基于工况自适应的增程式城市客车能量管理策略研究

《基于工况自适应的增程式城市客车能量管理策略研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于工况自适应的增程式城市客车能量管理策略研究(申请清华大学工学博士学位论文)培养单位：汽车工程系学科：机械工程研究生：谢海明指导教师：田光宇教授二○一七年十二月EnergyManagementStrategyforExtended-RangeElectricCityBusesBasedonDrivingConditionAdaptationDissertationSubmittedtoTsinghuaUniversityinpartialfulfillmentoftherequirementforthedegreeofDoct

2、orofPhilosophyinMechanicalEngineeringbyXieHaimingDissertationSupervisor:ProfessorTianGuangyuDecember,2017摘要摘要增程式城市客车具有增程器和动力电池组两个能量源，其运行特点是行驶里程固定。为了提高燃油经济性，能量管理策略在对两个能量源进行功率分配时，需要管理电池组电量，使其缓慢下降，直到行程结束才被耗尽，以提高电池组工作在高效区间的比例。目前，对于如何有效建立工况自适应的控制方法来解决这类电量缓降型的能量管理问题还缺乏深入研究

3、，导致能量管理策略的性能对工况类型较为敏感。本文针对以上问题，提出了一种工况自适应在线能量管理策略，并通过仿真分析和台架实验验证了策略的性能。实时优化算法是在线能量管理策略的核心。运用极小值原理求解不同类型工况下整车能量分配的最优解。分析最优解的特点，发现从工况开始到结束，协态变量与动力电池组开路电压之间的比值近似等于常数，且该常数的取值与工况类型有关。基于此规律，提出了一种控制参数由工况类型驱动的实时极小值算法，该算法的优化性能与极小值原理的性能接近。工况聚类分析是构建工况自适应控制参数的前提。以两次启动之间的微行程片段为单位

4、划分工况样本，提出了一套聚焦样本油耗差异性的工况聚类方法。基于相关性分析提炼出与油耗相关且去冗余的特征参数集；利用主成分分析提取主成分，并结合欧氏范数构造赋范线性空间。分别运用K-means算法和密度算法对工况样本进行聚类并评价效果，发现后者提高了各类工况油耗的差异性；从后者的聚类结果中得到了三类不同油耗水平的工况样本。基于聚类的结果，并针对微行程片段在早期难以被准确辨识的特点，提出了一种基于预测和辨识相结合的工况在线混合确定方法。在片段出现的早期，利用马尔可夫链模型预测其类型；在中后期，利用朴素贝叶斯模型动态辨识其类型；对两种

5、模型准确率的估计方法、以及两种模型结果的最佳切换时间进行了研究，使该方法获得了较现有方法更高的工况在线确定准确率。分别构建代表三类工况样本的典型工况。给定不同起始电量和剩余里程，利用实时极小值算法优化得到典型工况的最优控制参数，以此构建了工况自适应能量管理策略。在线控制时，通过确定工况类型，并利用工况类型、剩余里程和电量查表计算最优控制参数，实现能量分配。仿真分析与台架实验结果表明，该策略提高了燃油经济性，其性能对工况类型不敏感。关键词：工况聚类；工况混合确定；增程式电动车；能量管理；自适应控制IAbstractAbstract

6、Extendedrangeelectriccitybuses(E-REBs)havetwoenergysources,includingarangeextenderandabatterypack,andtheiroperationcharacteristicisthatthedrivingdistanceisfixed.Inordertoimprovevehiclefueleconomy,energymanagementstrategiesneedtomanagethebatterychargewhileallocatingth

7、epowerbetweenthetwoenergysources,andmakeitdeclineslowlytolasttotheendofthetriptoincreasetheratioofthebatterypackoperatinginthehighefficiencyrange.Currently,thereisstillagaponhowtoeffectivelyestablishadaptivecontrolmethodsbasedondrivingconditionsinthisslowchargereleas

8、emode.Asaresult,theperformanceofenergymanagementstrategiesissensitivetodrivingconditiontypes.Focusingontheabove-mentionedproblem,th