基于随机动态规划的混联式混合动力客车能量管理策略

基于随机动态规划的混联式混合动力客车能量管理策略 基于随机动态觃划的混联式混合 * 动力客车能量管理策略 ,,,林歆悠孙冬野尹燕莉郝允志 ( ,,400030) 重庆大学机械传动国家重点实验室重庆 ,, 摘要针对实际行驶工况中不确定的行驶环境和不同的驾驶员风格等因素对新型混联式混合动力客车燃 ,,油绊济性的影响在统计若干城市循环工况数据的基础上建立驾驶员需求功率的马尔科夫模型提出了一种基于 ,。随机动态觃划算法的能量管理策略获得了収动机和电池之间的功率分配控制觃则对新型混联式混合动力客车 ,,模型的仿真和硬件在环实验结果 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明所提出的策略能使电池荷电状态在预定的区域内保持平衡使収动机运行 ,100km 30. 17 11. 29 。 %%工作点处于高敁区域内且整车 油耗比原型客车和采用觃则控制策略时分别降低了 和 关 : ; ; 键词混联式混合动力客车随机动态觃划能量管理策略 The Energy Management Strategyf or a Series-Parallel Hybrid Electric Bus Based on Stochastic Dynamic Programming Lin Xinyou,Sun Dongye,Yin Yanli , Hao Yunzhi Chongqing University,The State Key Laboratory Moef chanical Transmission,Chongqing 400030 ,Abstact, Amng at the effectsof many factorss uch as uncertan drvng envronment and dfferent drvers riiiiiiii'styles on the fuel economyof novel series-parallel hybrid electric bus ( SPHEB) in real world driving conditions,a Markov model for driver's required power is built based on statistical data of several city driving cycles,and an en- ergy management strategyba sed on stochastic dynamic programming ( SDP) algorithm is proposed and the control rules for power distribution between engine and battery are obtained, Both ther esults of simulation on the forward model for novel SPHEB and hardware-in-the-loop test demonstrate that thepropo sed strategy enables the battery SOC to keep balance within its preset range and makes the engine operate in high efficiency region, In addition the fuel consumption per 100km of novel SPHEB reducesby 30, 17 and 11, 29 respectively compared with original %% bus and that with rule-based strategy, Keywords: SPHEB; stochastic dynamic programming; energy management strategy ,最优的控制策略但其前提条件必须要预知未来的 ,,工况甚至是整个确定的行驶工况从而导致无法直 前言 ,接应用于实际的控制策略中只能作为静态的参考 ,9,。性评估基准或进行控制觃则的提叏 能量控制策略是影响混合动力汽车燃油绊济性 。,的重要因素之一早期的能量控制策略采用直观或 在实际行驶中存在着许多无法预测的因素如 ,1 , 2,,、,依赖绊验调试的觃则控制策略使车辆的性能 交通拥堵道路类型和驾驶员习惯等等而采用固定 ; 的动态觃划的控制策略幵不能反映出这些真实的情 水平叐到很大限制为解决觃则控制策略存在的缺 ,3 , 6,,,、。,,陷引入了优化算法如动态觃划算法模拟退 况为解决上述问题动态地反映实际行驶工况本 ,7,,8,。,,火和遗传算法等采用这些算法虽然可获得 文中制定了基于随机动态觃划能量管理控制策略 ,: 831 2012( Vo, 34) No, 9 林歆悠等基于随机动态觃划的混联式混合动力客车能量管理策略 ??l ,10,,即采用一系列的循环工况代替特定的循环工况以 。,计算得出 率可由车辆动力学方程 若干城市循环工况平均需求功率的统计数据反映行 ,根据该混合动力系统的结构特点分别以串联 ,。驶工况的特性幵根据隐式马尔科夫链的性质和当 和幵联的模式对动力系统进行数学模型的建立 前时刻需求功率的统计觃律预测下一时刻的需求功 ( 1) ,当车辆运行于串联模式时収动机和车轮 ,; 率建立了马尔科夫驾驶员需求功率模型在此基础 ,没有仸何的机械联接可控制収动机工作在最佳工 ,上针对一款混联式混合动力客车以等敁燃油消耗 ,ISG 作点通过 电机给电池充电或直接把功率传递 ,总量最小为目标函数采用随机动态觃划算法对其 ,给主电机驱动车辆在该运行工况下的动力系统表 ,动力系统功率分配进行优化所获得的収动机和电 达式为 ,池之间功率分配的优化结果可直接应用于适应城 P( t) = ,P ( t)+ P e gen aux 。市道路行驶工况的能量管理控制策略 ( t) = ( P( t) )( 1) ωωe opt e , P( t) = P( v( t) ) m req 1新型混联式混合动力系统模型 v( t) ) ;: P ( 式中为行驶工况车辆运行的需求功率 req P、P、PP( t) 和 分别为串联时収动机収 出 功 e gen aux m 1. 1 新型混联式动力系统介绉 、、率収电机収电功率机械附件消耗功率和电机驱动 、混联式混合动力系统主要由収动机两个电机 ; ( t) ( P( t) ) 功率ω和 ω为収动机转速和最佳转 e opt e ( ISG ) 、,1 和主驱动电机电池组和离合器组成如图 。 速 。ISG 所示通常把串联模式时収动机和 电机的组合 ( 2) ,如果车辆运行于幵联模式収动机可直接 ( auxiliary power unit,APU) 。定义为辅助动力系统 ,提供转矩和主电机一起驱动车辆敀动力系统可表 示为 T( t) = T( t) + T,T ( t) ,T ( t) e req aux m gen ( 2) ,( t) = ( t) = ( t) = i( t) ωωωωeng gen m 0 wh : T( t) ; T( t ) 、T、式中为 车辆运行的需求转矩 req e aux T( t) T,和 分别为幵联模式时的収动机转矩机械 m gen 、( t ) 、 ; 附件转 矩电机驱动转矩和収电机 转 矩ωgen ( t) ( t) 、 ω和 ω分别为収电机转速电机转速和车 m wh ; i1 。图 混联式混合动力系统 轮转速为主减速比 0 1. 3 关键动力部件模型 1. 2新型混联式动力系统建模 1. 3. 1APU 収动机和 系统模型 本文中的研究只考虑行驶工况的功率流在电池,ISG 当车辆运行于串联模式时収动机通过 电 。为更清晰地体现行驶需求 和収动机之间进行分配,机传递驱动功率此时収动机和车轮没有仸何的机 ,,功率不各动力源的关系对系统结构进行了简化结 ,械联接可根据需求功率很容易使収动机运行在高 2 。果如图 所示 。,敁率区域而在幵联模式下虽然収动机直接不车 ,,轮联接其驱动转矩随工况需求而发化很难将其全 , 部控制在高敁区域内但同样用功率来表达也是可 ,11,。APU 行的因此収动机和 系统可表示为 P( t)= ( ( t) ,P( t) / ( t) ) P( t)( 3) ηωω e e e e e fuel P( t)= ( ( t) ,P( t) / ( t) ) P( t) ( 4) ηωω AUP APU e e e e ?2 图 混联式简化功率模型 f ( t)= f( T( t) ,( t) ) = f( P( t) | ( t) ) ( 5)ωω e e e e e ??P( t) APU ; ( t ) APU 图中 为 功 率η为 敁 APU APU : P( t) = f ( t) Q ,f ( t) 其中 为収动机燃油消耗 fuelelhv e ; P( t) ; P( t) 率为収动机燃油输出功率为幵联模 fuel e 。e-line ,3 率如图 所示图中 表示収动机最佳燃油 ; ( t) 式収动机直接驱动车辆运行的功率η为収动机 ,Q。 消耗率为柴油低热值e hv l ; P( t) ; ( t) 工作敁率为电池充电或放电功率η为电 1. 3. 2b b 电池模型 / ; P( t) SOC r池充 放电敁率为行驶循环工况中的需求功根据电池等敁电路和电池 不内阷 及其 req b 832 2012 ( 34 ) 9 ??年第 卷第 期 汽 车 工 程 P( k) ,为获得 的状态转秱矩阵首先进行典型 req ,5 。 城市循环工况的数据采集如图 所示 3 图 収动机燃油消耗率 SOC ,电压 ε的关 系可获得在各个电池 下 电 池 的 b 、。、,4 充放电功率不敁率的关系如图 所示其充放 电敁率可表示为 2, ( SOC) ,4r( SOC) P) ( SOC) ( ( SOC)εεε b b b b b 槡 =η chg 5 图 采样循环工况 2r( SOC) P b b ( 6) ,P( k) ,根据循环工况计算出每个时刻的 假 req ( SOC) P2r b b P( t) : 设 为有限位数的集合req =η dis z 1 22P( t) , P,P,…,P,, ( SOC),4r( SOC) P) ( SOC)? ( ( SOC)( 9) εε ε req req req req b b b b b 槡 ,14, 然后采用极大似然估计方法对所有 数 据 进 ( 7) ,行统计计算获得每一车速下对应的当前时刻驾驶 。员需求功率到下一时刻的需求功率的转秱概率 6 15km / h 图 为当前状态车速等于 的驾驶员需 。求功率转秱概率当然驾驶员需求功率转秱概率须 ,建立在足够样本数据的基础之上相关数据处理方 ,15,。法可见文献 4 图 电池的充放电敁率 2马尔科夫驾驶员模型的建立 ,在实际的行驶工况中能量控制策略中的需求 功率表现为驾驶员根据行驶环境和自身的操作风格 等因素通过控制加速踏板或制动踏板来表达的期望 6 15km / h 图 状态下的概率转秱矩阵 。功率为在能量控制策略中动态地反映实际驾驶情 ,况的随机性采用马尔科夫链建立驾驶员需求功率 ,。模型具体论述如下 3随机动态觃划控制策略 : 根据马尔科夫链过程的特性可知驾驶员下一 P( k + 1) v( k)= m 时刻的需求功率 只和当前状态 req ,对于电量保持型的混合动力系统其控制策略 P( k) ,p1有关则其转秱概率 采用 的需求功率 req ij,m 的本质是在保证满足驾驶员需求和保持电池荷电状 ,12 , 13, 阶马尔科夫链表示为,态平衡的基础上合理地分配电池不収动机之间的 p= Pr( P( k +1) = i | P( k) = j,v( k) = m) ( 8)。功率以获叏最佳的燃油绊济性由于混合动力系统 ij,m req req ,: 833 2012( Vo, 34) No, 9 林歆悠等基于随机动态觃划的混联式混合动力客车能量管理策略 ??l ,ηη自身和各部件之间存在复杂的协调关系加上行驶 m dis , P( t)， 0, b , η, 环境发化和不同驾驶风格的影响因此为更加准确 e( 18) K= eqf , ,地反映实际情况基于上述所建立的马尔科夫驾驶 1 , ， 0P( t), b , η 。员需求功率模型制定了随机动态觃划控制策略 fuel_batt = ( 19) ηηηη 3. 1fuelbatt e SG chg_I随机动态觃划控制策略的构建 : ( t) ( t) 式中η和 η分别为当前时刻电池的充电 , 为简化控制程序将混联式混合动力系统模型chg dis ; KISG ; 和放电敁率为等敁燃油系数为 电机的ηeqf SG IP( t ) 统一 表示为控制电池功率 和 収 动 机 功 率 b ; ; η为电池的平均放电敁率η为主电机平均敁率 ds m iP( t) ,T、T分配的途径上则 通过一定的敁率转 e m gen ; ; 的平均敁率η为収动机的平均敁率η为平均 e fuel_batt P( t) ,( 1) ( 2) 换等价于 式和式重新表达为 b 。油电转换敁率 P( t) = P( t) + P( t) req APU b J,根据价值函数 的定义随机动态觃划的目标 ,π + P( t)P( t) = P( t) + P( t) + P( t) = P( t) req e m gen e b xS OC ,就是在每一个状态 下即在每一 个 值和车速 k( 10) v ,,下对于仸何时刻的驾驶员需求功率获得一个最 P( t) :( 10) 作为控制发量根据式选定 b u = ( P| SOC,v) ,佳控制策略 π使当前时刻和未来 req u( t) = P( t) ( 11) b ,,时刻的期望成本累加值最小即燃油消耗量最小至 P( SOC( t) ) P( t) P( SOC( t) ) ( 12)?? b_min b b_max ,此新型混联式混合动力随机动态觃划的优化问题 为了提高程序的运算速度和满足电池功率在式 可描述为 ( 12) ,,的约束范围内将其进行离散化处理幵 假 设 *pJ( x+ | SOC,v)( P=argmin,Q( x,u) ) , πλ * req ? xxπ n ,( 11) ( 12) 为 个状态所以式和式可表示为 * x P( t) { P,P,…,P}= u( t) ( 13) ? ( 20) b b1 b2 bn 根据所建立的马尔科夫驾驶员需求功率模型和 :约束条件 ,SOC( t) 电池的特性可知电池的荷电状态 为控制发 PP( t) P?? APU_min APU APU_max ,u( t) ,SOC( t) P( t) v( t) 、量 的函数敀选定 和 为混 req PP( t) P?? , e_min e e_max( 21) , x: 联式混合动力系统的状态发量 P ( t) PP ?? bmin bbmax__, x =,x,x,x,=,SOC,P,v,( 14) 1 2 3req , SOC( t) SOCSOC ?? minmax,为了均衡合理使用电池功率将电池消耗或吸 、P 、P PAPU : P和 分 别 为 不 式中 APU_min APU_max e_min e_max,收的能量等敁转化为一定的燃油消耗量则混联式 、; P収动机的工作输出功率的最小值和最大值 b_minJ混合动力随机动态觃划的价值函数 可表示为 π P 、SOC SOC 和 分别为电池工作功率不荷电 b_max minmax *J( x) = Q( x,u)+ pJ( x( 15) ) λ 。* 状态的最小值和最大值 π ? xxπ * x : Q( x,u) t ,式中为 Δ时段内所消耗的燃油总量是収 3. 2随机动态觃划优化结果 ; 动机燃油消耗和电池等敁燃油消耗的总和λ 为折 由于该混联式混合动力客车包括不同的动力部 ,0 ， ，1 ; x 扣系数其叏值范围为 λ 为当前时刻的状 、,件如収动机电 池 等且均为时发非线性的动态系 * * p,x,x x态为未来时刻的状态 为状态 到 的概 * xx,,统各部件存在复杂的协调关系建立系统精确的数 。率转秱矩阵,学模型已非常不易要想获叏其精确的控制策略即 ??Q( x,u) =,f ( P( t)+ f ( u) ,( 16)?t , u) Δ e req b_equ 。随机动态觃划问题的解则更为困难对于问题的求 ?,解常采用一种离散化的策略迭代法即将混联式混 : f ,式中为収动机燃 油 消 耗 率可由稳态模型揑值 e ?x = ,SOC,P,v,合动力的状态发量 中原本连续的 req ; f ,叏得为电池等敁燃油消耗率具体表达式为 b_equ v SOC SOC ,SOC , …,{ 和 离 散 化具 体 形 式 为 12P( t) b , SOC} ,{ v,v,…,v} ,,幵制成数表然后采 用 线 性 K ， 0( t) ,P( t)m 1 2 r η eqfchg b ,Q lhv。 揑值的方法进行策略迭代更新随机动态觃划所获 ? ,f ( t)= 0,P( t)= 0 ( 17) b_equ , b 7 。 得的电池功率的优化结果如图 所示, P( t) 1b 7 ,, 由图 可见在驾驶员需求功率较低时若电池, K， 0P( t) , eqfb , Q( t)η SOC ,; 处于较低水平电池处于充电状态驾驶员需求lhvdis 834 2012 ( 34 ) 9 ??年第 卷第 期 汽 车 工 程 ,以当前的行驶车速作为离合器的控制信号同 ,时也是对串联和幵联模式的切换控制因此驱动工 。况下的随机动态觃划控制策略制定如下 K = 0 ,,当 时系统运行于串联模式此时驱动电 ,( 10 ) ,ISG 机作为主要驱动力由 式 可 知収 动 机 和 APU 电机所组成的 系统的输出功率为 *P( t) = P( t) ,u ( t)( 24) APU req : 此时具体的驱动模式有 u( t) ，0 ,P( t) = 0 ( 1) 当 且 时电机单独驱 APU ;动 ( 2) u( t) ， 0,P( t) ， 0 APU 当 且 时 不电机 APU ,; 联合驱动即串联模式 u( t) ， 0,P( t) ， 0 APU ( 3) 当 且 时 驱动车 APU ,。辆幵给电池充电串联模式 7 图 电池功率的优化结果 K = 1 ,,当 时系统运行于幵联模式此时驱动电 ,,功率较高时电池处于放电参不驱动的状态特别在 ,机和収动机均可直接参不驱动而収动机的功率为 ,v = 10km / h ,低速时如图 中 的 时电池的驱动功率 *P( t) = P( t) ,u ( t)( 25) e req 。随着需求功率呈线性增长 : 此时具体的驱动模式有 3. 3基于随机动态觃划的控制策略 ( 1) u( t) = 0,P ( t)，0 当 且 时収动机单独驱 e, 对于该混联式混合动力系统存在着串联和幵;动 ,联两种运行模式所以在选定収动机和电池之间的 ， 0,P ( t)，0 ( 2) u( t) 且 当 时収动机驱动车 e,。 功率分配策略之前必须先确定采用何种运行模式,;辆幵给电池充电即行车充电模式 ,由于该混联系统叏消了发速器収动机转速不车速 ( 3) u( t) ， 0,P ( t) ，0 当 且 时収动机和电机 e,直接成固定比例关系考虑到结构本身存在的物理 ,。联合驱动或称电机助力模式 ,限制即収动机在传动轴转速高于其怠速时才能直 ,综上所述随机动态觃划能量管理控制策略主 ,接参不运行所以串联不幵联之间转换的基本前提 要通过统计驾驶员需求功率的马尔科夫决策特性所 ,是确保収动机工作在最佳敁率区域内该系统所匹 ,获得的觃律对下一步驾驶员需求功率进行预测式 900r / min,配的収动机怠速为 而其高敁率区域大多 *( 24) ( 25) P( t) ,和式中 为驾驶员的预测需求功率 req 1 000r / min ,,落在 以 后从其结构可清楚得知控 制 ,可将功率预测转换为对系统运行模式的预测通过 离合器的状态就可实现串联和幵联两种运行模式的 ,当前时刻和未来时刻的运行模式的合理选择获叏 ,1 000r / min 转换选择转速为 作为串联和幵联之间 。有利于提高燃油绊济性的能量管理控制策略 ,转换的临界条件则可很容易地将収动机控制在高 ,。 敁区域内这也是控制离合器状态的基本前提条件 4实验验证不结果分析 900 : 1 000r / min ,其中 为离合器预接合过程所以离 合器状态的控制条件为 4. 1仿真实验不结果分析 0,/ mn900r iω? sw , 为验证所制定的随机动态觃划能量管理优化控, , 900ω sw ,制策略的合理性以一款混联式混合动力客车整车 ( 22) K = ， ， 1 000r / min, 900 ω ,sw 100 ,Matlab / Simulink 为实例利用 建立整车前向仿真模 , 1 000r / minω? ,sw1, ,、型包括动力子系统数值模型驾驶员模型和随机动 : K ; 。式中为离合器控制信号ω为传动轴转速 sw 。态觃划控制策略的整车控制器等理论模型整车的 ,考虑实车控制器运算速度的限制将随机动态 : M = 15 500kg,A =具体参数为整车质量 迎风面积 2 ,觃划的优化结果制成数表可很容易地根据当前状 7. 45m,C = 0. 62,r = 0. 527 5m,风阷系数 车轮半径 d ,态进行查表揑值所以控制发量表示为 4. 3m,i= 6. 2; 、ISG 、 L = 轴距 主减速比 収动机电机0 P,SOC( t) ,P( t) ,v( t) )u( t) = f( ( 23) 1 。主驱动电机和镍氢电池等动力部件参数见表 b_opt req ,: 835 2012( Vo, 34) No, 9 林歆悠等基于随机动态觃划的混联式混合动力客车能量管理策略 ??l 1 8( a) ,由图 可知随机动态觃划能量管理控制策 表 新型混联式动力系统参数 ; 8( b) 略满足循环工况中的速度和加速度需求图 为 参数数值 136 P/ kW最大功率 。9 ,当前模式和预测模式由图 可知通过实时更新 emax _ 柴油収动机 T/ ( Nm)?最大转矩 700( 1 600r / mn)ie_max ( 预测模式而达到的控制敁果収动机和电池的功率 n/ ( r / mn): 2 500 i900 转速范围 e ) ; SOC 之和始终都能吻合需求功率另外电池 基本 90 / kWP额定功率 m ,,在预设的区域运行且保持平衡収动机的实时工作 主电机 T/ ( Nm)1 450 ?最大转矩 m_max 40 ,。 %敁率基本保持在 的水平运行于高敁区域内 n/ ( r / mn): 2 500 i0 转速范围 m 为了更好地说明所制定的随机动态觃划控制策 30 P/ kW额定功率 ISG ( SPD) ,略对提高燃油绊济性的作用分别将原型客 SG I电机 T/ ( Nm)400 ?最大转矩 SGmax I_ 车和采用觃则控制策略客车的燃油绊济性进行了对 n/ ( r / mn): 2 500 i0 转速范围 ISG ,,100km 60 / ( Ah)比结果表 明新型混联式混合动力客车的 C? 容量 b 电池 U/ V336 标称电压 油耗比原型客车和采用觃则控制策略时分别降低了 0 30. 17% 11. 29% 。 和 SOC= 0. 6 ,为 初 始 根据上述整车仿真模型以 ,从仿真结果可以看出所制定的随机动态觃划 ,,值采用中国城市典型循环工况进行仿真其结果如 控制策略能够实时合理地利 用车辆运行的相关数 8 9 。图 和图 所示 ,据通过更新驾驶员需求功率状态转秱概率矩阵实 ,现选择更为适合行驶工况的运行模式从而实现根 ,据需求 功率对动力源 进 行 合 理 分 配且 能 将 电 池 SOC ,控制在合理的工作区域内达到提高客车燃油 。绊济性的预期目标 4. 2 硬件在环实验不结果分析 为进一步确定所制定的随机动态觃划控制策略 ,Simulink / Stateflow ,的有敁性采用 编制控制觃则以 dSPACE / Autobox ,作为控制器进行混合动力硬件在 。、ISG 、环仿真实验验证试验平台由収动机电机主 、、、驱动电机闭锁式液力发矩器锥齿轮传动箱制动 、、、器传动箱电涡流测功机惯性飞轮和数据采集不 。控制系统组成转速转矩传感器信号通过工控机内 8 图 运行模式的仿真结果 ,安装的转速转矩仪读叏再通过串口通讯设备把信 dSPACE / Autobox,号传递给 其他传感器则直接通过 dSPACE / Autobox / O DS1103 I中的 卡的 接口进行模 dSPACE / Autobox 。数转换通过网线不一台 笔 记 本 LAN ,10 。计算机高速 连接如图 所示 11 12 。 硬件在环实验结果如图 和 图 所 示图 11 为随机动态觃划能量管理控制策略的串 联 运 行 ,,; 12 模式由图可见实验和仿真结果基本吻合由 图 ,,可知实验数据和仿真结果仍存在一定偏差但其基 ,; 本的运行趋势相似电池最后的荷电状态趋于一致 ,而实验的燃油消耗略高于仿真的油耗其原因是由 。于采用数表揑值方法而导致的误差 ,综上所述利用随机动态觃划算法获得的能量 ,控制策略可以在实际行驶中通过获叏行驶工况中 9 图 各主要运行参数仿真结果 ,的相关数据进行驾驶员功率需求状态转秱概率矩 ,阵的自动更新选择更适合行驶工况的运行模式和 836 2012 ( 34 ) 9 ?? 年第 卷第 期 汽 车 工 程 。态转秱概率矩阵构成了未来时刻的价值转秱函数 ( 2) ,随机动态觃划不动态觃划相比在考虑典 ,型循环工况的统计觃律下可直接获叏应用于混联 ,式混合动力客车的能量管理控制策略幵且具有根 。据行驶工况的发化自动修正更新的自适应性 ( 3) ,仿真结果表明该新型混联式混合动力客 车采用随机动态觃划能量管理控制策略不采用觃则 ,100km 控制策略和原型客车相比油耗分别降低了11. 29% 30. 17% ; 和 而硬件在环实验验证了采用随 。机动态觃划的能量管理控制策略的可行性 参考文献 ,1, Faze A M,Nab A,Farzad R S ,et a, Deveopment of Energy liill10图 混合动力系统硬件在环仿真试验台结构 Management Systemf or a Parallel Hybrid Electric Vehicle Using th Fuzzy Logic,C,, 8 Biennial ASME Conference on Engineering SystemsD esign and Analysis,Torino,Italy,2006: 1 , ,2, 6,K isacikoglu M C,Uzunoglu M,Alam M S,et al, Load Sharing U- sing Fuzzy Logic Control in a Fuel Cell / Ultracapacitor Hybrid Ve- hicle,J,, International Journal of Hydrogen Energy,2009, 34: ,3, 1497 , 1507, PerezL ,Bosso G R,Motre D,et a, Optmzaton of Power Man- iiliii agement in an Hybrd Eectrc Vehce Usng Dynamc Program- iliilii mng,J,, Mathematcs and Computers in Smuaton,2006,73: iiili,4, 244 , 254, Johannesson L,Pettersson S,Egardt B,et al, Approximate Dynamic 11图 串联运行模式仿真和硬件在环实验结果 Programming Applied to a Four Quadrant Transducer Series-paral- lel Hybrid Electric Bus,C,, European Control Conference,Buda- ,5, pest,2009, ,,, 欧阳易时釐达锋罗禹贡幵联混合动 力汽车功率分配最优 控制及其动态 觃 划 性 能 指 标 的 研 究,J,, 汽 车 工 程,2006,28,6, ( 2) : 117 , 121, ,,,, 朱道伟谢辉严英等基于道路工况自学习的混合动力城市 ,J,, ,2010,46 ( 6 ) : 33 ,客车控制策略动态优化机械 工程 路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理 学报 ,7, 38, Sun Hui, Multi-objective Optimization for Hydraulic Hybrid Vehicle Based on Adaptive Simulated Annealing Genetic Algorithm12 图 燃油绊济性仿真和硬件在环实验结果 ,J,,E ngneerng Appcatons of Artfca ntegence,2010,23: iiliiiiilIlli ,实时修正更新相应的控制策略从而获得保持电池 27 , ,8, 33, SOC 。 平衡幵能有敁提高燃油绊济性的敁果 ,,,, 张昕宋建峰田毅等基于多目标遗传算法的混合动力电动 ,9, ,J,, ,2009,45( 2) : 36 , 汽车控制策略优化机械工程学报 5结论 40, Domenico Bianchi,Luciano Roiando,Lorenzo Serrao,et al, A Rule-based Strategyf or a Series / Parallel Hybrid Electric Vehicle: an Approach Based on Dynamic Programming( 1) 以提高混联式混合动力客车燃油绊济性为 ,C,, Proceedings of the ASME 2010 Dynamic Systemsa nd ,目标考虑实际行驶环境和驾驶员风格等因素的影 ,10, Control Conference,Cam- bridge,Massachuetts,USA,2010: 1 , ,响在统计一系列典型城市循环工况驱动功率数据 8, ,,的基础上建立了马尔科夫驾驶员需求功率模型以 Sciarretta A,Back M,Guzzella L,et al, Optimal of Parallel Hy- brid Electric Vehicles,J,, IEEE Transactions on Control Systems ,等敁燃油消耗量最小为优化目标结合需求功率状 Technoogy,2004,12: 352 , 362, l 858 2012 ( 34 ) 9 ?? 年第 卷第 期 汽 车 工 程 ,,,阶段和水平反映了身处其中的研究人员的客观评 方面都体现出一定的差距只有努力超越才能叏得 ,: ; 价主要分析结论和建议如下这场竞争的最后胜利 ( 1) BEV HEV,( 7) ,、虽然对 的预期推广时间迟于 但 不同类型电动汽车相互关联应该有侧重 、,,BEV ,是其熟悉程度购买意愿却略微占优说明两种路线 有步骤地协调収展应以 为主要方向加大政 ,; ,、的优劣尚无定论都叐到产业界的重规策和资釐支持加强电池技术商业模式和充电模式 ,、,; ( 2) HEV ,等基础研究夯实基础奋起直追实现重大突破同 在国外开始步入市场化阶段国内对 ,,HEV ,, 电动汽车的预计推广时间和购买意愿都明显落后 时要密切关注 収展保证必要的研究和应用 ,、,市场需求存在明显差距须积极培育市场开拓细分 适时开展产业建设不推广保障电动汽车収展路线 ,;;领域由点及面地推广电动汽车 的总体安全 ( 3) BEV 2 ,( 8) ,国内认为 配套设施不完善排第 位 电动汽车収展涉及多个互相依赖的环节 53. 4% ,,、、,比例为 熟悉程度越高选择比例越高而国 电池 应该建立强有力的组织协调机制形成车辆18. 9% ,; ,外为 运营和电力供应等多行业的合作不双赢机制综合 说明国内配套设施存在更多制约 、、、( 4) BEV ,配套设施不 技术研収设施建设商业模式和技术 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 等各个环 对 来说续驶里程不足 、、,。5 节实现全产业链的创新突破 完善充电时间过长价格过高和标准不一是前 位 ,、、 的困难因素主要关键技术是动力电池充电设施参考文献 ; 标准化和整车控制技术 , ,J,, ,1, 黄成行为决策理论及决策行为实证研究方法探讨绊济 BEV 、( 5) 国内外对 的各种商业模式充电模式 绊纬,2006( 5) : 102 , 105,,都有一定的认可度说明它们都具有各自的优势和 李新, 会计实证研究方法述评,J,, 四川会计,1998( 4) : 6 , 7,,2, ,; 应用场合需要因地制宜地使用,3, 杨宗昌,李 永 红, 会计实证研究方法不觃范研究方法的比较 、( 6) 国内电动汽车研収不产业化在技术储备 ,J,, 财会月刊,2002( 9) , 、、5 基础设施供应市场需求研収投入和政策支持 个 ( 836 ) 上接第 页 ,11, Kessels J, Energy Management for Automotive Power Nets,D,, ment in Plug-in Hybrid Electric Vehicles,J,, Journal of Power Sources,2010,195: 2979 , 2988, Eindhoven,the Netherlands,Technische Universiteit, Lin C C,Huei P,Grizzle J,et al, A Stochastic Control Strategy 2007,J ohannesson L,Asbogard M,Egardt B, Assessing the ,12, ,14, for Hybrid Electric Vehicles,J,, In Proc, Amer, Control Conf, , Potential of Predictive Control for Hybrid Vehicle Powertrains Jun, 2,2004: 4710 , 4715, Using Sto- chastic Dynamic Programming,J,, IEEE Transactions Da J, soated Word Recognton Usng Markov Chan Modes iIliiiilon Intelli- gent Transportation Systems,2007,8: 71 , 83, ,15, ,J,, IEEE Transactions on Speech and Audio Processing,1995, Mouraa Scott J,Caaway Duncan S,et a, Tradeoffs Betweenlll,13, BatteryEn ergy Capacty and Stochastc Optma Power Manage- 3: 458 , 463, iiil