3、后驱动电机9同时工作，驱动车辆行驶；第二：前轮驱动混合动力模式，即发动机1、前ISG电机2与前驱动电机3同时工作，驱动车辆行驶；第三：四驱纯电动模式，即前驱动电机3、前ISG电机2和后驱动电机9共同工作，驱动车辆行驶；第四：后驱纯电动模式，即后驱动电机9工作，驱动车辆行驶；第五，增程式混动模式，发动机带动前ISG电机2发电，前后驱动电机驱动车辆行驶。
本实施例在上述四轮驱动插电式全混合动力系统的模型上，应用本发明提出的基于二阶振荡粒子群算法的能效优化控制方法，研究前后三电机扭矩优化问题，即第一种、第三种工作模式，如图1所示，其具体优化过程如下：
S1：确定优化设计变量：
设计变量一共包括三个参数，分别为：前驱动电机转矩Tm1，前ISG电机转矩Tm2和后驱动电机转矩Tm3；
S2：确定优化设计目标：系统为单目标优化，优化目标为混合动力汽车实时总效率最高；
S3：确定优化限制条件：前驱动电机转矩Tm1，前ISG电机转矩Tm2和后驱动电机转矩Tm3的工作范围，其由电机技术参数确定；
S4：在汽车行驶过程中，实时监测动力电池剩余电量SOC、车辆行驶速度及油门踏板开度，由所述车辆行驶速度和油门踏板开度计算车辆需求转矩，当SOC低于30％时，进入步骤S5，否则进入步骤S9；
S5：控制发动机启动，当车辆的总转矩需求大于发动机输出的最大转矩，进入步骤S6，否则进入步骤S8；
S6：系统总的转矩需求为Tq，计算三个驱动电机允许输出的最大转矩之和Tm，则发动机输出的最小转矩Te1＝Tq-Tm，根据节气门开度、换挡策略及油门踏板信号，确定发动机工作范围，发动机按高效区最小转矩工作，三个电机的转矩之和为：Tm＝Tq-Te1，三个电机之间的转矩应用二阶振荡粒子群算法计算转矩，考虑到转矩分配系数ψ的影响，Tm＝ψ1×Tm1+ψ2×Tm2+ψ3×Tm3，如果车辆为前驱模式，前两个电机之间的转矩应用二阶振荡粒子群算法计算，Tm＝ψ1×Tm1+ψ2×Tm2；
S7：对设计变量进行优化，其具体的优化流程如下：
S7-1：初始化粒子群优化算法参数，包括：最大迭代次数Tmax、粒子数目m、惯性权重系数ω、加速系数c1、c2，将当前优化代数设置为t＝1(t≤Tmax)，在三维空间中，随机产生m个粒子x1，x2，...,xi,...,xm，构成种群X(t)，随机产生各粒子初始速度v1，v2，...,vi,...,vm，构成种群V(t)。其中第i个粒子的位置为xi＝(xi,1，xi,2，xi,3)，速度为vi＝(vi,1，vi,2，vi,3)。xi,1表示第i个粒子的第k时刻前驱动电机转矩Tm1(k)i大小，xi,2表示第i个粒子的第k时刻前ISG电机转矩Tm2(k)i大小，xi,3表示第i个粒子的第k时刻后驱动电机转矩Tm3(k)i大小；
S7-2：通过公式(1)计算第k时刻的前驱动电机的实时输入输出功率：
Figure BDA0002267986420000091
其中，Pin,1(k)i为第i个粒子第k时刻的前驱动电机实时输入功率；Pout,1(k)i为第i个粒子第k时刻的前驱动电机实时输出功率；U1(k)i为第i个粒子第k时刻的前驱动电机输入端母线电压；I1(k)i为第i个粒子第k时刻的前驱动电机输入端母线电流；n1(k)i为第i个粒子第k时刻前驱动电机的转速；ψ1为前驱动电机的转矩分配系数，
Figure BDA0002267986420000092
通过公式(2)计算第i个粒子第k时刻的前ISG电机的实时输入输出功率：
Figure BDA0002267986420000093
其中，Pin,2(k)i为第i个粒子第k时刻的前ISG电机实时输入功率；Pout,2(k)i为第i个粒子第k时刻的前ISG电机实时输出功率；U2(k)i为第i个粒子第k时刻的前ISG电机输入端母线电压；I2(k)i为第i个粒子第k时刻的前ISG电机输入端母线电流；n2(k)i为第i个粒子第k时刻的前ISG电机的转速；ψ2为前ISG电机的转矩分配系数，
Figure BDA0002267986420000094
通过公式(3)计算第i个粒子第k时刻的后驱动电机的实时输入输出功率：
Figure BDA0002267986420000095
其中，Pin,3(k)i为第i个粒子第k时刻的后驱动电机实时输入功率；Pout,3(k)i为第i个粒子第k时刻的后驱动电机实时输出功率；U3(k)i为第i个粒子第k时刻的后驱动电机输入端母线电压；I3(k)i为第i个粒子第k时刻的后驱动电机输入端母线电流；n3(k)i为第i个粒子第k时刻的后驱动电机的转速；ψ3为后驱动电机的转矩分配系数，
Figure BDA0002267986420000101
S7-3：通过公式(4)计算第i个粒子第k时刻的电机系统实时效率η(k)i的倒数：
Figure BDA0002267986420000102
S7-4：将得到的第i个粒子第k时刻的电机系统效率η(k)i的倒数作为适应度值大小来评价每个粒子的好坏，存储当前各粒子的最佳位置pbest和与之对应的电机系统效率的倒数，并将种群中适应值最优的粒子作为整个种群中的最佳位置gbest；
S7-5：更新粒子的速度和位置，产生新的种群X(t+1)：
如果当前进化代数t小于最大进化代数Tmax的1/2，通过公式(5)-(6)更新粒子的速度和位置，产生新的种群X(t+1)：
vi,j(t+1)＝ωvi,j(t)+c1r1[pi,j-(1+ξ1)xi,j(t)+ξ1xi,j(t-1)]+c2r2[pg,j-(1+ξ2)xi,j(t)+ξ2xi,j(t-1)] (5)
xi,j(t+1)＝xi,j(t)+vi,j(t+1) (6)
其中，
Figure BDA0002267986420000103
如果当前进化代数t大于最大进化代数Tmax的1/2，通过公式(8)-(9)更新粒子的速度和位置，产生新的种群X(t+1)：
vi,j(t+1)＝ωvi,j(t)+c1r1[pi,j-(1+ξ1)xi,j(t)+ξ1xi,j(t-1)]+c2r2[pg,j-(1+ξ2)xi,j(t)+ξ2xi,j(t-1)] (8)
xi,j(t+1)＝xi,j(t)+vi,j(t+1) (9)
其中，
Figure BDA0002267986420000104
上式中，i＝1,2,...,m；j＝1,2,3；vi，j为第i个粒子的当前速度；ω表示惯性权重系数；c1和c2表示正的加速系数；r1、r2、ξ1、ξ2为随机数，在算法前期，即当前进化代数t小于最大进化代数Tmax的1/2时，按照公式(7)计算ξ1和ξ2，目的保证算法具有较强的全局搜索能力，在算法后期，即当前进化代数t大于最大进化代数Tmax的1/2时，按照公式(10)计算ξ1和ξ2，保证算法良好的收敛性能；pi,j表示第i个例子迄今找到的最佳位置pbest；pg，j是整个粒子群搜索到的最佳位置gbest；xi，j为第i个粒子的当前位置；
S7-6：更新粒子的pbest和gbest；
S7-7：判断当前优化代数t是否等于Tmax，若为是则停止计算，输出适应度值
Figure BDA0002267986420000111
最小的粒子vi，即将第k时刻实时总效率η(k)i最高的粒子vi作为所求结果，并根据对应的Tm1(k)i，Tm2(k)i和Tm3(k)i控制所述前驱动电机、ISG电机和后驱动电机，通过公式(11)计算三个电机的转矩之和，结束流程；如果t<Tmax，则另t＝t+1，并返回步骤S7-5继续搜索；
Tm(k)i＝ψ1×Tm1(k)i+ψ2×Tm2(k)i+ψ3×Tm3(k)i (11)
S8：系统总的转矩需求大于发动机经济区最小转矩，执行步骤S8-1，否则执行步骤S8-2；
S8-1：系统为发动机单独驱动模式；
S8-2：系统为并联前驱模式，控制发动机启动，根据节气门开度、换挡策略及油门踏板信号确定发动机工作范围。ISG电机改为发电模式，发动机输出转矩除了满足车辆行驶需要之外，剩余转矩由ISG电机发电，为动力电池组充电；
S9：当系统总的转矩需求小于三个电机的转矩之和，执行步骤S10，否则执行步骤S11；
S10：车辆为纯电驱动模式，三个电机之间的转矩应用二阶振荡粒子群算法计算转矩，考虑到转矩分配系数的影响，Tm＝ψ1×Tm1+ψ2×Tm2+ψ3×Tm3，如果车辆为前驱模式，前两个电机之间的转矩应用二阶振荡粒子群算法计算，Tm＝ψ1×Tm1+ψ2×Tm2，进入步骤S7，执行优化操作，否则执行步骤S11。
S11：控制发动机启动，根据节气门开度、换挡策略及油门踏板信号，确定发动机工作范围，发动机按高效区最小转矩工作，三个电机的转矩之和为：Tm＝Tq-Te1，三个电机之间的转矩应用二阶振荡粒子群算法计算转矩，考虑到转矩分配系数的影响，Tm＝ψ1×Tm1+ψ2×Tm2+ψ3×Tm3，如果车辆为前驱模式，前两个电机之间的转矩应用二阶振荡粒子群算法计算，Tm＝ψ1×Tm1+ψ2×Tm2，进入步骤S7，执行优化操作。
本实施例中转矩分配系数ψ的具体确定方式为：
转矩分配系数ψ的计算公式为ψ＝ψ1+ψ2+ψ3，其中
Figure BDA0002267986420000121

Claims (6)

1.一种基于二阶振荡粒子群算法的全混动汽车能效优化方法，是基于插电式四驱全混合动力系统实现的，所述插电式四驱全混合动力系统包括发动机、第一离合器、第二离合器、自动变速箱控制单元TCU、前驱动电机、前ISG电机、后驱动电机、前驱动电机变速器、前ISG电机逆变器、前驱动电机逆变器、后驱动电机变速器、后驱动电机逆变器，车载充电机、动力电池和DCDC转换器；
插电四驱全混合动力汽车在行驶过程中，实时监测动力电池剩余电量SOC及动力电池状态信息、车辆行驶速度、驾驶员意图，根据车辆行驶速度及油门踏板开度计算车辆需求转矩，根据车辆需求转矩、电池SOC及电池状态信息设定动力系统的工作模式；动力系统包括五种工作模式，第一：全驱动混合动力模式；第二：前轮驱动混合动力模式；第三：四驱纯电动模式；第四：后驱纯电动模式；第五，增程式混动模式；
其特征在于：当动力系统进入到全驱动混合动力模式或者四驱纯电动模式时，采用基于二阶振荡粒子群算法对系统能效进行优化，包括如下步骤：
S1：确定优化设计变量：
设计变量一共包括三个参数，分别为：前驱动电机转矩Tm1，前ISG电机转矩Tm2和后驱动电机转矩Tm3；
S2：确定优化设计目标：系统为单目标优化，优化目标为混合动力汽车实时总效率最高；
S3：确定优化限制条件；
S4：在汽车行驶过程中，实时监测动力电池剩余电量SOC、车辆行驶速度及油门踏板开度，由所述车辆行驶速度和油门踏板开度计算车辆需求转矩，当SOC低于30％时，进入步骤S5，否则进入步骤S9；
S5：控制发动机启动，当车辆的总转矩需求大于发动机输出的最大转矩，进入步骤S6，否则进入步骤S8；
S6：系统总的转矩需求为Tq，计算三个驱动电机允许输出的最大转矩之和Tm，则发动机输出的最小转矩Te1＝Tq-Tm，根据节气门开度、换挡策略及油门踏板信号，确定发动机工作范围，发动机按高效区最小转矩工作，三个电机的转矩之和为：Tm＝Tq-Te1，三个电机之间的转矩应用二阶振荡粒子群算法计算转矩，考虑到转矩分配系数ψ的影响，Tm＝ψ1×Tm1+ψ2×Tm2+ψ3×Tm3，如果车辆为前驱模式，前两个电机之间的转矩应用二阶振荡粒子群算法计算，Tm＝ψ1×Tm1+ψ2×Tm2，ψ1为前驱动电机的转矩分配系数，ψ2为前ISG电机的转矩分配系数，ψ3为后驱动电机的转矩分配系数；
S7：对设计变量进行优化，其具体的优化流程如下：
S7-1：初始化粒子群优化算法参数，包括：最大迭代次数Tmax、粒子数目m、惯性权重系数ω、加速系数c1、c2，将当前优化代数设置为t＝1，t≤Tmax，在三维空间中，随机产生m个粒子x1，x2，...,xi,...,xm，构成种群X(t)，随机产生各粒子初始速度v1，v2，...,vi,...,vm，构成种群V(t)，其中第i个粒子的位置为xi＝(xi,1，xi,2，xi,3)，速度为vi＝(vi,1，vi,2，vi,3)，xi,1表示第i个粒子的第k时刻前驱动电机转矩Tm1(k)i大小，xi,2表示第i个粒子的第k时刻前ISG电机转矩Tm2(k)i大小，xi,3表示第i个粒子的第k时刻后驱动电机转矩Tm3(k)i大小，vi,1表示第i个粒子的第k时刻前驱动电机转矩Tm1(k)i的飞行速度，vi,2表示第i个粒子的第k时刻前ISG电机转矩Tm2(k)i的飞行速度，vi,3表示第i个粒子的第k时刻后驱动电机转矩Tm3(k)i的飞行速度；
S7-2：分别计算前驱动电机、前ISG电机和后驱动电机在第k时刻的实时输入输出功率；
S7-3：根据步骤S7-2的计算结果计算第k时刻的电机系统实时效率η(k)i的倒数；
S7-4：将得到的第i个粒子第k时刻的电机系统效率η(k)i的倒数作为适应度值大小来评价每个粒子的好坏，存储当前各粒子的最佳位置pbest和与之对应的电机系统效率的倒数，并将种群中适应值最优的粒子作为整个种群中的最佳位置gbest；
S7-5：更新粒子的速度和位置，产生新的种群X(t+1)：
如果当前进化代数t小于最大进化代数Tmax的1/2，通过公式(5)-(6)更新粒子的速度和位置，产生新的种群X(t+1)：
vi,j(t+1)＝ωvi,j(t)+c1r1[pi,j-(1+ξ1)xi,j(t)+ξ1xi,j(t-1)]+c2r2[pg,j-(1+ξ2)xi,j(t)+ξ2xi,j(t-1)] (5)
xi,j(t+1)＝xi,j(t)+vi,j(t+1) (6)
其中，
Figure FDA0002874685560000021
如果当前进化代数t大于最大进化代数Tmax的1/2，通过公式(8)-(9)更新粒子的速度和位置，产生新的种群X(t+1)：
vi,j(t+1)＝ωvi,j(t)+c1r1[pi,j-(1+ξ1)xi,j(t)+ξ1xi,j(t-1)]+c2r2[pg,j-(1+ξ2)xi,j(t)+ξ2xi,j(t-1)] (8)
xi,j(t+1)＝xi,j(t)+vi,j(t+1) (9)
其中，
Figure FDA0002874685560000022
上式中，i＝1,2,...,m；j＝1,2,3；vi，j为第i个粒子的当前速度；ω表示惯性权重系数；c1和c2表示正的加速系数；r1、r2、ξ1、ξ2为随机数，在算法前期，即当前进化代数t小于最大进化代数Tmax的1/2时，按照公式(7)计算ξ1和ξ2，目的保证算法具有较强的全局搜索能力，在算法后期，即当前进化代数t大于最大进化代数Tmax的1/2时，按照公式(10)计算ξ1和ξ2，保证算法良好的收敛性能；pi,j表示第i个例子迄今找到的最佳位置pbest；pg，j是整个粒子群搜索到的最佳位置gbest；xi，j为第i个粒子的当前位置；
S7-6：更新粒子的pbest和gbest；
S7-7：判断当前优化代数t是否等于Tmax，若为是则停止计算，输出适应度值
Figure FDA0002874685560000031
最小的粒子vi，即将第k时刻实时总效率η(k)i最高的粒子vi作为所求结果，并根据对应的Tm1(k)i，Tm2(k)i和Tm3(k)i控制所述前驱动电机、ISG电机和后驱动电机，计算三个电机的转矩之和，结束流程；如果t<Tmax，则令t＝t+1，并返回步骤S7-5继续搜索；
S8：系统总的转矩需求大于发动机经济区最小转矩，执行步骤S8-1，否则执行步骤S8-2；
S8-1：系统为发动机单独驱动模式；
S8-2：系统为并联前驱模式，控制发动机启动，根据节气门开度、换挡策略及油门踏板信号确定发动机工作范围，ISG电机改为发电模式，发动机输出转矩除了满足车辆行驶需要之外，剩余转矩由ISG电机发电，为动力电池组充电；
S9：当系统总的转矩需求小于三个电机的转矩之和，执行步骤S10，否则执行步骤S11；
S10：车辆为纯电驱动模式，三个电机之间的转矩应用二阶振荡粒子群算法计算转矩，考虑到转矩分配系数的影响，Tm＝ψ1×Tm1+ψ2×Tm2+ψ3×Tm3，如果车辆为前驱模式，前两个电机之间的转矩应用二阶振荡粒子群算法计算，Tm＝ψ1×Tm1+ψ2×Tm2，进入步骤S7，执行优化操作，否则执行步骤S11；
S11：控制发动机启动，根据节气门开度、换挡策略及油门踏板信号，确定发动机工作范围，发动机按高效区最小转矩工作，三个电机的转矩之和为：Tm＝Tq-Te1，三个电机之间的转矩应用二阶振荡粒子群算法计算转矩，考虑到转矩分配系数的影响，Tm＝ψ1×Tm1+ψ2×Tm2+ψ3×Tm3，如果车辆为前驱模式，前两个电机之间的转矩应用二阶振荡粒子群算法计算，Tm＝ψ1×Tm1+ψ2×Tm2，进入步骤S7，执行优化操作。
2.根据权利要求1所述的一种基于二阶振荡粒子群算法的全混动汽车能效优化方法，其特征在于：所述步骤S3中优化限制条件为前驱动电机转矩Tm1，前ISG电机转矩Tm2和后驱动电机转矩Tm3的工作范围，其由电机技术参数确定。
3.根据权利要求1所述的一种基于二阶振荡粒子群算法的全混动汽车能效优化方法，其特征在于：所述步骤S7-2中通过公式(1)计算第i个粒子第k时刻的前驱动电机的实时输入输出功率：
Figure FDA0002874685560000041
其中，Pin,1(k)i为第i个粒子第k时刻的前驱动电机实时输入功率；Pout,1(k)i为第i个粒子第k时刻的前驱动电机实时输出功率；U1(k)i为第i个粒子第k时刻的前驱动电机输入端母线电压；I1(k)i为第i个粒子第k时刻的前驱动电机输入端母线电流；n1(k)i为第i个粒子第k时刻前驱动电机的转速；ψ1为前驱动电机的转矩分配系数，
Figure FDA0002874685560000042
通过公式(2)计算第i个粒子第k时刻的前ISG电机的实时输入输出功率：
Figure FDA0002874685560000043
其中，Pin,2(k)i为第i个粒子第k时刻的前ISG电机实时输入功率；Pout,2(k)i为第i个粒子第k时刻的前ISG电机实时输出功率；U2(k)i为第i个粒子第k时刻的前ISG电机输入端母线电压；I2(k)i为第i个粒子第k时刻的前ISG电机输入端母线电流；n2(k)i为第i个粒子第k时刻的前ISG电机的转速；ψ2为前ISG电机的转矩分配系数，
Figure FDA0002874685560000044
通过公式(3)计算第i个粒子第k时刻的后驱动电机的实时输入输出功率：
Figure FDA0002874685560000045
其中，Pin,3(k)i为第i个粒子第k时刻的后驱动电机实时输入功率；Pout,3(k)i为第i个粒子第k时刻的后驱动电机实时输出功率；U3(k)i为第i个粒子第k时刻的后驱动电机输入端母线电压；I3(k)i为第i个粒子第k时刻的后驱动电机输入端母线电流；n3(k)i为第i个粒子第k时刻的后驱动电机的转速；ψ3为后驱动电机的转矩分配系数，
Figure FDA0002874685560000051
4.根据权利要求3所述的一种基于二阶振荡粒子群算法的全混动汽车能效优化方法，其特征在于：所述步骤S7-3中通过公式(4)计算第i个粒子第k时刻的电机系统实时效率η(k)i的倒数：
Figure FDA0002874685560000052
5.根据权利要求1所述的一种基于二阶振荡粒子群算法的全混动汽车能效优化方法，其特征在于：所述步骤S7-7中通过Tm(k)i＝ψ1×Tm1(k)i+ψ2×Tm2(k)i+ψ3×Tm3(k)i计算三个电机的转矩之和。
6.根据权利要求1～5任一项所述的一种基于二阶振荡粒子群算法的全混动汽车能效优化方法，其特征在于：所述转矩分配系数ψ的具体确定方式为：
转矩分配系数ψ的计算公式为ψ＝ψ1+ψ2+ψ3，其中
Figure FDA0002874685560000053
Figure FDA0002874685560000054
CN201911094811.1A 2019-11-11 2019-11-11 一种二阶振荡粒子群算法的全混动汽车能效优化方法 Active CN110901628B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911094811.1A CN110901628B (zh) 2019-11-11 2019-11-11 一种二阶振荡粒子群算法的全混动汽车能效优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911094811.1A CN110901628B (zh) 2019-11-11 2019-11-11 一种二阶振荡粒子群算法的全混动汽车能效优化方法

Publications (2)

Publication Number Publication Date
CN110901628A CN110901628A (zh) 2020-03-24
CN110901628B true CN110901628B (zh) 2021-04-06

Family

ID=69817104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911094811.1A Active CN110901628B (zh) 2019-11-11 2019-11-11 一种二阶振荡粒子群算法的全混动汽车能效优化方法

Country Status (1)

Country Link
CN (1) CN110901628B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117984988B (zh) * 2024-04-07 2024-06-14 西安建筑科技大学 基于仿生动力学系统的混合动力控制方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103863318A (zh) * 2014-03-25 2014-06-18 河南理工大学 一种基于跟车模型的混合动力汽车节能预测控制方法
CN106240336A (zh) * 2016-08-04 2016-12-21 清华大学 一种插电式双电机四驱混合动力系统及控制方法
CN107161140A (zh) * 2017-05-09 2017-09-15 南京航空航天大学 一种插电式混合动力汽车系统及其能量控制方法
CN108528436A (zh) * 2018-01-18 2018-09-14 合肥工业大学 一种内外层嵌套的ecms多目标双层优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190220737A1 (en) * 2018-01-17 2019-07-18 Hengshuai Yao Method of generating training data for training a neural network, method of training a neural network and using neural network for autonomous operations

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103863318A (zh) * 2014-03-25 2014-06-18 河南理工大学 一种基于跟车模型的混合动力汽车节能预测控制方法
CN106240336A (zh) * 2016-08-04 2016-12-21 清华大学 一种插电式双电机四驱混合动力系统及控制方法
CN107161140A (zh) * 2017-05-09 2017-09-15 南京航空航天大学 一种插电式混合动力汽车系统及其能量控制方法
CN108528436A (zh) * 2018-01-18 2018-09-14 合肥工业大学 一种内外层嵌套的ecms多目标双层优化方法

Also Published As

Publication number Publication date
CN110901628A (zh) 2020-03-24

Similar Documents

Publication Publication Date Title
Bao et al. Effect of 48 V mild hybrid system layout on powertrain system efficiency and its potential of fuel economy improvement
CN101898557B (zh) 电动四驱混合动力车辆的控制方法
Freyermuth et al. Comparison of powertrain configuration for plug-in HEVs from a fuel economy perspective
Gao et al. A torque and speed coupling hybrid drivetrain-architecture, control, and simulation
CN106240336B (zh) 一种插电式双电机四驱混合动力系统及控制方法
CN105946600A (zh) 串联增程式电动汽车动力系统及其控制方法
WO2010111881A1 (zh) 混合动力汽车的动力系统及其控制方法
CN106800020A (zh) 一种四驱混合动力系统及其控制方法
CN106394548B (zh) 一种插电式四驱混合动力汽车分层协调能效控制方法
CN110834624B (zh) 一种自适应遗传算法的全混动汽车能效优化控制方法
CN107150679A (zh) 具备行驶用的电动机的汽车
CN109240125B (zh) 一种混动车变速箱二轴需求扭矩计算方法
Zhang et al. Powertrain design and energy management of a novel coaxial series-parallel plug-in hybrid electric vehicle
CN101774346A (zh) 具有四轮驱动特征的混合动力总成和装配该总成的车辆
Kim et al. Motor control of input-split hybrid electric vehicles
CN109624977B (zh) 一种混合动力汽车的巡航模式控制方法
CN110834623B (zh) 一种基于顺序选择遗传算法的全混动汽车能效优化方法
CN110901628B (zh) 一种二阶振荡粒子群算法的全混动汽车能效优化方法
CN110941875A (zh) 一种自适应异步粒子群的全混动汽车能效优化控制方法
CN111688470A (zh) 一种串并联构型插电式混合动力系统及其控制方法
Wang et al. Energy management research of the fourth generation Toyota Prius Prime
CN109760670B (zh) 一种传统前置后驱内燃机汽车改装成混合动力汽车的方法
CN113459791A (zh) 一种混合动力电动汽车及应用其的能量管理控制方法
Huynh et al. Development of Torque-Speed Control Algorithms For Power-Split Hybrid Electric Vehicle
CN212738052U (zh) 一种基于p2架构扭矩动态分配的插电式混合动力系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20210716

Address after: 239000 standardized workshop No.16, modern industrial square, Qingliu Road, Suchu modern industrial park, Chuzhou City, Anhui Province

Patentee after: Anhui Dehan Automobile Engineering Design Co.,Ltd.

Address before: 215500 Changshou City South Three Ring Road No. 99, Suzhou, Jiangsu

Patentee before: CHANGSHU INSTITUTE OF TECHNOLOGY

TR01 Transfer of patent right