基于μ综合的PHEV模式切换协调控制

针对并联式混合动力汽车(Parallel Hybrid Electric Vehicle,PHEV)在行驶过程中易产生转矩波动,提出了基于综合的模式切换协调控制方法。通过对整车传动系统动力学分析,将PHEV从纯电动切换至发动机驱动过程分为离合器滑摩Ⅰ、离合器滑摩Ⅱ、转速同步和转矩协调4个阶段。基于μ综合鲁棒控制理论,对离合器滑摩Ⅱ和转速同步阶段,设计满足鲁棒约束条件的发动机转速跟踪控制器Ke;对转矩协调阶段,综合考虑系统各种干扰,设计鲁棒性能较优的电机转矩补偿控制器Km。最后,在Matlab/Simulink平台上进行了仿真分析,结果表明,所设计控制策略在模式切换过程中,与国家冲击度限制推荐值17.64 m/s~3相比,整车冲击度下降了10.64 m/s~3,有效保证了动力传递的平稳性。     

基于变等效因子的PHEV等效燃油消耗最小策略

针对一种并联式混合动力汽车(Parallel Hybrid Electric Vehicle,PHEV),基于庞特里亚金极值原理(Pon-tryagin’s Minimum Principle,PMP),在行驶工况已知前提下,设计了一种基于恒等效因子的等效燃油消耗最小控制策略(Equivalent Consumption Minimization Strategy,ECMS)。为改善该策略对工况变化的适应性,在分析等效因子、实际工况和电池荷电状态(State of Charge,SOC)相互关系的基础上,采用SOC惩罚函数对等效因子进行在线调整,得到了一种基于变等效因子的ECMS。仿真结果表明:所设计的基于变等效因子的ECMS,能够使发动机运行点大部分集中在最优曲线上,电池SOC波动较小,与基于恒等效因子的ECMS相比,发动机效率提高3%,整车系统效率提高0.5%,百公里耗油量降低4.5%,提高了对行驶工况的适应性。     

燃料电池混合动力汽车分层能量管理策略

针对燃料电池混合动力汽车中燃料电池、电池、超级电容的能量分配问题,提出一种分层能量管理策略。该策略分为上下两层,上层依据燃料电池效率、电池SOC值和需求功率,设计基于规则的控制策略,优化燃料电池的能量输出;下层依据电池和超级电容特性,设计滑动平均滤波算法,使电池平稳输出能量。最后,在UDDS+HWFET工况下对该策略进行仿真,结果表明,与Advisor自带能量管理策略相比,该策略能更合理地分配能量源的能量输出,燃料电池效率提升0.17%,氢气消耗量减少4.37%。     

PHEV电池电荷状态估计设计及仿真

电池管理系统(battery management system,BMS)是混合动力汽车(parallel hybrid electric vehicle,PHEV)能量管理系统中的核心组成部分,而其中电池电荷状态(state of charge,soc)则是PHEV控制策略中的重要参数.针对PHEV动力电池组SOC系统高度非线性和复杂性的特点,提出了一种基于改进的BP神经网络的HEV动力电池组的实时SOC估计,并对网络的收敛性进行了证明.利用大量PHEV动力电池组在行驶过程中充放电的数据样本,对神经网络进行网络训练并且进行仿真.结果表明,与传统离线SOC估计方法相比,能够有效地减小误差,提高电池SOC的精度.     

基于过重力补偿比例导引律的末端落角控制

为了保证导弹对目标大角度攻击的效果,设计了一种带有过重力补偿项的比例导引制导律。在二维平面内建立弹-目相对运动数学模型,在传统的比例导引律基础上,增加了过重力补偿项并将其作为补偿指令引入制导回路,从而建立了仿真模型,分析了投放条件和过重力补偿系数对制导系统的影响。仿真结果表明,此制导律可实现近似-90°的末端落角,达到期望的性能要求,证明该方法的正确性和有效性。     

ISG混合动力汽车模型预测控制能量管理策略

针对ISG混合动力汽车的能量管理问题,提出了一种控制车辆驾驶员行为的模型预测控制策略。首先由马尔可夫链预测车辆未来需求功率模型,对求得的需求功率模型结合驾驶员行为进行随机学习控制;运用动态规划算法以燃油消耗最小为目标进行滚动优化;最后在Advisor和Matlab/Simulink平台上搭建仿真模型。仿真结果表明:与逻辑门限控制策略相比,该控制策略能有效地改善ISG混合动力汽车燃油经济性,并具有良好的实时性。