基于复合结构双转子电机的混合动力车能量管理策略研究.pdf

中文摘要 摘 要 近年来，能源和环境问题的压力使发展新能源汽车成了汽车工业的主流方向。 由于电池技术的局限和充电桩的尚未普及，纯电动汽车的发展还存在一定的限制。 而混合动力车作为燃油车向纯电动车的一个过渡，得到了全球各大汽车生产厂家 的青睐和重视，各种拓扑结构的混合动力车被源源不断地推向市场。在混合动力 车研发过程中，其能量管理策略是决定该款车型研发是否成功的关键，良好的能 量管理策略能很好地提高整车动力性能和燃油经济性。 复合结构双转子电机作为具有新型能量传输拓扑的动力分配装置，非常适合 应用于混合动力车这种工作模式复杂、功率传输形式多样的动力系统。本文以基 于复合结构双转子电机的混合动力车（Compound Structure Double-rotor Motor—Hybrid Electric Vehicle ，CSDM-HEV ）为研究对象，在介绍其工作原理、 运行模式的基础上，着重研究该款混合动力车的能量管理策略的优化问题。 首先，本文根据CSDM-HEV 的工作特点以及“专家经验”制定基于规则的优 化控制策略，并对该策略的优缺点进行研究分析。其次，为了追求车辆最优的燃 油经济性，本文提出等效燃油消耗最小控制策略（Equivalent Consumption Minimum Strategy, ECMS ）来对混合动力车的燃油消耗进行优化控制，并且在考虑电池组电 池荷电状态（State of Charge, SOC ）SOC 值变化对整车燃油经济性的影响后，在控 制模型中添加基于惩罚函数的电池组SOC 控制策略模块。 在理论分析的基础上，本文建立基于AVL/Cruise 和MATLAB/Simulink 的联合 仿真模型，并对ECMS 策略进行了仿真实验，其结果表明在NEDC 工况下，应用 ECMS 时整车的油耗相对于应用基于规则的控制策略时节省了8.97%，该结果验证 了本文所制定的ECMS 的有效性和正确性。此后，本文又针对ECMS 工作时计算 速度过慢的问题，选用Elman 神经网络算法对ECMS 进行优化，设计基于ECMS 的Elman 神经网络控制算法。对该算法的仿真结果表明经Elman 神经网络算法优 化后的ECMS 控制模型具有较快的计算速度，在NEDC 工况下经过神经网络优化 后的ECMS 的计算速度提高了92.2%，极大地增强本文所提出的ECMS 的实用性。 最后，本文在装载了复合结构双转子电机的测试台架上对基于ECMS 的Elman 神 经网络控制算法进行实验，实验结果表明该算法具有较强的可行性。 关键词：混合动力车；复合结构双转子电机；瞬时优化能量管理；等效燃油消耗 最小控制策略；Elman 神经网络 I 英文摘要 Abstract In recent years, the pressure of energy and environmental issues has made the development of new energy vehicles the mainstream of the automotive industry. Due to the limitations of battery technology and the prevalence of charging piles, there are still some restrictions on the development of pure electric vehicles. Hybrid electric vehicle (HEV), as a transition between fuel vehicles and pure electric vehicles, have been favored and valued by major automobile manufacturers around th