基于遺傳算法的電動汽車換擋策略優(yōu)化

基于遺傳算法的電動汽車換擋策略優(yōu)化

為盡可能縮小電機尺寸、降低汽車總能量消耗，使電機更多地工作在高效區(qū)域，裝備變速器的電動汽車應用越來越廣。盡管針對傳統(tǒng)內(nèi)燃機汽車換擋策略的優(yōu)化研究已有很多，但是因為電動汽車是零排放且能夠?qū)崿F(xiàn)能量再生，因而不能將傳統(tǒng)內(nèi)燃機汽車換擋策略的研究成果直接應用在電動汽車上。提出了一種利用非支配排序遺傳（NSGA-II）算法優(yōu)化電動汽車換擋策略，改善電動汽車能量消耗。

NSGA-II算法是一種啟發(fā)式搜索多目標優(yōu)化算法，該算法能夠降低非劣排序遺傳算法的復雜性，具有運行速度快、解集收斂性好等優(yōu)點。優(yōu)化時，首先在Matlab中建立汽車動力學模型、電池模型、電機模型、傳動系統(tǒng)模型等并集成；之后將電機整體效率和整車性能作為優(yōu)化目標，將加速性和爬坡性作為整車性能的評價指標，將汽車基本行駛動力性和電池的荷電狀態(tài)作為約束條件。采用市區(qū)駕駛循環(huán)工況（UDDS）作為優(yōu)化時的循環(huán)工況。使用NSGA-II算法優(yōu)化時，根據(jù)駕駛循環(huán)工況的需求，對電動汽車的換擋策略進行實時調(diào)整。為分析能量再生策略對換擋優(yōu)化策略的影響，共進行兩次優(yōu)化：一次模擬電動汽車使用能量再生策略；另一次則不使用。優(yōu)化結果表明，通過對換擋策略的優(yōu)化，能夠改善電動汽車的能量消耗；不采用能量再生策略時電動汽車的能量消耗改善了1.21%，而采用能量再生策略時電動汽車的能量消耗則改善了5.02%。

Vinod Saini et al. SAE 2016-01-9141.

編譯：王淼