摘要: 插电式混合动力汽车既能解决传统燃油汽车能耗高、污染严重等方面的问题，也能克服纯电动汽车续航里程的焦虑问题，因此成为了当前研究的热点。为充分发挥一款混合动力系统构型的性能潜力，制定合理的能量管理控制策略具有重要的作用。作为混合动力汽... 展开 插电式混合动力汽车既能解决传统燃油汽车能耗高、污染严重等方面的问题，也能克服纯电动汽车续航里程的焦虑问题，因此成为了当前研究的热点。为充分发挥一款混合动力系统构型的性能潜力，制定合理的能量管理控制策略具有重要的作用。作为混合动力汽车的核心技术之一，能量管理控制策略直接影响了车辆的动力性、燃油经济性与排放特性等，值得展开深入的研究。 本文在一种新型双模插电式混合动力系统DHS的基础上，着力完成了其全局最优能量管理策略的设计与改进。文章首先概括描述了DHS构型基于规则的逻辑门限能量管理策略的不足之处，找到改进的空间，之后利用动态规划算法与DHS的问题相结合，设计了一种需要提前知晓路况信息的动态规划能量管理策略。接下来针对其运算的实时性、实用性进行了改进。 对于实时性，本文简化了原动态规划能量管理策略的计算步骤，并对一些细节进行了流程上的优化，最终使得计算时长大大下降。经验证，改进后能量管理策略的纯电续航里程和百公里燃油消耗量均优于基于规则的逻辑门限能量管理策略,优化幅度为3%~10%左右，而个别路况的百公里燃油消耗量能优化20%左右。 对于实用性，动态规划控制策略运行前需要提前知晓整个路况的车速情况，因此本文对比研究了多种常用的车速预测算法，最终采用了马尔科夫模型进行预测，验证了在只需预先知道运行的路况类别的前提下，该算法对车速的预测效果较好，且应用到动态规划能量管理控制策略后，纯电续航里程和百公里燃油消耗量仍优于基于规则的逻辑门限能量管理策略，优化幅度与之前区别不大。 为了进一步提高实用性，本文接下来设计了LVQ神经网络对路况进行实时的自动识别，结合了马尔科夫预测算法后，仍然能较好的预测车速且无需提前知晓接下来运行的是什么路况。再之后，本文也验证了对于陌生的但与已训练路况相似的其它路况，以及对于完全陌生的路况，本文设计的LVQ神经网络配合马尔科夫预测算法依然能比其它常用的预测算法准确率更高。而结合到动态规划策略，大部分路况下也好于基于规则的逻辑门限策略，但优化幅度减少到了1%~8%左右，少数能达到19%。 最终，一种新的能量管理控制策略算法设计完成，只需要事先采集、训练一些常用的典型路况，就可以应用到常用路况、与常用路况相似的路况以及陌生路况，能自动完成对路况的识别和预测，并且控制策略的实时性和实用性均有所提高。 最后，本文对接下来的研究方向进行了讨论，为进一步优化车速预测效果、加快运行速度打下了基础。 收起