针对车辆低速行驶的制动能量回收率低,频繁充放电影响动力电池寿命的问题,提出以电池荷电状态(state of charge,SOC)、制动强度、车速和制动间隔时间为输入,再生制动力分配系数为输出的纯电动汽车模糊控制再生制动策略。同时,采用遗传...针对车辆低速行驶的制动能量回收率低,频繁充放电影响动力电池寿命的问题,提出以电池荷电状态(state of charge,SOC)、制动强度、车速和制动间隔时间为输入,再生制动力分配系数为输出的纯电动汽车模糊控制再生制动策略。同时,采用遗传算法对控制参数进行优化。在Simulink中搭建控制策略模型,并在不同测试工况下与CarSim联合进行仿真,结果表明,相比于仅以电池SOC、制动强度和车速为输入的模糊控制再生制动策略,所提策略减少了制动能量回收次数,提高了制动能量回收率。该策略不仅可以改善对动力电池的损害情况,而且可以获得更多的制动能量。展开更多
为了提高纯电动汽车再生制动能量回收效率,同时保证车辆制动效果,提出了运用改进鲸鱼算法优化纯电动汽车再生制动模糊控制策略。引入电池荷电状态(State of Charge,SOC)、车速和制动强度作为模糊控制输入,以再生制动比例系数K作为输出,...为了提高纯电动汽车再生制动能量回收效率,同时保证车辆制动效果,提出了运用改进鲸鱼算法优化纯电动汽车再生制动模糊控制策略。引入电池荷电状态(State of Charge,SOC)、车速和制动强度作为模糊控制输入,以再生制动比例系数K作为输出,利用改进鲸鱼算法优化控制参数,从而提高前轴电机制动力占比。同时,改进鲸鱼算法的自适应权重避免了算法迭代过程中陷入局部最优。通过仿真分析验证了在NEDC工况下,优化后的模糊控制策略相比优化前和传统控制策略在提高能量回收效果的同时,也满足了制动的有效性。展开更多
文摘针对车辆低速行驶的制动能量回收率低,频繁充放电影响动力电池寿命的问题,提出以电池荷电状态(state of charge,SOC)、制动强度、车速和制动间隔时间为输入,再生制动力分配系数为输出的纯电动汽车模糊控制再生制动策略。同时,采用遗传算法对控制参数进行优化。在Simulink中搭建控制策略模型,并在不同测试工况下与CarSim联合进行仿真,结果表明,相比于仅以电池SOC、制动强度和车速为输入的模糊控制再生制动策略,所提策略减少了制动能量回收次数,提高了制动能量回收率。该策略不仅可以改善对动力电池的损害情况,而且可以获得更多的制动能量。
文摘为了提高纯电动汽车再生制动能量回收效率,同时保证车辆制动效果,提出了运用改进鲸鱼算法优化纯电动汽车再生制动模糊控制策略。引入电池荷电状态(State of Charge,SOC)、车速和制动强度作为模糊控制输入,以再生制动比例系数K作为输出,利用改进鲸鱼算法优化控制参数,从而提高前轴电机制动力占比。同时,改进鲸鱼算法的自适应权重避免了算法迭代过程中陷入局部最优。通过仿真分析验证了在NEDC工况下,优化后的模糊控制策略相比优化前和传统控制策略在提高能量回收效果的同时,也满足了制动的有效性。
