電動(dòng)車輛控制參數(shù)自動(dòng)優(yōu)化標(biāo)定系統(tǒng)的研究及驗(yàn)證

高建平 余佳衡 孟 垚 郗建國

河南科技大學(xué)車輛與交通工程學(xué)院，洛陽，471003

0 引言

電動(dòng)車輛動(dòng)力系統(tǒng)控制策略對(duì)提高整車燃油經(jīng)濟(jì)性和動(dòng)力性具有顯著作用[1]?，F(xiàn)階段主要利用V型開發(fā)模式對(duì)電動(dòng)車輛控制策略進(jìn)行開發(fā)，有效地縮短了開發(fā)周期[2]。多能源電動(dòng)車輛至少具有2個(gè)動(dòng)力源，控制策略較復(fù)雜，因此控制策略參數(shù)優(yōu)化標(biāo)定系統(tǒng)對(duì)參數(shù)開發(fā)周期及成本具有重大影響。

要提高控制策略的開發(fā)效率，須對(duì)參數(shù)標(biāo)定方法、標(biāo)定效果的評(píng)價(jià)指標(biāo)、臺(tái)架標(biāo)定試驗(yàn)等進(jìn)行深入研究。段本明[3]、高建平等[4]對(duì)控制參數(shù)工況適應(yīng)性的標(biāo)定進(jìn)行了研究，提高了燃油經(jīng)濟(jì)性，但參數(shù)標(biāo)定只能達(dá)到基本的動(dòng)力性指標(biāo)。李軍等[5]利用全局優(yōu)化算法進(jìn)行控制參數(shù)優(yōu)化，通過加權(quán)法將多目標(biāo)優(yōu)化轉(zhuǎn)化成單目標(biāo)優(yōu)化，但該方法不能保證多個(gè)指標(biāo)之間的均衡性。以上研究只是仿真研究，沒有通過試驗(yàn)驗(yàn)證。汪春華等[6]、胡嘉[7]提出了基于CCP(CAN calibration protocol)協(xié)議的控制參數(shù)標(biāo)定系統(tǒng)，可實(shí)現(xiàn)標(biāo)定過程中的參數(shù)監(jiān)控和數(shù)據(jù)分析，但需工程師手動(dòng)選取參數(shù)，且不能快速找到最優(yōu)參數(shù)值。針對(duì)電動(dòng)車輛的優(yōu)化標(biāo)定研究基本是依據(jù)整車燃油經(jīng)濟(jì)性，對(duì)控制參數(shù)進(jìn)行離線優(yōu)化標(biāo)定的仿真，雖然簡(jiǎn)便快捷，但精準(zhǔn)度比實(shí)時(shí)仿真低。實(shí)時(shí)仿真需要人員在線調(diào)整和計(jì)算，效率較低，且受試驗(yàn)條件的限制，模型精度有待驗(yàn)證。

基于上述問題，筆者以插電式混合動(dòng)力汽車(pulg-in hybrid electric bus，PHEB)為研究對(duì)象，利用正交試驗(yàn)對(duì)PHEB控制參數(shù)進(jìn)行試驗(yàn)和影響度分析，選取對(duì)綜合評(píng)價(jià)指標(biāo)影響較大的控制參數(shù)。采用Isight、dSPACE等工具和優(yōu)化算法，開發(fā)電動(dòng)車輛控制參數(shù)自動(dòng)優(yōu)化標(biāo)定仿真系統(tǒng)，代替人工參數(shù)調(diào)整和數(shù)據(jù)分析。最后利用CCP協(xié)議將優(yōu)化后的控制參數(shù)標(biāo)定至整車控制器，并對(duì)優(yōu)化后的控制參數(shù)進(jìn)行臺(tái)架試驗(yàn)。

1 PHEB構(gòu)型及控制參數(shù)選取

1.1 PHEB構(gòu)型及控制策略

本文以11.5m插電式混合動(dòng)力公交車為應(yīng)用對(duì)象，動(dòng)力系統(tǒng)部件主要有發(fā)動(dòng)機(jī)、行星排、電機(jī)、2擋變速器，在Cruise中搭建整車動(dòng)力學(xué)模型，動(dòng)力系統(tǒng)結(jié)構(gòu)原理如圖1所示，整車基本參數(shù)如表1所示。

圖1 插電式混合動(dòng)力系統(tǒng)結(jié)構(gòu)Fig.1 Plug-in hybrid power system structure

表1 整車參數(shù)

混合動(dòng)力系統(tǒng)采用發(fā)動(dòng)機(jī)最優(yōu)工作曲線控制策略，其基本控制思想是將發(fā)動(dòng)機(jī)工作效率控制在最小燃油消耗率點(diǎn)上，能有效提高整車的燃油經(jīng)濟(jì)性和動(dòng)力性[8]。在Simulink中搭建轉(zhuǎn)矩分配控制策略模型，控制策略分為電量消耗(charging depleting，CD)階段和電量維持(charging sustaining，CS)階段，轉(zhuǎn)矩分配如表2所示。

表2 整車轉(zhuǎn)矩分配表

1.2 多指標(biāo)歸一化處理

整車燃油經(jīng)濟(jì)性指標(biāo)選取整車百千米綜合油耗，根據(jù)混合動(dòng)力電動(dòng)汽車動(dòng)力性能的國家標(biāo)準(zhǔn)，選取4個(gè)動(dòng)力性指標(biāo)：0～50 km/h加速時(shí)間、最高行駛車速、15 km/h的最大爬坡度、最大爬坡度。

改進(jìn)的雷達(dá)圖法是一種具體、形象、易于操作且評(píng)價(jià)結(jié)果具有唯一性的綜合評(píng)價(jià)方法[9]，非常適合對(duì)優(yōu)化標(biāo)定效果進(jìn)行評(píng)價(jià)。改進(jìn)雷達(dá)圖法計(jì)算原理如圖2所示，其基本步驟如下：

圖2 改進(jìn)雷達(dá)圖方法示意圖Fig.2 Improved radar chart method diagram

(1)指標(biāo)標(biāo)準(zhǔn)化。設(shè)5個(gè)指標(biāo)xm,1～xm,5，其中，m表示第m次優(yōu)化標(biāo)定，則xm,n歸一化后的值為

(1)

式中，xn_min、xn_max分別為第n個(gè)指標(biāo)的最小值和最大值。

(2)特征指標(biāo)的提取。分別提取改進(jìn)雷達(dá)圖圖形的面積和周長(zhǎng)作為特征指標(biāo)，它們的計(jì)算公式分別為

(2)

式中，Am為第m次優(yōu)化結(jié)果的扇形面積之和；Lm為第m次優(yōu)化結(jié)果的扇形周長(zhǎng)之和；k為評(píng)價(jià)指標(biāo)個(gè)數(shù)。

(3)構(gòu)造評(píng)價(jià)函數(shù)。首先根據(jù)特征值與總體水平和各指標(biāo)均衡性的特性構(gòu)造評(píng)價(jià)指標(biāo)：

(3)

其中，A為Am中的最大值；vm1為第m次優(yōu)化標(biāo)定的面積評(píng)價(jià)值，vm1越大，該評(píng)價(jià)對(duì)象的總體水平越高，反之越低；vm2為第m次優(yōu)化標(biāo)定的周長(zhǎng)評(píng)價(jià)值，vm2越大，該評(píng)價(jià)對(duì)象均衡程度越好，反之越差。然后根據(jù)評(píng)價(jià)向量與綜合水平和指標(biāo)均衡性的特性，構(gòu)造標(biāo)定效果的綜合評(píng)價(jià)指標(biāo)函數(shù)：

(4)

0 ≤f(vm1,vm2)≤1且f(vm1,vm2)越大，各指標(biāo)的綜合性能越好。

1.3 關(guān)鍵控制參數(shù)的選取

將發(fā)動(dòng)機(jī)工作在最優(yōu)區(qū)域作為控制策略的核心思想，因此發(fā)動(dòng)機(jī)和電機(jī)的能量分配將直接影響整車燃油經(jīng)濟(jì)性和動(dòng)力性。選取13個(gè)對(duì)綜合評(píng)價(jià)指標(biāo)影響較大的控制參數(shù)作為個(gè)正交試驗(yàn)因素[10]，13個(gè)試驗(yàn)因素的代號(hào)及名稱如表3所示。利用正交試驗(yàn)分析出各個(gè)控制參數(shù)對(duì)綜合評(píng)價(jià)指標(biāo)影響度的大小。

表3 正交試驗(yàn)設(shè)計(jì)因素和水平

在Isight軟件中建立正交試驗(yàn)組件(DOE1)，分別輸入13個(gè)試驗(yàn)因素和試驗(yàn)水平值進(jìn)行正交試驗(yàn)，正交試驗(yàn)?zāi)Ｐ腿鐖D3所示。

圖3 正交試驗(yàn)?zāi)Ｐ虵ig.3 Orthogonal experimental model

表4 極差分析試驗(yàn)結(jié)果

根據(jù)各個(gè)控制參數(shù)的極差對(duì)綜合評(píng)價(jià)指標(biāo)的影響進(jìn)行排序(見表5)，選取前3個(gè)主要控制參數(shù)(發(fā)動(dòng)機(jī)最優(yōu)工作上限修正系數(shù)(因素F)、電機(jī)工作荷電狀態(tài)下限值(因素C)和純電動(dòng)行駛功率上限值(因素H))作為標(biāo)定參數(shù)。

2 優(yōu)化標(biāo)定仿真系統(tǒng)

2.1 控制參數(shù)優(yōu)化模型

電動(dòng)車輛動(dòng)力系統(tǒng)參數(shù)優(yōu)化是一個(gè)復(fù)雜、多自由度的有約束非線性優(yōu)化問題，數(shù)學(xué)模型如下：

(5)

2.1.1優(yōu)化目標(biāo)

由式(4)可知，綜合評(píng)價(jià)指標(biāo)能反映優(yōu)化標(biāo)定效果的整體水平和各指標(biāo)的均衡性，其值越大，優(yōu)化標(biāo)定效果越好，因此，將多指標(biāo)歸一化后的綜合評(píng)價(jià)指標(biāo)作為優(yōu)化標(biāo)定目標(biāo)函數(shù)：

f=f(vm1,vm2)

(6)

百公里綜合油耗由發(fā)動(dòng)機(jī)油耗和電動(dòng)機(jī)電耗共同決定，所以將電動(dòng)機(jī)電耗等效成油耗進(jìn)行計(jì)算[11]：

ffule=f1+f2/3.02

(7)

式中，ffule為百公里綜合油耗；f1為百公里油耗；f2為百公里電耗。

2.1.2約束條件

本文研究的電動(dòng)車輛控制參數(shù)優(yōu)化標(biāo)定約束條件是工況跟隨誤差，即車速誤差的最大絕對(duì)值小于等于3 km/h。

2.2 控制參數(shù)優(yōu)化標(biāo)定仿真系統(tǒng)

自動(dòng)優(yōu)化標(biāo)定仿真系統(tǒng)由軟硬件組成，軟件部分包括Isight優(yōu)化軟件、MATLAB/Simulink控制策略軟件、Cruise整車模型軟件、ControlDesk實(shí)時(shí)監(jiān)控軟件，硬件部分包括dSPACE控制器、計(jì)算機(jī)等。

CntrolDesk是dSPACE控制器中的一款試驗(yàn)工具軟件，可對(duì)優(yōu)化標(biāo)定過程中的試驗(yàn)數(shù)據(jù)進(jìn)行監(jiān)控，實(shí)時(shí)查看優(yōu)化標(biāo)定效果。多島遺傳算法具有較高的優(yōu)化速度，避免出現(xiàn)過早收斂[12]。Isight優(yōu)化模型如圖4所示，在optimization組件中輸入多島遺傳算法，在MATLAB、MATLAB1、MATLAB2組件中寫入控制參數(shù)標(biāo)定的milb程序及Interface啟動(dòng)程序，Data Exchanger、Data Exchanger1、Data Exchanger2組件是分別找到的試驗(yàn)結(jié)果文件數(shù)據(jù)，MATLAB3組件對(duì)各指標(biāo)標(biāo)準(zhǔn)化處理、標(biāo)定效果的綜合評(píng)價(jià)指標(biāo)和百千米綜合油耗等計(jì)算程序編寫。

圖4 Isight控制參數(shù)優(yōu)化模型Fig.4 Isight control parameter optimization model

CAN通信方式可以減少線束和硬件接口，提高控制效率和穩(wěn)定性[13]。dSPACE控制器與計(jì)算機(jī)采用CAN通信，通過RS232硬件接口與CANcasexl設(shè)備連接，CANcasexl轉(zhuǎn)USB接口可以直接連接到計(jì)算機(jī)上。Simulink實(shí)時(shí)仿真工具箱(real-time-workshop，RTW)模塊可與dSPACE控制器中RTI(real-time-interface)模塊實(shí)現(xiàn)無縫連接，將Simulink控制策略模型自動(dòng)生成的C代碼下載到硬件系統(tǒng)中。Cruise通過對(duì)Interface接口進(jìn)行I/O配置和dSPACE控制器連接。自動(dòng)優(yōu)化標(biāo)定平臺(tái)實(shí)物如圖5所示。

圖5 電動(dòng)車輛參數(shù)自動(dòng)優(yōu)化標(biāo)定仿真系統(tǒng)Fig.5 Automatic optimization calibration andsimulation system for electric vehicle parameters

優(yōu)化標(biāo)定測(cè)試時(shí)，3個(gè)優(yōu)化標(biāo)定參數(shù)的取值分別在各自的水平1和水平3之間。由于道路工況對(duì)整車控制參數(shù)的影響較大[14]，因此采用鄭州公交車構(gòu)建的實(shí)際工況作為測(cè)試工況，如圖6所示。

圖6 測(cè)試工況Fig.6 Test conditions

3 優(yōu)化標(biāo)定仿真結(jié)果分析

利用多指標(biāo)歸一化的自動(dòng)優(yōu)化標(biāo)定系統(tǒng)對(duì)關(guān)鍵控制參數(shù)進(jìn)行優(yōu)化標(biāo)定測(cè)試。圖7所示為500次控制參數(shù)優(yōu)化標(biāo)定仿真結(jié)果，可以看出，隨著優(yōu)化算法逐步尋優(yōu)，綜合評(píng)價(jià)指標(biāo)值也在增大，這說明燃油經(jīng)濟(jì)性和動(dòng)力性指標(biāo)隨標(biāo)定次數(shù)增大而提高。由圖8可以看出，隨著優(yōu)化標(biāo)定次數(shù)的增大，百千米綜合油耗逐步向最低油耗逼近，在第500次優(yōu)化時(shí)，優(yōu)化算法搜索到最低油耗24.23 L，因此選用第500次優(yōu)化標(biāo)定作為試驗(yàn)結(jié)果，標(biāo)定前后的參數(shù)有明顯的差異，如表5所示，表中，x1為百千米綜合油耗。

圖7 自動(dòng)優(yōu)化標(biāo)定仿真結(jié)果Fig.7 Automatic optimization calibrationsimulation results

圖8 自動(dòng)優(yōu)化標(biāo)定油耗結(jié)果Fig.8 Automatic optimization of calibration fuelconsumption results

表5 優(yōu)化前后的參數(shù)

圖9 加速性能仿真Fig.9 Acceleration performance simulation

圖10 爬坡性能仿真Fig.10 Simulation of climbing performance

由圖9、圖10可以看出，整車加速性能和爬坡性能指標(biāo)均有所提高，標(biāo)定后的0～50 km/h加速時(shí)間為10.1 s，較標(biāo)定前縮短了1.5 s；標(biāo)定后的最高車速為87.2 km/h，較標(biāo)定前提高了6.7 km/h；標(biāo)定后的整車最大爬坡度為17.6%，較標(biāo)定前提高1.9%；標(biāo)定后15 km/h的爬坡度為16.8%，較標(biāo)定前提高2.2%。加速工況與爬坡工況動(dòng)力源工作情況類似，車速小于20 km/h時(shí)，電機(jī)2單獨(dú)驅(qū)動(dòng)工作，對(duì)純電動(dòng)行駛功率上限(因素H)優(yōu)化標(biāo)定可提高起步階段的動(dòng)力性能；車速大于20 km/h時(shí)，發(fā)動(dòng)機(jī)進(jìn)入工作狀態(tài)，通過對(duì)發(fā)動(dòng)機(jī)最優(yōu)工作上限修正系數(shù)(因素F)優(yōu)化標(biāo)定可提高發(fā)動(dòng)機(jī)在最優(yōu)區(qū)域的工作點(diǎn)即在低燃油消耗區(qū)釋放出更大扭矩。

圖11是優(yōu)化前后的SOC值曲線圖，對(duì)電機(jī)工作荷電狀態(tài)下限值(因素C)優(yōu)化標(biāo)定可避免動(dòng)力電池在較低SSOC下，電機(jī)2消耗電池電量；優(yōu)化后的SOC曲線更加平緩，避免動(dòng)力電池進(jìn)行大功率放電，延長(zhǎng)了電池的壽命。

圖11 標(biāo)定前后動(dòng)力電池SOC變化曲線Fig.11 SOC change curve of power battery beforeand after calibration

4 試驗(yàn)臺(tái)架驗(yàn)證

為進(jìn)一步驗(yàn)證所搭建電動(dòng)車輛自動(dòng)優(yōu)化標(biāo)定仿真系統(tǒng)的有效性，利用上位機(jī)標(biāo)定系統(tǒng)，將優(yōu)化后的控制參數(shù)標(biāo)定至整車控制器中，然后進(jìn)行臺(tái)架試驗(yàn)，并將優(yōu)化仿真結(jié)果與臺(tái)架測(cè)試結(jié)果進(jìn)行對(duì)比分析。11.5m插電式混合動(dòng)力系統(tǒng)試驗(yàn)臺(tái)架如圖12所示。

4.1 試驗(yàn)臺(tái)架標(biāo)定系統(tǒng)通信方式

CCP協(xié)議采用主從通信模式，主設(shè)備是實(shí)施測(cè)量標(biāo)定的系統(tǒng)，從設(shè)備是整車控制器。多個(gè)從設(shè)備可以與主設(shè)備建立邏輯連接，但多個(gè)從設(shè)備同時(shí)與主設(shè)備建立連接時(shí)，只有一個(gè)從設(shè)備可與主設(shè)備進(jìn)行通信。主從設(shè)備建立連接后，從設(shè)備接受數(shù)據(jù)信息，并給主設(shè)備反饋錯(cuò)誤代碼等數(shù)據(jù)報(bào)文。

(a)試驗(yàn)臺(tái)架實(shí)物圖

4.2 標(biāo)定系統(tǒng)消息對(duì)象

CCP協(xié)議是占用CAN報(bào)文的命令接受對(duì)象(command receive object，CRO)和數(shù)據(jù)傳輸對(duì)象(data transmission object，DTO)的兩個(gè)標(biāo)識(shí)符，其中，CRO是上位機(jī)發(fā)出的標(biāo)定協(xié)議命令，DTO是整車控制器對(duì)標(biāo)定協(xié)議命令進(jìn)行的信息反饋。DTO根據(jù)標(biāo)識(shí)符的不同分為三類：報(bào)文發(fā)出的標(biāo)識(shí)符取值ID=255時(shí)，表示整車控制器對(duì)上位機(jī)發(fā)出的響應(yīng)；報(bào)文發(fā)出的ID=254時(shí)，表示整車控制器檢測(cè)到錯(cuò)誤發(fā)生，并向上位機(jī)報(bào)告實(shí)時(shí)錯(cuò)誤狀態(tài)，同時(shí)發(fā)送處理信號(hào)；報(bào)文發(fā)出的ID范圍是0≤ID≤253時(shí)，整車控制器在DAQ(dada acquisition command)模式下定期向上位機(jī)發(fā)送信息。

4.3 工作模式

CCP協(xié)議定義了查詢(polling)和數(shù)據(jù)獲取(DAQ)兩種工作模式。查詢模式下，上位機(jī)(標(biāo)定系統(tǒng))向下位機(jī)(整車控制器)發(fā)送協(xié)議命令，下位機(jī)接到命令后，對(duì)上位機(jī)進(jìn)行命令反饋，該模式采用的是一問一答形式，工作效率低，但通信方式簡(jiǎn)單、占用總線內(nèi)存小。數(shù)據(jù)獲取模式下，下位機(jī)接到協(xié)議命令時(shí)，執(zhí)行上位機(jī)發(fā)送的協(xié)議命令，并自動(dòng)向上位機(jī)周期性地發(fā)送數(shù)據(jù)。

4.4 試驗(yàn)驗(yàn)證

在臺(tái)架試驗(yàn)前，將優(yōu)化后的發(fā)動(dòng)機(jī)最優(yōu)工作上限修正系數(shù)0.912、電機(jī)工作荷電狀態(tài)下限值0.62和純電動(dòng)工作功率上限值79通過CCP協(xié)議標(biāo)定至整車控制器。通過上位機(jī)控制整車控制器進(jìn)行臺(tái)架測(cè)試，采集試驗(yàn)數(shù)據(jù)，并對(duì)試驗(yàn)后的燃油經(jīng)濟(jì)性指標(biāo)和動(dòng)力性指標(biāo)進(jìn)行分析。

圖13所示為加速性能的試驗(yàn)曲線和仿真曲線，臺(tái)架試驗(yàn)測(cè)試的最高車速為85.3 km/h，比仿真的最高車速87.2 km/h略有減?。慌_(tái)架試驗(yàn)測(cè)試的0～50 km/h加速時(shí)間是10.7 s，比仿真的0～50 km/h車速時(shí)間10.1 s略有縮短，臺(tái)架試驗(yàn)數(shù)據(jù)偏小是由于試驗(yàn)過程受模擬道路阻力誤差、數(shù)據(jù)測(cè)量誤差等多種因素的影響。圖14是爬坡性能的試驗(yàn)曲線和仿真曲線對(duì)比圖，臺(tái)架試驗(yàn)的最大爬坡度是17.1%，比仿真的最大爬坡度17.6%略有減??；臺(tái)架試驗(yàn)的15 km/h爬坡度為16.1%，比仿真的15 km/h坡度16.8%略有減小，此誤差是由機(jī)械損失和測(cè)量誤差造成的，與加速性能試驗(yàn)誤差原因相同。

圖13 加速性能試驗(yàn)Fig.13 Acceleration performance test

圖14 爬坡性能試驗(yàn)Fig.14 Climb performance test

圖15、圖16所示為試驗(yàn)臺(tái)架發(fā)動(dòng)機(jī)和電機(jī)的轉(zhuǎn)矩分配情況，可以看出，與仿真曲線相比，試驗(yàn)臺(tái)架曲線有一定的滯后，但是轉(zhuǎn)矩分配的趨勢(shì)大致相同，產(chǎn)生這種現(xiàn)象的原因是試驗(yàn)臺(tái)架的執(zhí)行機(jī)構(gòu)存在動(dòng)作滯后。試驗(yàn)臺(tái)架測(cè)試的百千米綜合油耗為25.14 L，比仿真的綜合油耗24.23 L略大，這主要是因?yàn)樵囼?yàn)臺(tái)架測(cè)試存在機(jī)械效率損失和電損失，增大了綜合油耗。圖17所示為試驗(yàn)和仿真燃油消耗量，可以看出，仿真和試驗(yàn)的誤差較小。與優(yōu)化前相比，優(yōu)化后的臺(tái)架試驗(yàn)結(jié)果百千米綜合油耗降低了8.65%，綜合評(píng)價(jià)指標(biāo)提高了11.84%，參數(shù)對(duì)比如表6所示。

(a)發(fā)動(dòng)機(jī)

(a)發(fā)動(dòng)機(jī)

對(duì)比分析試驗(yàn)臺(tái)架和仿真結(jié)果可得，臺(tái)架在試驗(yàn)過程中受較多因素的影響，因此臺(tái)架試驗(yàn)結(jié)果與仿真結(jié)果存在一定的誤差，但誤差較小，均在合理范圍之內(nèi)，且臺(tái)架試驗(yàn)曲線和仿真曲線的趨勢(shì)相同，驗(yàn)證了電動(dòng)車輛參數(shù)自動(dòng)優(yōu)化標(biāo)定仿真系統(tǒng)的有效性。

圖17 燃油消耗量對(duì)比Fig.17 Fuel consumption comparison

表6 參數(shù)對(duì)比

5 結(jié)論

(1)以PHEB為應(yīng)用對(duì)象，分別在Simulink、Cruise中完成了整車控制策略模型和動(dòng)力學(xué)模型，利用Isight平臺(tái)的DOE模塊進(jìn)行正交試驗(yàn)，通過極差法選取對(duì)綜合評(píng)價(jià)指標(biāo)影響最大的3個(gè)控制參數(shù)。

(2)利用Isight、dSPACE等工具，借助優(yōu)化算法自主尋優(yōu)能力，以綜合評(píng)價(jià)指標(biāo)為目標(biāo)函數(shù)，開發(fā)出多指標(biāo)歸一化的電動(dòng)車輛自動(dòng)優(yōu)化標(biāo)定系統(tǒng)仿真平臺(tái)。采用基于CAN總線的CCP協(xié)議將優(yōu)化后的參數(shù)標(biāo)定至整車控制器，控制試臺(tái)架進(jìn)行試驗(yàn)驗(yàn)證。

(3)試驗(yàn)結(jié)果表明：標(biāo)定后，綜合評(píng)價(jià)指標(biāo)提高了11.84%，綜合油耗降低了8.65%；動(dòng)力性指標(biāo)均有所提高，0～50 km/h加速時(shí)間縮短了0.9 s，最高車速、車速15 km/h時(shí)的最大爬坡度分別提高了4.8 km/h、1.4%，最大爬坡度提高了1.5%，驗(yàn)證了電動(dòng)車輛參數(shù)自動(dòng)優(yōu)化標(biāo)定系統(tǒng)實(shí)時(shí)仿真平臺(tái)的有效性。