当前位置：文档之家 › 基于遗传算法的纯电动轿车动力总成参数优化

基于遗传算法的纯电动轿车动力总成参数优化

  • 格式：pdf
  • 大小：383.97 KB
  • 文档页数：6

下载文档原格式

  / 6

合集下载

基于多目标遗传算法的增程式电动汽车动力系统参数匹配优化研究

基于多目标遗传算法的增程式电动汽车动力系统参数匹配优化研究

基于多目标遗传算法的增程式电动汽车动力系统参数匹配优化研究黄欣;陈凌珊;程伟;孙逸神;张晓杰【摘要】在完成增程式电动汽车(E-REV)动力匹配与性能仿真基础上,针对E-REV 动力系统参数匹配优化问题,以整车制造成本、汽车两种运行模式下等效百公里油耗以及百公里加速时间为目标,以驱动电机峰值功率、发动机额定功率以及电池能量为变量,设计了基于线性加权的多目标遗传算法;结果表明,适当牺牲汽车动力性可最大降低制造成本5.19％,并降低等效油耗9.61％以上;可以得出,通过改善匹配方案能进一步提高整车的动力经济性并降低制造成本,研究对E-REV市场推广及量产化具有重要意义.【期刊名称】《计算机测量与控制》【年(卷),期】2015(023)010【总页数】4页(P3539-3542)【关键词】增程式电动汽车;参数匹配;多目标优化【作者】黄欣;陈凌珊;程伟;孙逸神;张晓杰【作者单位】上海工程技术大学汽车工程学院,上海 201620;上海工程技术大学汽车工程学院,上海 201620;上海汽车集团股份有限公司前瞻技术研究部,上海201804;上海汽车集团股份有限公司前瞻技术研究部,上海201804;上海汽车集团股份有限公司前瞻技术研究部,上海201804【正文语种】中文【中图分类】U469.7增程式电动汽车（extended-range electric vehicle，EREV）在纯电动汽车的基础上搭载了增程器并配置合适大小的油箱，克服了纯电动汽车续驶里程短的缺陷，是作为混合动力向纯电动的一种平稳过渡［1］。

动力系统设计是E-REV在研发过程中的首要解决问题，良好的动力系统参数匹配，能满足E-REV动力性和续驶里程的要求。

目前针对E-REV参数匹配的研究一般以满足车辆的动力性为要求，而对参数匹配的优化研究较少，或在匹配的基础上选取单一目标进行优化。

吉林大学呼和在动力匹配的过程中考虑了燃油经济性［2］。

北京工业大学刘旭东、段建民利用遗传算法优化HEV匹配参数，进一步提高了整车的动力性并减少了排放［3］。

遗传算法在车辆动力学优化中的应用探究

遗传算法在车辆动力学优化中的应用探究

遗传算法在车辆动力学优化中的应用探究引言：车辆动力学优化是汽车工程领域的一个重要研究方向，它致力于提高汽车性能和燃油效率。

而遗传算法作为一种仿生优化算法，近年来在车辆动力学优化中得到了广泛应用。

本文将探究遗传算法在车辆动力学优化中的应用，并分析其优势和局限性。

一、遗传算法简介遗传算法是一种模拟自然进化过程的优化算法。

它通过模拟生物进化的遗传、变异和选择等过程，从而寻找到问题的最优解。

遗传算法包括选择、交叉和变异三个基本操作，通过不断迭代优化个体的基因组合，逐步逼近最优解。

二、遗传算法在车辆动力学优化中的应用1. 发动机调参发动机是汽车动力系统的核心，其性能直接影响车辆的动力和燃油效率。

遗传算法可以通过优化发动机参数，如点火时机、燃油喷射量等，提高发动机的燃烧效率和动力输出。

通过遗传算法的迭代过程，可以找到最佳的参数组合，从而实现最优化的发动机调参。

2. 车辆悬挂系统优化车辆悬挂系统对行驶的舒适性和操控性有着重要影响。

遗传算法可以通过优化悬挂系统的参数，如弹簧刚度、减振器阻尼等，提高车辆的悬挂性能。

通过不断迭代调整参数，遗传算法可以找到最佳的悬挂系统参数组合，从而实现车辆动力学的优化。

3. 车辆传动系统优化车辆传动系统决定了动力的传输效率和输出特性。

遗传算法可以通过优化传动系统的齿轮比、离合器控制策略等参数，提高车辆的动力输出效率。

通过遗传算法的迭代过程，可以找到最佳的传动系统参数组合，从而实现车辆动力学的优化。

三、遗传算法在车辆动力学优化中的优势1. 全局搜索能力：遗传算法具有较强的全局搜索能力，能够在复杂的参数空间中找到全局最优解，避免陷入局部最优解。

2. 适应性强：遗传算法能够根据问题的特性自适应地调整搜索策略，从而更好地适应不同的优化问题。

3. 并行计算能力：遗传算法可以通过并行计算的方式加速优化过程，提高计算效率。

四、遗传算法在车辆动力学优化中的局限性1. 计算复杂度高：遗传算法的计算复杂度较高，特别是在参数空间较大的问题中，需要耗费较长的计算时间。

基于遗传算法的纯电动卡车动力系统参数匹配及优化设计

基于遗传算法的纯电动卡车动力系统参数匹配及优化设计
２ ． Ｓ ｈ ｅ ｎ ｚ ｈ ｅ ｎ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ｏ ｆ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｓ ｈ ｅ ｎ ｚ ｈ ｅ ｎ Ｃ ｉ ｔ ｙ ， Ｇ ｕ ａ ｎ ｇ ｄ ｏ ｎ ｇ Ｐ ｒ ｏ ｖ ｉ ｎ ｃ ｅ ５ １ ８ １ ７ ２ ， Ｃ ｈ ｉ ｎ ａ ）
能要求和续驶 里程要求 ， 利 用遗传算 法优化传动 系传动 比， 并对得到 的优化结果予 以仿真 ， 仿真结果验证 了优
化 方 法和 优 化 结 果 的正 确性
［ 关键词 ］纯 电动卡车 ； 动力 系统 ； 参数 匹配 ； 优化设计
［ 中图分类号］Ｕ ４ ６ ９ ． ７ ２ ［ 文献标志码］Ａ ［ 文章编 号］１ ６ ７ ３ — ３ １ ４ ２ （ ２ ０ １ ４ ） ０ ２ — ０ ０ ３ ２ — ０ ５
Ｐａｒ ａｍｅ ｔ ｒ ｉ ｃ Ｍａ ｔ ｃ ｈｉ ｎｇ ａ ｎｄ Ｏｐｔ ｉ ｍａ ｌ Ｄｅ ｓ ｉ ｇ ｎ ｏ ｆ Ｅｌ ｅ ｃ ｔ ｒ ｉ ｃ Ｔｒ ｕｃ ｋ
ቤተ መጻሕፍቲ ባይዱＤｙ ｎ ａ ｍｉ ｃ Ｓ ｙ ｓ ｔ ｅ ｍ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｇｅ ｎ ｅ ｔ ｉ ｃ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ
ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ６ ７ ３ — ３ １ ４ ２ ． ２ ０ １ ４ ． ０ ２ ． ０ ０ ９
基于遗传算法 的纯 电动卡车动力系统 参数 匹配及优化设计
滑文 山 ， 邱今胜 ， 孙辉 安 ， 陈静
（ １ ． ２ ５ ５ ０ ４ ９山东省 淄博市 山东理工大学 交通与车辆工程学院 ； ２ ． ５ １ ８ １ ７ ２ 广东省 深圳市 深圳 信息职业技术学 院）

应用遗传算法进行汽车动力传动系统参数的优化

应用遗传算法进行汽车动力传动系统参数的优化

值 ； 果 ｃｒ 如 ｖ 大于 １说 明 目前 种群 正在 收敛 ， ， 不进 行 单纯形 操作 ， 否则 ， 种 群进行 单纯形 对 操作 。在选择 哪些 群体 做单纯 形运算 的问题 上， 我们首 先对种 群按适 应 值进 行 排队 ， 选择 中间 的 ３ ％进行 运 算 ， ０ 当然 这所 选 个数 应 为 ３的倍 数 。 （ ）约束 的处理 ４ 遗传算法 对 于约 束 的处 理 有很 多方 法 ， 其 中以罚 函数 法 最 为 简单 易用 ， 且 实 验结 而 果证 明对 于大 多 数 约束 类 型而 言 ， 函数法 罚
遗传 算法 优 化设 计 传动 系
敛慢 ， 易陷入局部 最优 等 缺点 井将 此算法 成功地运 用在汽 车动 力传 动 系统参数优化 上 。 吝
纯 形 算 子 ， 得 了较 好 的 实 算 效 果 。 取
ｌ 引 言
２ 改 进 的 ｉ 算 法 蠹传
动 力传 动 系 与 汽 车 使 用 工 况 匹 配 的 好 坏 直 接关 系 到汽 车 的 动 力 性 能 的 发 挥 和燃 油 经 济 性 的 改 善 。特 别 是 汽 车 驱 动 桥 速 比对 汽 车 动 力 性 ＋ 经 济 性 影 响 很 大 ， 动 桥 的速 比增 燃 驱 大 ， 以增 大 汽 车 的 后 备 功 率 ， 高 汽 车 的 加 可 提 （ ）杂 交 算 子 １ 杂 交算 子是 遗传 算 法 中的 主 要算 子 ， 简 单 遗 传 算 法 采 用 单 点 杂 交 ， 种 方 法 容 易 使 这 群 体早熟 ， 不利 于 群 体 的 多 样 性 ， 文 中 采 用 本 差 异 演 化 的 思 想 ， 计 新 的 杂交 算 子 。 设 差 分 演 化 葬 法 是 一 种 简 单 有 效 的 演 化 策 略 ， 的 主 要 思 想 是 将 两 个 个 体 的 差 值 加 权 它 与 第 三 个 个 体 之 和 作 为一 个新 的 个 体 ， 把 再

遗传算法在车辆动力系统优化中的应用案例

遗传算法在车辆动力系统优化中的应用案例

遗传算法在车辆动力系统优化中的应用案例车辆动力系统的优化一直是汽车工程领域的重要课题之一。

随着科技的发展，遗传算法作为一种智能优化方法，被广泛应用于车辆动力系统的设计与优化中。

本文将介绍一些遗传算法在车辆动力系统优化中的应用案例，展示其在提高汽车性能和燃油经济性方面的潜力。

1. 引言车辆动力系统优化的目标是提高汽车性能和燃油经济性，减少尾气排放。

遗传算法作为一种模拟自然选择和遗传进化的计算方法，可以在搜索解空间中找到最优解。

因此，它被广泛应用于车辆动力系统的优化中。

2. 发动机参数优化发动机是车辆动力系统的核心组成部分，其参数的优化对于提高汽车性能和燃油经济性至关重要。

遗传算法可以通过对发动机参数进行优化，找到最佳的参数组合。

例如，某汽车制造商希望优化某款车型的发动机参数，以提高其燃油经济性。

他们使用遗传算法来搜索最佳的进气道几何形状、燃烧室设计和喷油策略等参数。

通过对大量的参数组合进行评估和选择，遗传算法最终找到了一组优化的发动机参数，使得该车型的燃油经济性提高了10%。

3. 换挡策略优化换挡策略对于汽车性能和燃油经济性同样具有重要影响。

传统的换挡策略通常基于固定的转速和车速阈值，但这种策略往往不能最大化汽车的性能和燃油经济性。

通过遗传算法，可以优化换挡策略，使其更加智能化和个性化。

例如，一家汽车公司使用遗传算法来优化某款车型的自动变速器换挡策略。

遗传算法根据车速、转速、油门开度等参数，通过不断进化和选择，找到了最佳的换挡策略。

经过优化后，该车型的加速性能提高了10%，燃油经济性提高了5%。

4. 动力分配优化动力分配是指将发动机的输出功率合理地分配给车辆的各个驱动轮，以提高车辆的操控性和稳定性。

遗传算法可以通过优化动力分配策略，使得车辆在不同路况下表现更加出色。

例如，一家赛车车队使用遗传算法来优化赛车的动力分配策略。

遗传算法根据赛车的速度、转向角度、轮胎抓地力等参数，找到了最佳的动力分配策略。

基于遗传算法的电动汽车HESS功率优化分配

基于遗传算法的电动汽车HESS功率优化分配

度无法得到提升而限制其发展 。超级电容器
统，即锂离子电池（Bat）和超级电容（SC）混合使
（SC）是功率型器件，能瞬时大功率放电，但是储
用，称为复合式电源。复合式电源在不同的工作
存的能量较少。在此基础上提出结合这 2 种储能
状况下有不同的结构，分为 SC/Bat 结构、Bat/SC
［1］
基金项目：
国家自然科学基金（51677058）
况都是系统不希望出现的，应尽量避免，称为特
分层管理，建立能量管理系统输出功率和能量的
殊工作模式。另外 2 种工作模式是系统希望选
优化模型。由于该系统采用的是一种实时控
1.2%和 0.9%。
关键词：电动汽车；遗传算法；工作模式；混合储能系统；功率分配
中图分类号：
TM911
文献标识码：
A
DOI：
10.19457/j.1001-2095.dqcd18421
Optimization of HESS Power Allocation for Electric Vehicle Based on Genetic Algorithm
the experimental platform were built for simulation and verification. The results show that under EUDS and UDDS
scheduling，compared with traditional hysteresis control，the energy management using genetic algorithm can reduce
结构和混合式结构 3 种。混合式结构能在前两种
锂电池充电。只有当超级电容的 SOC 高于其最

基于改进遗传算法的汽车动力总成悬置优化设计

基于改进遗传算法的汽车动力总成悬置优化设计
景晖;李聪;刘夫云;匡兵
【期刊名称】《机械设计与制造》
【年(卷),期】2013(000)006
【摘要】动力总成悬置系统是汽车重要组成部分,需要对其隔振性能进行分析.对汽车动力总成悬置的进行了分析,利用能量法的基本原理对动力总成进行六自由度的解耦.在解耦计算的过程中,使用改进遗传算法对悬置系统进行六自由度解耦.采用“最优保存策略”来加快收敛速度,使用“补充策略”避免算法早熟.对某型号汽车的动力总成进行解耦设计计算,计算结果表明方法可以提高计算的精度和效率,减少动力总成振动耦合,有效降低汽车振动量级.
【总页数】3页(P131-133)
【作者】景晖;李聪;刘夫云;匡兵
【作者单位】桂林电子科技大学机电工程学院,广西桂林 541004;桂林航天工业学院机械工程系,广西桂林 541004;桂林电子科技大学机电工程学院,广西桂林541004;桂林电子科技大学机电工程学院,广西桂林 541004
【正文语种】中文
【中图分类】TH16;U46
【相关文献】
1.基于遗传算法的混合动力汽车动力总成悬置系统的优化设计研究 [J], 庄伟超;王良模;殷召平;叶进;吴海啸
2.改进的多岛遗传算法在动力总成悬置系统优化设计中的应用 [J], 沈忠亮;陈剑;蒋丰鑫
3.基于改进多岛遗传算法的动力总成悬置系统优化设计 [J], 沈忠亮;陈剑;胡倩
4.基于遗传算法的动力总成悬置系统优化设计 [J], 史振盛;张强;闫云乔;宋云平
5.基于TPA和遗传算法的动力总成悬置系统优化设计 [J], 潘公宇;付博文;王功强;陈清爽;朱瑞;李东
因版权原因，仅展示原文概要，查看原文内容请购买。

【CN109986973A】一种基于遗传算法的单级减速器动力总成匹配优化方法【专利】

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910112801.X(22)申请日 2019.02.13(71)申请人 南京越博动力系统股份有限公司地址 210019 江苏省南京市建邺区嘉陵江东街18号4栋410(72)发明人 李占江　高超　蒋元广　李麟　杨清宇　(74)专利代理机构 北京中海智圣知识产权代理有限公司 11282代理人 白凤武(51)Int.Cl.B60L 15/20(2006.01)(54)发明名称一种基于遗传算法的单级减速器动力总成匹配优化方法(57)摘要本发明公开一种基于遗传算法的单级减速器动力总成匹配优化方法，通过对对获取的整车参数进行整理进行整体电机的限值计算，设定为整体电机的下限值；并采用搭建基于基因遗传算法的整车参数优化模型，对整体电机的参数进行优化，实现对驱动电机参数，变速器参数的优化选型，使整车在满足动力性需求的同时可以提高驱动效率，增加续驶里程，并降低制造成本。

权利要求书2页 说明书4页CN 109986973 A 2019.07.09C N 109986973A权　利　要　求　书1/2页CN 109986973 A1.一种基于遗传算法的单级减速器动力总成匹配优化方法，其特征在于，包括如下步骤：步骤1：收集测试车辆的整车参数及动力性要求，对获取的整车参数进行整理，其中，动力性要求包括：爬坡度、0-50km/h加速时间、最高车速及30min最高车速；步骤2：将步骤1中获取的整车参数和不同的动力性要求导入动力学公式进行整体电机的限值计算；步骤2.1：通过整车参数及爬坡度求出满足车辆爬坡性能要求的最低整体电机的功率限值；步骤2.2：通过整车参数及0-50km/h加速时间求出满足车辆加速性能要求的最低整体电机的功率限值；步骤2.3：通过整车参数及最高车速求出满足车辆最高车速要求的最低整体电机的功率限值；步骤3：将不同的动力性要求得出的整体电机的限值的最大值设定为整体电机的下限值；步骤4：通过整车参数及最高车速求出满足最高车速要求的最低整体电机中电机的转速限值，将其设定为最低电机转速下限值；步骤5：根据步骤4中电机的转速限值求出需求的扭矩，作为最低整体电机中电机的扭矩的下限值；步骤6：搭建基于基因遗传算法的整车参数优化模型，并且在优化器中确定惩罚函数及目标函数的范围，采用基于NEDC、WTVC、等速40km/h、等速60km/h的仿真能耗值为目标的多目标加权系数法，对整体电机的参数进行优化；步骤7：对整体电机中电机的参数通过基因遗传算法优化；步骤8：通过现有蓝牌物流车型所使用的电机的峰值扭矩确定总成中电机所使用电机的峰值扭矩，将大电机的峰值扭矩除以总成中电机峰值扭矩得到速比值；步骤9：将得到速比值乘以整体电机峰值转速值，便可得到动力总成电机峰值转速；步骤10：通过电机峰值转速和电机峰值扭矩求出电机峰值功率；步骤11：将整体电机的峰值功率、峰值转速、峰值扭矩分别与各参数的额定系数相除，求出电机的额定功率、额定转速、额定扭矩；步骤12：将求得的动力总成中的电机参数填入仿真模型中，完成对单级减速器总成中电机参数、单级减速器速比的匹配优化。

基于遗传算法的汽车零部件优化研究

基于遗传算法的汽车零部件优化研究随着汽车工业的飞速发展，汽车零部件的设计和优化已经成为了汽车制造中不可或缺的一个部分。

汽车零部件的优化涉及到多个方面，例如重量、强度、稳定性、安全等。

传统的设计方法通常是基于工程师的经验和人工的试验，这种方法存在着效率低、成本高等问题。

为了解决这种问题，遗传算法成为了一种优化汽车零部件的有效方法。

本文旨在探讨基于遗传算法的汽车零部件优化研究的现状和未来发展方向。

一、基本概念遗传算法，又称进化算法，是模拟自然选择、遗传和变异的计算方法，属于人工智能领域中的优化算法。

它对于解决复杂问题具有很好的鲁棒性和实用性。

其基本思想来源于达尔文的进化论，模拟生物进化的过程，通过群体选择、交叉和变异等操作，从一组潜在的解决方案中逐步演化出满足要求的最优解。

二、汽车零部件的优化汽车零部件的优化包括以下几个方面：重量优化、强度优化、稳定性优化和安全优化。

其中，重量优化是最为重要的一项，因为它能够降低汽车的油耗和碳排放，并提高汽车的加速性和操控性。

然而，重量优化往往会导致零部件的强度和稳定性变差，这时候就需要进行强度和稳定性的优化。

同时，安全优化也是不可或缺的一项，它涉及到汽车零部件的碰撞、人员保护等多个方面。

三、基于遗传算法的汽车零部件优化研究现状基于遗传算法的汽车零部件优化研究已经得到了广泛的应用，并取得了很多的成果。

目前，研究主要集中在以下几个方面：（1）零部件几何形状优化在零部件几何形状优化中，遗传算法被用于寻找最佳的几何形状参数，以降低零部件的重量并满足强度和稳定性约束。

该方法主要解决单一优化目标的问题。

（2）多目标优化在多目标优化中，遗传算法被用于处理具有多个约束条件的优化问题。

欲求得最优解集合，该方法会引入多个目标函数，进而应用多目标遗传算法进行求解。

（3）材料优化在材料优化中，遗传算法被用于选取最佳材料及材料属性，以满足其中最小的质量、最大的强度和稳定性等限制条件。

该方法可以减少材料开销、提高材料的使用效益。

基于遗传算法和响应面法的电动汽车用永磁无刷电机转子结构优化设计

05+./%#. (C LAJNVHVBQ HPG0LJZ/SdBRLJ4B/VLJPJ<HLJ/C MBNJDC PBLA/M O/QVBQPHCBCLPHDCBLSQGNA0BNNP/? L/Q b'\' GNBM JC e.SHNBM /C DBCBLJRH0D/QJLAP K> HCM QBNV/CNBNGQOHRBPBLA/M *-' XHNVQ/? V/NBM2,AQ/GDA LAJNPBLA/M LABMBNJDC /Ob'\'O/Qe.RHC SBP/QBR/C4BCJBCLHCM BOOBRLJ4B XAJRA AHNH BTRB00BCLNJDCJOJRHCRBL/LABMB4B0/VPBCL/Oe.2YJQNL0I LABJCO0GBCRB/O.?NAHVBM PHDCBLQ/L/QNLQGRLGQB HCM JLNVHQHPBLBQ/C LABVBQO/QPHCRB/Ob'\' XHNJC4BNLJDHLBM2,ABC LABVQ/RBMGQBNL/MBNJDC .?NAHVBM PHDCBLQ/L/QNLQGRLGQB/OHb'\' XBQBVQBNBCLBM XAJRA R/CNJNL/OA/XL/MBLBQPJCBLABMBNJDC VHQHPBLBQN /SdBRLJ4BOGCRLJ/C A/XL/R/CNLQGRLHCM N/04BLAB*-' OGCRLJ/C HCM A/XL/RHQQI/GLLAB/VLJPH0MBNJDC SI K>2YJCH00I LAB/VLJPH0MBNJDC QBNG0LXHNHRUGJQBM XA/NBHRRGQHRIRHC SB4BQJOJBM SIYe'2 9"1 :2/;+ VBQPHCBCLPHDCBLSQGNA0BNNP/L/Q DBCBLJRH0D/QJLAP QBNV/CNBNGQOHRBPBLA/M Ye'
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

基于遗传算法的纯电动轿车动力总成参数优化
朱正礼, 殷承良, 张建武
(上海交通大学 机械与动力工程学院, 上海 200030)
摘 要: 基于动力传动系部件参数对纯电动轿车性能的影响, 利用遗传算法对纯电动轿车动力传 动系的主要部件进行了优化; 所有部件的模型均基于实际配置的纯电动轿车 (Q R EV ) 动力传动系 台架试验的试验数据. 优化结果与传统优化算法结果相比表明, 本文提出的算法是有效的, 能够提 高纯电动轿车的性能. 该算法已应用于实车动力传动系的参数设计. 关键词: 电动汽车; 动力传动系; 部件优化; 遗传算法 中图分类号: U 469. 72 文献标识码: A
v f—车辆在时间 tf 内从 0 加速到的最终高速, m s vmax—最大巡航车速, m s Α—坡度 Αg —爬坡度 ∆—旋转质量换算系数 Γm —电机及其控制系统的效率 ΓT —动力总成效率 Η—动力电池的温度, °C Θ—空气密度, kg m 2
由于环境污染、能源匮乏等问题日益严重, 电动 汽车 (E lect ric V eh icle, EV ) 正受到越来越广泛的关 注. 与普通内燃机汽车相比, 电动汽车可以实现零排 放与能源的合理利用, 其动力性指标也完全可以达 到内燃机汽车的要求. 但由于动力电池的能量密度 与燃油相比要小得多, 电动汽车的续驶里程比较短, 制约了电动汽车的推广普及.
电池作为能量存储设备向电机提供电能, 同时可以 接受外部充电和回馈的制动能量; 由于电机的工作 特性已接近汽车的理想特性, 故采用了单档变速箱; 电机通过变速箱驱动车轮. Q R EV 的整车参数有: C d = 0. 3, A = 2. 155 7 m 2, f = 0. 009, r= 0. 280 m , m gld= 655 kg, m car= 239 kg.
近年来, 关于纯电动汽车的研究主要集中在能 量存储系统 (如动力电池) 和电驱动系统的开发方 面[1]. 然而, 在动力电池和其他技术取得有效突破之 前, 对动力传动系部件的设计参数进行优化是提高 电动汽车性能的重要手段之一. 纯电动汽车动力传 动系部件的设计参数, 如电机功率、动力电池的容 量、动力电池的质量和变速箱的传动比等, 对电动汽 车的动力性、经济性和电池荷电状态 (SO C ) 等有显 著的影响.
文献[ 2 ]中根据电动汽车的动力性要求对动力 传动系主要部件的大小进行优化以最小化电动汽车 的质量, 而没有把动力性要求和续驶里程统一起来 考虑. 最近的研究显示[3], 把动力性、续驶里程 (经济 性指标之一) 作为设计指标而选择的动力传动系部 件对车辆整体性能的影响很大.
文献[ 4 ]中采用的优化方法对目标函数有较强 的限制条件, 如连续、可微、满足罗比塔法则等, 或采 用基于复梯度的优化方法作为响应面近似值、修改 容许方向的方法、顺序线性规划或顺序二次规划. 对 于非线性的部件优化问题, 与以前传统的优化方法 相比, 遗传算法具有鲁棒性、全局性的特点并十分适 合于并行 (超级) 计算机应用.
第 11 期
朱正礼, 等: 基于遗传算法的纯电动轿车动力总成参数优化
1909
进行再生制动; 当车辆运行且制动踏板作用时, 进行 再生制动, 能量回馈的幅度是车辆行驶速度的函数.
2 基于遗传算法设计动力传动系
设计纯电动汽车的目标是在不牺牲车辆动力性
指标的前提下最大限度地提高续驶里程, 即对于具 体的车辆, 需满足最大车速、加速性能和爬坡能力的
第 38 卷 第 11 期 2004 年 11 月
上海交通大学学报
JOU RNAL O F SHAN GHA I J IAO TON G U N IV ER S IT Y
文章编号: 100622467 (2004) 1121907206
V o l. 38 N o. 11 N ov. 2004
1908
上 海 交 通 大 学 学 报
第 38 卷
R d—动力电池模块的放电内阻, m 8 S d—续驶里程, km ta—0～ 100 km 的加速时间, s tf—车辆 0～ v f 的加速时间, s T m —电机的输出转矩, N ·m U b—动力电池模块的工作电压, V U b,m in—动力电池模块的最小电压, V U m ,m in—电机的最小工作电压, V v —车速, m s v b—与电机的基速 nmb相对应的车速, m s
+
a5
(C b - C b,m in ) 2 (C b,m ax - C b,m in ) 2
+
a 6
(N B - N ) B,m in 2
(N B,m ax -
N
)2
B , m in
+a7源自( ig - ig,m in ) 2 ( ig,m ax - ig,m in ) 2
ig —变速箱变速比 I d—电机的转动惯量, kg·m 2 Iw —车轮的转动惯量, kg·m 2 m —车质量, kg m car—货物质量, kg m gld—除去动力传动系统后的整车质量, kg m mod—动力电池模块的质量, kg N B —动力电池的模块数 P aux—附件系统的功率, kW Pm —电机的输出功率, kW r—车轮半径, m R c—动力电池模块的充电内阻, m 8
性能指标; 同时, 在某一具体行驶工况中尽可能提高 续驶里程. 本设计的目的是根据具体的动力传动系 配置、控制策略和行驶工况来选择部件, 这可以归结 为带约束的非线性规划问题, 用下列方程表示:
m in F (X )
X ∈8
(1)
s. t. g u (X ) > 0 u = 1, 2, 3, …
式 中: X = [ P m , N B , C b, ig ]T; 8 为解空间; g u (·) 为
本文基于实际配置的纯电动轿车Q R EV 动力 传动系台架的试验建立了动力传动系部件的数值模 型, 优化结果与传统优化算法相比表明, 本文提出的 优化算法是有效的, 能够提高电动汽车的性能.
1 纯电动轿车动力传动系的配置与控 制策略
1. 1 动力传动系的配置 Q R EV 动力传动系布置方式如图 1 所示. 动力
描述设计约束的非线性函数; F (·) 为描述设计目
标的目标函数.
本文选择遗传算法对部件进行优化并根据具体
的动力传动系和控制策略定义个体, 遗传算法在很
大的变化范围内根据进化原理进行优化; 最适合的
个体生存下来并进行复制, 不合适的个体被舍弃.
2. 1 遗传算法用于最优设计 本文中, 个体由基因 P m、N B、C b、ig 组成, 且这些
图 1 Q R EV 动力传动系的配置 F ig. 1 Configu ra tion of the pow ertra in fo r electric ca r
1. 2 控制策略 本研究中电机作为唯一的动力源驱动车辆运
行. 所有控制器之间的通信是通过 CAN 总线进行 的, 正常情况下整车系统可分为如下几种状态: 起 步、驱动和再生制动. 起步时, 由油门踏板和制动踏 板的位置决定电机的输出; 当车速为零, 制动踏板起 作用时, 电机不输出转矩; 当车速为零, 油门踏板起 作用时, 电机输出起步转矩. 正常驱动时, 根据主控 制器的指令, 电机按车辆需求的转向、转矩和转速运 行, 转矩的大小由油门踏板的开度控制. 再生制动 时, 电机控制单元根据主控制器的指令控制电机; 当 车辆运行并且油门踏板和制动踏板均不作用时, 不
收稿日期: 2003211211 作者简介: 朱正礼 (19742) , 男, 山东齐河县人, 博士生, 主要研究方向为纯电动汽车、混合动力电动汽车和汽车电子控制技术.
殷承良 (联系人) , 男, 研究员级高工, 电话 (T el. ) : 021262933772; E2m ail: clyin1965@ vip. 163. com.
符号说明:
A —迎风面积, m 2 C b—动力电池的额定容量, A ·h C d—空气阻力系数 D power—N iM H 动力电池的功率密度,W kg DOD —放电深度 e—单位距离消耗的能量, kJ km E —消耗的总能量, kJ f 0—滚动阻力系数 g —重力加速度, m s2 i0—主减速器的传动比
G e ne tic A lgo rithm B a s e d O p tim iza tion of E le c tric V e h ic le P ow e rtra in P a ram e te rs
ZH U Z heng 2li, Y IN C heng 2liang , ZH A N G J ian2w u (Schoo l of M echan ica l Eng. , Shangha i J iao tong U n iv. , Shangha i 200030, Ch ina)
A bs tra c t: T he effect s of design p a ram eters on the p erfo rm ance of an elect ric veh icle w ere p resen ted. B a sed on the dem and s of the p erfo rm ance, a genet ic2ba sed m ethodo logy of op t im izing the size of the p rincip a l ha rdw a re com ponen t s of elect ric veh icle w a s p resen ted. A ll the m odels of com ponen t s a re ba sed on the bench test resu lt s of a p ract ica l configu ra t ion of the pow ert ra in fo r Q R EV. Com p a red w ith the resu lt s of t rad it iona l op t im iza t ion m ethod s, the op t im iza t ion resu lt s in th is p ap er p rove to be m o re va lid, w h ich can con t ribu te to a sub stan t ia l im p rovem en t of the p erfo rm ace. T he op t im iza t ion a lgo rithm w a s app lied in the rea l veh icle and it is show n from the design and test ing tha t the op t im iza t ion a lgo rithm is p ract ica l. Ke y w o rds: elect ric ca rs; pow ert ra in; com ponen t s op t im iza t ion; genet ic a lgo rithm