融合工况识别的增程式电动汽车模糊能量管理策略研究

doi:10.19562/j.chinasae.qcgc.2022.04.007

摘要/Abstract

摘要：

针对模糊能量管理策略设计仅依赖专家经验很难适应复杂工况的问题，本研究提出了一种基于神经网络工况识别的增程式电动汽车模糊能量管理策略。首先，基于中国货车行驶工况（CHTC-HT）数据，利用改进遗传算法优化的BP神经网络构建工况识别模型；其次，根据所识别的工况类型，融合电池SOC及整车需求功率参数，设计了自适应模糊能量管理策略，通过实时获取发动机功率输出实现能量优化分配；最后，通过硬件在环测试验证了所提出的方法。结果表明自适应模糊策略油耗相比规则策略降低9.67%，比模糊策略降低7.84%，有效提高了整车经济性。

关键词: 增程式电动汽车, 模糊能量管理策略, 神经网络算法, 改进遗传算法, 硬件在环

Abstract:

For the problem that the design of the fuzzy energy management strategy is difficult to adapt to complex driving cycles owing to only dependent on expert experience， a fuzzy energy management strategy is proposed for extended-range electric vehicles with working condition identification based on neural network. Firstly， the working condition identification model is designed based on the data of Chinese high truck driving cycle （CHTC-HT） with back propagation neural network optimized by improved genetic algorithm. Subsequently， combining the identified working condition with battery state of charge and vehicle power demand， an adaptive fuzzy energy management strategy is developed to implement optimized energy distribution by real time acquisition of engine output power. Finally， the proposed method has been verified by hardware in the loop test. The results show that the proposed adaptive fuzzy energy management strategy can reduce fuel consumption by 9.67% compared with CD-CS strategy and by 7.84% compared with fuzzy energy management strategy， which effectively improves the fuel economy for extended-range electric vehicles.

Key words: extended-range electric vehicles, fuzzy energy management strategy, neural network algorithm, improved genetic algorithm, hardware in the loop

陈勇,魏长银,李晓宇,李彦林,刘彩霞,林霄喆. 融合工况识别的增程式电动汽车模糊能量管理策略研究[J]. 汽车工程, 2022, 44(4): 514-524.

Yong Chen,Changyin Wei,Xiaoyu Li,Yanlin Li,Caixia Liu,Xiaozhe Lin. Research on Fuzzy Energy Management Strategy for Extended-Range Electric Vehicles with Driving Condition Identification[J]. Automotive Engineering, 2022, 44(4): 514-524.

图/表 26

图 1

表 1

车辆参数"

部件	参数	数值
整车	最大质量 m/kg	6 000
	风阻系数 $C D$	0.630
	迎风面积S/m²	3.342
	滚动阻力系数 $f$	0.012
	车辆滚动半径 $r r o l l$ /m	0.376
减速器	传动比 $i f$	6.143
增程器	额定功率/kW	60
驱动电机	最大功率/kW	100
动力电池	额定容量/（A·h）	74
	额定能量/（kW·h）	26.3
	额定电压/V	355.2

表 1

图 2

图 3

图 4

图5

表2

图6

图 7

图8

图9

图 10

图11

图12

图13

图14

图15

图16

图17

图18

图19

图20

图21

图 22

图 23

表3

参考文献 19

1	DU J， OUYANG M， CHEN J. Prospects for Chinese electric vehicle technologies in 2016–2020： ambition and rationality ［J］. Energy， 2017， 120（FEB.1）：584-596.
2	WEI C， SUN X， CHEN Y， et al. Comparison of architecture and adaptive energy management strategy for plug-in hybrid electric logistics vehicle［J］. Energy， 2021.
3	HU X， ZOU C， TANG X， et al. Cost-optimal energy management of hybrid electric vehicles using fuel cell/battery health-aware predictive control［J］. IEEE Transactions on Power Electronics， 2019， 35（1）： 382-392.
4	CHANG Qing， ZHANG Pei， et al. A comprehensive analysis of energy management strategies for hybrid electric vehicles based on bibliometrics［J］. Renewable & Sustainable Energy Reviews， 2015.
5	牛继高，徐春华，牛丹彤，等.增程式电动汽车规则型能量管理策略对比［J］.江苏大学学报（自然科学版），2018，39（3）：266-272，295.
	NIU J G， XU C H， NIU D T， et al. Comparison on rule based energy management strategy for E-REV［J］. J. Jiangsu Univ.（Nat. Sci. Ed.）， 2018， 39（3）： 266-272，295.
6	王永军，孙宾宾，李文涛，等.基于小波规则的燃料电池汽车能量管理策略［J］.济南大学学报（自然科学版），2021，35（4）：322-328.
	WANG Y J， SUN B B， LI W T， et al.Energy management strategy of fuel cell electric vehicles based on wavelet rules［J］. Journal of Jinan University （Natural Science Edition）， 2021，35（4）：322-328.
7	姚堤照，谢长君，曾甜，等.基于多模糊控制的电电混合汽车能量管理策略［J］.汽车工程，2019，41（6）：615-624，640.
	YAO T Z， XIE C J， ZENG T， et al. Multi-fuzzy control based energy management strategy of battery / super-capacitor hybrid energy system of electric vehicles［J］. Automotive Engineering， 2019， 41（6）：615-624，640.
8	LIU Y， GAO J， QIN D， et al. Rule-corrected energy management strategy for hybrid electric vehicles based on operation-mode prediction［J］. Journal of Cleaner Production， 2018： 796-806.
9	PANDAY A， BANSAL H O. A review of optimal energy management strategies for hybrid electric vehicle ［J］. International Journal of Vehicular Technology， 2014： 1-19.
10	杨业，张幽彤，张彪，等.基于等效因子优化的插电式混合动力客车自适应能量管理策略［J］.汽车工程，2020，42（3）：292-298，306.
	YANG Y， ZHANG Y T， ZHANG B， et al. Adaptive energy management strategy for hybrid electric bus based on equivalent factor optimization ［J］. Automotive Engineering， 2020， 42（3）： 292-298，306.
11	SERRAO L， ONORI S， RIZZONI G， et al. A comparative analysis of energy management strategies for hybrid electric vehicles［J］. Journal of Dynamic Systems Measurement and Control-transactions of The Asme， 2011， 133（3）.
12	CAIRANO S D， BERNARDINI D， BEMPORAD A， et al. Stochastic MPC with learning for driver-predictive vehicle control and its application to hev energy management［J］. IEEE Transactions on Control Systems Technology， 2014， 22（3）：1018-1031.
13	YONGGANG L， JIE L， MING Y， et al. Optimal energy management strategy for a plug-in hybrid electric vehicle based on road grade information［J］. Energies， 2017， 10（4）：412.
14	RAMYA K， TEEKARAMAN Y， KUMAR K A R. Fuzzy-based energy management system with decision tree algorithm for power security system ［J］. International Journal of Computational Intelligence Systems， 2019， 12（2）： 1173-1178.
15	LAGORSE J， SIMÕES M G， MIRAOUI A. A multiagent fuzzy-logic-based energy management of hybrid systems［J］. IEEE transactions on industry applications， 2009， 45（6）： 2123-2129.
16	程云江，梁颖华，徐向阳，等.基于增益功率燃油系数的HEV能量管理策略［J］.中国公路学报，2021，34（10）.
	CHEN Y J， LIANG Y H， XU X Y， et al. Energy management strategy of hev based on gain-power and fuel consumption coefficient［J］. Journal of China Highway，2021，34（10）.
17	唐小林，李珊珊，王红，等.网联环境下基于分层式模型预测控制的车队能量控制策略研究［J］.机械工程学报，2020，56（14）：119-128.
	TANG X L， LI S S， WANG H， et al. Research on energy control strategy based on hierarchical model predictive control in connected environment［J］. Journal of Mechanical Engineering， 2020， 56（14）：119-128.
18	席利贺，张欣，耿聪，等.基于动态规划算法的增程式电动汽车能量管理策略优化［J］.交通运输工程学报，2018，18（3）：148-156.
	XI L H， ZHANG X， GENG C， et al. Energy management strategy optimization of extended-range electric vehicle based on dynamic programing ［J］.Journal of Traffic Transportation Engineering， 2018，18（3）：148-156.
19	林歆悠，夏玉田，李雪凡，等.燃料电池汽车行驶里程自适应ECMS策略［J］.汽车工程，2019，41（7）：750-756.
	LIN X Y， XIA Y T， LI X F， et al. Equivalent consumption minimization strategy adaptive to various driving ranges for fuel cell vehicles ［J］. Automotive Engineering， 2019， 41（7）：750-756.

需求功率	SOC
需求功率	L	M	H
L	VL	L	M
M	L	M	H
H	M	H	VH

[1]	施德华,容香伟,汪少华,张开美,陈龙,李春. 双离合器协同的功率分流式混合动力汽车动态协调优化控制研究[J]. 汽车工程, 2022, 44(12): 1877-1888.
[2]	查云飞,吕小龙,刘鑫烨,马芳武. 基于二分法的车辆状态参数融合估计[J]. 汽车工程, 2022, 44(12): 1910-1918.
[3]	郭祥靖,孙攀,邓杰,刘勇,刘壮,刘双平. 基于BP神经网络算法预测的重型半挂汽车列车AEB控制策略研究[J]. 汽车工程, 2021, 43(9): 1350-1359.
[4]	马英照,严天一,赵燕乐. 新型电控空气悬架系统集成控制策略研究[J]. 汽车工程, 2021, 43(9): 1394-1401.
[5]	郭应时,张洪加,付锐,王畅. 基于神经工效学的智能车辆横向控制模型研究[J]. 汽车工程, 2021, 43(7): 1057-1065.
[6]	周维, 过学迅, 裴晓飞, 张震, 余嘉星. 基于RRT与MPC的智能车辆路径规划与跟踪控制研究^*[J]. 汽车工程, 2020, 42(9): 1151-1158.
[7]	周苏, 胡哲, 谢非. 车用质子交换膜燃料电池空气供应系统自适应解耦控制方法研究[J]. 汽车工程, 2020, 42(2): 172-177.
[8]	陈松, 张红党, 吴海东, 张凤娇, 江晓莹. 基于主动横向稳定杆与差动制动联合控制的车辆防侧翻研究^*[J]. 汽车工程, 2019, 41(9): 1043-1049.
[9]	陈志成, 赵健, 朱冰, 吴坚. 基于电控助力制动级联制动防抱死控制策略^*[J]. 汽车工程, 2019, 41(11): 1320-1326.
[10]	刘刚,徐文博,靳立强. 轮毂电机驱动电动汽车液压执行单元的压力估计与控制方法研究^*[J]. 汽车工程, 2019, 41(10): 1138-1144.
[11]	牛继高，牛丹彤,徐春华，裴冯来. 增程式电动汽车最优曲线模糊控制策略研究[J]. 汽车工程, 2018, 40(7): 757-.
[12]	谢伟东, 徐威, 付志军, 李彬. 分布式驱动电动汽车的近似最优转矩矢量控制^*[J]. 汽车工程, 2018, 40(11): 1308-1316.