基于工况识别的纯电动汽车2DCT换挡策略研究

doi:10.19562/j.chinasae.qcgc.2024.10.014

摘要/Abstract

摘要：

为使纯电动汽车具有更好的经济性，同时保持较好的动力性，针对自主研发的纯电动汽车两挡干式双离合变速器（2DCT），提出一种基于工况识别的实时换挡策略。通过径向基神经网络预测车速，利用动态规划提取 7种循环工况的最优换挡点，并搭建基于相似度比对的工况识别模型，对车辆行驶工况进行识别，实现实时换挡。基于MATLAB/Simulink进行仿真并完成2DCT台架实验。结果表明，提出的基于工况识别的实时换挡策略能同时兼顾车辆的经济性和换挡频率。

关键词: 纯电动汽车, 两挡干式双离合变速器, 换挡策略, 工况识别

Abstract:

In order to enhance the economic performance of pure electric vehicles （EVs） while maintaining better dynamic performance， a real-time shifting strategy based on driving cycle recognition is proposed for the self-developed two-speed dry dual clutch transmission （2DCT） for EVs. A radial basis neural network is adopted to predict the vehicle speed and the optimal shifting points are extracted by dynamic programming for seven types of driving cycle. Then， a driving cycle recognition model based on similarity comparison is constructed to recognize vehicle-driving conditions so as to achieve real-time shifting. The simulation based on MATLAB/Simulink and the 2DCT bench experiments are completed. The results demonstrate that the proposed real-time shifting strategy based on condition recognition can simultaneously meet the requirements of economic performance and shift frequency.

Key words: pure electric vehicle, two-speed dry dual clutch transmission, shifting strategy, driving cycle recognition

曹志鹏,陈勇,贺伯林,肖森,高炳钊,殷学冰. 基于工况识别的纯电动汽车2DCT换挡策略研究[J]. 汽车工程, 2024, 46(10): 1873-1885.

Zhipeng Cao,Yong Chen,Bolin He,Sen Xiao,Bingzhao Gao,Xuebing Yin. Research on Shift Strategy of 2DCT for Pure Electric Vehicle Based on Driving Condition Identification[J]. Automotive Engineering, 2024, 46(10): 1873-1885.

图/表 45

图1

图2

图3

表1

图4

图5

图6

图7

图8

图9

表2

图10

图11

图12

图13

图14

图15

图16

表3

图17

表4

图18

图19

图20

表5

图21

图22

图23

图24

图25

图26

图27

图28

图29

图30

图31

表6

表7

表8

图32

图33

图34

表9

表10

表11

参考文献 8

1	王蕾，史丹. 全球能源格局演变与中国能源安全：影响与应对［J］. 中南林业科技大学学报（社会科学版）， 2023， 17（5）： 19-32.
	WANG L， SHI D. The evolution of global energy pattern and China’s energy security： impact and response［J］. Journal of Central South University of Forestry & Technology（Social Sciences）， 2023， 17（5）： 19-32.
2	洪吉超，梁峰伟，杨京松，等. 新能源汽车产业及其技术发展现状与展望［J］. 科技导报， 2023， 41（5）： 49-59.
	HONG J C， LIANG F W， YANG J S， et al. New energy vehicle industry and technology development status［J］. Science & Technology Review， 2023， 41（5）： 49-59.
3	RUAN J， WALKER P， ZHANG N. A comparative study energy consumption and costs of battery electric vehicle transmissions［J］. Applied Energy， 2016， 165： 119-134.
4	YING L Y， SUN X N， CHU H， et al. Improvement of battery life and energy economy for electric vehicles with two-speed transmission［J］. Energies， 2020， 13： 3409-3427.
5	PENG Jiankun， ZHANG Hailong， LI Haonan， et al. Multi-parameter predictive shift schedule of automatic mechanical transmission for electric bus［J］. Proceedings of the Institution of Mechanical Engineers， Part D： Journal of Automobile Engineering， 2021， 236： 2138-2152.
6	高玮，邹渊，孙逢春. 纯电动公交车AMT双参数换挡最优控制［J］. 汽车工程， 2016， 38（3）： 344-349.
	GAO W， ZOU Y， SUN F C. Two-parameter optimal shifting control for the AMT of a battery electric bus［J］. Automotive Engineering， 2016， 38（3）： 344-349.
7	LIU X， DU J， CHENG X， et al. An adaptive shift schedule design method for multi-gear AMT electric vehicles based on dynamic programming and fuzzy logical control［J］. Machines， 2023， 11（9）： 915.
8	LIN X， LI Y， XIA B. An online driver behavior adaptive shift strategy for two-speed AMT electric vehicle based on dynamic corrected factor［J］. Sustainable Energy Technologies and Assessments， 2021， 48： 101598.

参数	数值
整车整备质量m/kg	1 635
风阻系数C_D	0.302
滚动阻力系数f	0.015
车轮半径r/m	0.31
迎风面积A/m²	2.19
旋转质量换算系数δ₁/δ₂	1.10/1.05

项目	数值
RMSE	0.342 1
MAE	0.256 3
相似度平均值	0.831 6

循环工况	换挡次数	SOC消耗/%	能耗/（kW?h）	1挡使用占比/%
CLTC	28	6.71	2.94	34.72
NEDC	18	4.87	2.14	30.34
HWFET	4	6.75	2.95	3.01
WLTC	30	12.43	5.37	37.44
ArtUrban	12	2.88	1.27	79.15
SC03	14	2.81	1.24	34.67
10-15	8	1.76	0.78	39.39

神经元数	Spread
神经元数	0.5	1	2	3
10	5.8×10^-4	1.7×10^-4	7.5×10^-5	9.1×10^-5
20	1.6×10^-4	7.2×10^-5	6.6×10^-5	6.5×10^-5
40	6.8×10^-5	6.7×10^-5	6.2×10^-5	6.3×10^-5
100	6.0×10^-5	6.1×10^-5	6.1×10^-5	6.3×10^-5

参数	数值
RMSE	0.475 1
MAE	0.394 7
相似度平均值	0.804 2