摘要
随着人民生活水平的不断提高，汽车保有量不断增加，汽车尾气污染问题已不可小觑。插电式混合动力汽车(Plug-in Hybrid Electric vehicle, PHEV)作为传统燃油车向纯电动汽车过渡的关键车型，其经济性和排放性主要受制于能量管理策略的制定。而现有的能量管理策略只考虑单一的行驶工况，未考虑复杂的驾驶工况对控制策略的影响，其性能无法达到最优。因此，本文以某车企的某款混联式PHEV作为研究对象，为改善其经济性和排放性，从PHEV能量管理策略出发，对工况适应性展开研究，具体工作内容如下： (1)对目标车型的主要动力部件进行参数匹配和数学建模。为了构建合理的仿真模型，结合企业需求和国标要求，对整车性能需求展开分析。根据性能选型匹配合理的动力部件，并建立对应的数学模型。 (2)构建典型工况库和研究工况识别方法。首先，选取32种标准循环工况，利用聚类分析法将其聚为四类，并从各类中选取1种工况作为该类型的典型工况代表。为了预防数据冗余现象，利用主成分分析法对综合选择的18个特征参数进行降维。然后，用降维后的特征参数表征各典型工况的信息，构建典型工况库。最后，采用反向传播神经网络算法(Back Propagation, BP)建立工况识别模型。针对BP神经网络的阈值和权值随机初始化导致的工况识别模型训练结果收敛较差的问题，采用粒子群算法(Particle Swarm Optimization Back Propagation, PSO-BP)进行优化。经测试，BP和PSO-BP工况识别模型的识别精度分别为86.5%和95.34%，优化后的识别模型识别效果显著提升。 (3)研究工况识别的能量管理策略。首先，制定以电为主的规则能量管理策略。考虑到PHEV复杂的数学模型，为了简化控制算法并提升整车系统的适应性，将模糊规则控制引入发动机转矩分配中，实现对PHEV动力输出的优化调节。然后，针对传统模糊控制存在主观性强、偶然性较高等问题，利用混沌方式改进麻雀搜索算法(Sparrow search algorithm, SSA)，并将改进后的SSA算法优化模糊隶属度函数，提出基于混沌麻雀搜索算法(Chaos sparrow search algorithm, CSSA)优化模糊控制的能量管理策略。最后，为了进一步提升能量管理策略的适应性，将工况识别与能量管理策略相融合，通过识别不同的行驶工况，动态调整能量管理策略，使之更好地适应实际行驶环境和需求。 (4)搭建整车模型和仿真分析。在Cruise中搭建整车模型，通过设计整车性能测试任务，对参数匹配结果进行验证，结果表明，参数匹配结果满足整车的性能指标要求，匹配结果合理。为了验证本文建立的基于工况识别的能量管理策略的有效性，在WLTC工况环境中进行仿真验证，结果表明，基于工况识别的能量管理策略的电池荷电状态(State of Charge, SOC)下降较缓慢，在满足动力需求的同时，尽可能延长电池寿命；其百公里综合成本比基于规则的能量管理策略、模糊控制能量管理策略和CSSA优化的模糊控制能量管理策略分别减少5.26%、4.57%、2.27%，提高整车燃油经济性，减少了污染气体的排放。
NETL