增程式电动客车能量管理系统研究精选

《增程式电动客车能量管理系统研究精选》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、中北大学学位论文增程式电动客车能量管理系统研究摘要混合电动汽车的燃料消耗和尾气排放很大程度上依赖于车上的能量控制系统。近年来，学者们一直致力于混合电动车的能量管理策略的研究，也获得了一些可观的成果，但依然还有很大的研究开发空间。本文针对增程式电动汽车的特点在传统的门限控制策略的基础上，依据“系统建模、控制算法设计、控制策略优化和在线应用”的思想。对不同的特征工况及其相应的能量控制策略进行了研究，提出了一套基于路况识别的改进型动态规划的能量优化控制策略。该控制策略对不同路况具有相对应的控制参数，有效的提高了对路况的适应性。本文主要研究工作如下：首

2、先，为保证路况数据的可靠与全面性，本文采用由我国自主研发的可充电式燃料电池混合动力车市客车在北京奥运期间示范时的运行数据作为本路况样本数据库。根据K-均值聚类法对路况数据进行聚类分析，在实车运行过程中，运用SOM神经网络来对未知工况进行实时的路况识别。其次，在Matlab环境下设计了可适用于增程式电动汽车的基于动态规划的能量优化算法，该算法可解决固定里程内、电池SOC始末状态确定的一类能量优化问题。并且针对聚类出的典型特征工况，均优化出其相应的能量分配序列，为其他优化方法提供参考且为后续的优化方法在线应用提供依据。为满足能量控制算法对控制器硬件

3、运算能力和系统安全性的要求，本文设计了以最新的32位汽车级微处理器TC1782为核心处理芯片的整车控制器作为硬件承载。该控制器硬件上采用模块化设计思想，并且在此基础上构造了硬件+外置监控芯片+SafeTcore软件的完整的安全认证系统，实现了对主控制器的实时监测，保证了系统的安全性与稳定性，提高了系统的可靠性。本文最后就如何将离线的优化结果运用在在线的运行车辆作了相关的研究，建立了可在线应用基于路况识别的混合动力电动车的能量控制策略。仿真结果表明，该能量控制策略对汽车的燃油经济性有一定的提高。关键词：增程式电动车，路况识别，动态规划，能量优化

4、中北大学学位论文OptimizationofPowerManagementinanExtended-rangeElectricVehicleAbstractHybridelectricvehiclefuelconsumptionandexhaustemissionsislargelydependentonthevehicle'senergycontrolsystems.Scholarshavebeenworkingonhybridelectricvehicleenergymanagementstrategyforyearswithsomeimp

5、rovements,buttherehasdevelopmentspacesstill.Basedonthetraditionalthresholdcontrolstrategy,thispaperconductedafurtherresearchforE-REVenergymanagementstrategieswithdifferentroadcycles,accordingtotheideasof"systemmodeling,controlalgorithmdesign,controlstrategyoptimizationandonl

6、ineapplications".Thispaperproposedanenergyoptimizationcontrolstrategybasedonroadpatternrecognitionwhichimprovedtheadaptationofcontrolstrategies.Worksareasfollows:Firstofall,toensuretrafficdataisreliableandcomprehensive,weusetheroaddataduringtheBeijingOlympicsbyrechargeablefu

7、elcellhybridcitybusesasthesampledatabase.UsingK-meansclusteringmethodforclusteranalysisoftrafficdatabase.UsingSOMneuralnetworkforreal-timeroadpatternrecognitionwhendriving.Secondly,DesignedasuitablecontrolstrategybasedonDPforE-REV,whichsolvesoptimizationproblemsthatmileage,b

8、eginningandendingSOCarefixed.Optimizedtheoptimalenergyallocationsequencesfo