韶关登高车出租， 博罗登高车出租， 河源登高车出租    基于规则的增程式登高车动力系统能量管理策略？

         韶关登高车出租， 博罗登高车出租， 河源登高车出租    基于规则的增程式登高车动力系统能量管理策略？  能量管理策略是增程式登高车动力系统控制的核心和难点，也是影响整车性能的关键因素。能量管理策略的作用是在保证动力系统满足驾驶需求的前提下，优化多个能量源之间的能量分配，使得整车达到更优的燃油经济性、电池性能、排放性以及NVH性能等。针对这些目标，针对包括增程式在内的混合动力汽车能量管理策略展开了大量的研究。目前常用的能量管理策略可以分为基于规则算法和基于优化算法两类。 基于规则的能量管理策略往往是根据工程经验或试验标定来完成不同能量源之间的能量分配，由于不受工况干扰，具有良好的鲁棒性，简单易实现，因此规则型能量管理策略被广泛应用于实际混合动力汽车中。根据预设规则是否确定又可以分为确定规则型和模糊规则型两类。 

      （1）确定规则型能量管理策略： 确定规则型能量管理策略通过设置车辆参数（车速、SOC、踏板开度、功率需求）的阈值来确定工作模式和工作区域，根据预设的规则来实时调整不同能量源之间的能量分配。常用的确定规则型能量管理策略包括恒温器策略、功率跟随策略以及多点控制策略等。将这三种主要确定规则型能量管理策略应用于增程式登高车并进行了仿真实验，从发动机工作点、增程器平均发电效率以及电池充放电过程中的能量损耗等方面分析了不同策略燃油经济性产生差异的原因。 近年来，针对确定规则型能量管理策略的研究多集中于规则制定的细化和控制参数的优化，利用优化算法对规则型能量管理策略中的关键参数进行优化可以有效提高策略的控制效果。利用遗传算法优化增程式登高车雪佛兰Volt的能量管理策略参数，与原策略相比，优化后能量管理策略降低了10%以上的综合成本。针对混合动力汽车车型，利用模拟退火-粒子群算法(SA-PSO)提取不同工况下能量管理策略的控制规则，在不影响动态性能的前提下有效降低了燃油消耗量。在不同的驾驶场景下利用动态规划优化控制参数，然后运用无监督的机器学习提取不同的驾驶场景下的最优控制参数的规则集，仿真结果表明采用机器学习方式提取规则精度优于基于经验提取规则，更接近动态工况的控制效果。 综上所述，确定规则型策略目前应用比较广泛，实时性好，但是该类型策略属于静态策略，难以适应复杂多变的工况，燃油经济性的优化受到限制。 

       韶关登高车出租， 博罗登高车出租， 河源登高车出租

     （2）模糊规则型能量管理策略： 模糊规则型能量管理策略基于模糊控制理论，以SOC、整车需求功率、车速等作为控制器输入，然后通过模糊推理的方式划分整车工作模式并进行能量分配。由于模糊控制不需要建立精确的数学模型，相较于确定规则型策略具有更好的工况适应性。以整车需求扭矩和SOC作为输入，设计了基于双模糊控制器的能量管理策略，仿真结果表明，相较于开关型策略，基于双模糊控制器的能量管理策略在油耗和排放方面均有着更优的性能。以整车需求扭矩、需求转速和电池SOC作为输入，发动机扭矩作为输出，建立了模糊控制的能量管理策略，并验证了策略有效性。 采用优化算法对模糊控制参数进行优化可以进一步提高模糊控制能量管理策略的性能，目前常用的优化算法有动态规划、遗传算法、粒子群算法等等。应用动态规划算法求解发动机/电机的最优功率分配情况，并将其应用于模糊控制策略的设计。针对并联混合动力汽车通过遗传算法对双模糊控制策略进行了优化，提高了发动机的工作效率，降低了燃油消耗。以能量损耗最小化和能量消耗最小为目标，利用布谷鸟搜索算法优化了模糊逻辑控制器参数，并且证明了布谷鸟搜索算法优化的结果优于粒子群算法优化的结果。 与确定规则型策略相似，基于模糊控制的不确定规则型策略也具有较好的鲁棒性，应用广泛，然而隶属函数和模糊规则制定主要依靠设计者经验，制定的规则较为复杂，优化难度也较高。

        韶关登高车出租， 博罗登高车出租， 河源登高车出租