为改善增程式电动汽车(EREV)燃油经济性,提出一种基于多智能体MAS(multi-agent system)组网技术的增程式电动汽车能量管理策略。在Simulink环境中搭建EREV整车动力学模型,利用JADE(Java development framework)平台构建各动力部件智能...为改善增程式电动汽车(EREV)燃油经济性,提出一种基于多智能体MAS(multi-agent system)组网技术的增程式电动汽车能量管理策略。在Simulink环境中搭建EREV整车动力学模型,利用JADE(Java development framework)平台构建各动力部件智能体以实现组网,采用MAS组网技术对恒温器式能量管理策略进行改进,通过MACSimJX组件将动力部件多智能体组网系统与Simulink整车动力学模型连接,并在WLTC工况下进行仿真验证。仿真结果表明:与动态规划控制策略相比,MAS组网技术的整车节油率为3.3%,电能消耗高出1.7%,总能量消耗率减少1.4%;与传统电辅助控制策略相比,整车节油率为18.2%,电能损耗减少12.4%,总能量消耗率减少16.6%。MAS组网技术可以有效改善整车能量控制效果,并为混合动力汽车能量管理策略提供理论支撑和新的研究方法。展开更多
文摘为提升并联式混合动力汽车(parallel hybrid electric vehicle,PHEV)的燃油经济性,针对等效燃油消耗最小控制策略(equivalent fuel consumption minimum strategy,ECMS)在不同工况下适应性差的问题,以优化整车等效燃油消耗量为目标,设计基于工况识别算法的变等效因子ECMS能量管理策略。选取3类典型工况建立支持向量机分类模型,通过递归特征消除法对样本特征进行选择,采用鲸鱼算法对支持向量机进行参数优化,使用模拟退火算法分别对3类工况的ECMS等效因子进行离线全局最优求解,并分别存储于等效因子库中,通过训练好的支持向量机分类器对目标优化工况进行工况识别,不同类型的工况片段采用不同的等效因子进行转矩分配。仿真结果显示:相比于逻辑门限能量管理策略,基于工况识别算法的变等效因子ECMS能量管理策略的电池荷电状态(state of charge,SOC)变化量减少8.67%,节油率为13.11%;相比于优化前的ECMS策略电池SOC变化量减少3.47%,节油率约为6.63%。本文提出的基于工况识别算法的变等效因子ECMS能量管理策略可以有效地减少燃油消耗量,提升PHEV的整车经济性。
文摘为改善增程式电动汽车(EREV)燃油经济性,提出一种基于多智能体MAS(multi-agent system)组网技术的增程式电动汽车能量管理策略。在Simulink环境中搭建EREV整车动力学模型,利用JADE(Java development framework)平台构建各动力部件智能体以实现组网,采用MAS组网技术对恒温器式能量管理策略进行改进,通过MACSimJX组件将动力部件多智能体组网系统与Simulink整车动力学模型连接,并在WLTC工况下进行仿真验证。仿真结果表明:与动态规划控制策略相比,MAS组网技术的整车节油率为3.3%,电能消耗高出1.7%,总能量消耗率减少1.4%;与传统电辅助控制策略相比,整车节油率为18.2%,电能损耗减少12.4%,总能量消耗率减少16.6%。MAS组网技术可以有效改善整车能量控制效果,并为混合动力汽车能量管理策略提供理论支撑和新的研究方法。
