电动汽车制动能量回收系统方案设计与控制研究含开题、CATIA三维及3张CAD图

电动汽车制动能量回收系统方案设计与控制研究含开题、CATIA三维及3张CAD图,电动汽车,制动,能量,回收,系统,方案设计,控制,研究,开题,CATIA,三维,CAD 中北大学2017届毕业设计外文翻译 XX设计外文翻译 基于能量管理的插电式混合动力电动汽车多目标组件尺寸优化 XX XX XX 学生姓名： 学号： XX 学 院： XX 专 业： 指导教师： 20XX年6月 基于能量管理的插电式混合动力电动汽车多目标组件尺寸优化 摘要：本文提出了一种并联插电式混合动力汽车的零件尺寸优化方法，这种方法将其视为多目标优化问题。 在这种方法中，定义了两个目标函数来同时最小化传动系统损失、燃料消耗和废气排放。 并且驱动性能要求被看做是约束条件。 此外，本文还为PHEV开发了包含混合控制策略的模糊逻辑控制器。 最后，通过多目标粒子群优化算法，挑选TEH-CAR和UDDS共计32英里的行驶周期是组件的最佳选择。 仿真结果证明了该方法的有效性和实用性，这种方法准备了不同最佳组件尺寸组合下的各种传动系损失，等效燃料消耗和废气排放。 关键词：最优零件尺寸、插电式混合动力汽车、模糊逻辑控制器、混合控制策略、多目标粒子群优化 介绍：全球变暖、燃料价格上涨和能源节约问题极大地促使政府去寻找节能减排的最有效的方法。最主要的化石燃料使用方式之一和空气污染来源就是运输行业，它占了全世界总能源消耗的几乎27%，同时在2012年33.7%的温室气体排放也来自运输行业。最近的研究阐明混合动力汽车可以明显的减少燃料的消耗和废气排放。插电式混合动力汽车是混合动力汽车中的一种，它有更大的电池容量，不同的能源管理策略，并且可以和输电网络连接来为汽车充电。PHEV针对HEV，将其电池能量视为能源供应，在驾驶期间或之后，发动机和化石燃料不需要完全充电，而PHEV则使用更便宜和更清洁的能量（电力）进行推进。混合动力汽车的电池剩余电量在汽车行驶开始和尾声阶段变化很小，这就表明了汽车非常依赖化石燃料，然而插电式混合动力汽车的电池剩余电量则有很大的变化幅度（这也取决于行驶里程），这就表明了电力是汽车的主要能量来源。拥有两种动力能源来源并且电力占更高地位，让插电式混合动力汽车有更好饿燃料经济性，并且通过使用输电网络也让废气排放减少。 本文提出的分析，首先确定了来自消费者对插电式混合动力汽车成本效益的观点，然后通过分析一个简单假设的例子来评估插电式混合动力汽车对电力效用的潜在作用。 通过优化算法和仿真技术来优化机械和电气组件的尺寸在过去的各类研究中被学习。Redelbach等人在德国市场环境下提出了PHEV和EREV的最佳电池尺寸。他们的结果显示电池大小会对总成本有显著影响。他们展示了对于平均每年行驶15000公里的德国司机来说4kWh（PHEV）和6kWh（EVER）的电池容量将会是最佳成本选择。Hu等人研究了精简电池对在瑞典哥德堡运行的一系列插电式混合动力公交车的影响。他们使用了凸集模型并对动力系统进行了分解优化。为了混合动力车辆锂电池的最优设计，Xue等人提出了一种结合了多个独立优化器的混合算法优化模型。无梯度优化器与梯度优化器相结合，解决了混合整数非线性电池组的设计问题。优化框架被应用于最小化质量，体积和材料成本。Hung和Wu开发一种集成优化方法，为了得出零件尺寸和混合动力系统控制策略的最佳解决方案。 为了同步优化电池尺寸和公交车的PHEV动力系统的能量管理，Murgovski等人提出了一种凸集模型方法。结果表明，能量缓冲器的成本优化，即：这些PHEV的额定功率和电池容量极大的取决于基础充电设施，驱动方式和公交线路的地形。Malikopoulos调查了电动机/发电机电池尺寸对中型PHEV的燃油经济性和排放量的影响。他们提出了一个并联的动力总成配置，预传动和后传动，以获得关于电机和电池大小的帕累托前沿。Lee等人通过使用在持续充电模式下维持电池SOC的方法来分析发电机组的额定输出功率。他们还提出了一个最佳发电机组工作线的定义，以最大限度地降低设定电力输出功率下的燃油消耗。 Ribau等人强调了驾驶条件的重要意义和对燃料电池汽车动力系统设计优化的投资成本，效率和寿命周期影响的优化之间的冲突。将单目标和多目标遗传算法与车辆模拟软件ADVISOR相结合，以优化动力传动系统组件。另外，Ribau等人提出燃料电池车辆的部件由遗传算法确定，其优化了典型的城市出租车车队使用的成本。遗传算法旨在优化设计车辆的成本，并使用ADVISOR评估性能。Kim等人证实，影响混合燃料电池车辆整体效率的最相关因素是燃料电池和电池的尺寸。他们使用模糊逻辑控制器来分配燃料电池/电池混合动力微型公交车的动力。此外，Khayyam和Bab-Hadiashar提出了基于ANFIS（模糊推理系统）和GA（遗传算法）组合的PHEV自适应能量管理优化控制策略。 Montazeri-Ga和Poursamad引入了通过GA（遗传算法）优化并联混合动力电动汽车部件尺寸的程序。他们使用GA（遗传算法）来最小化由一些加权项组成的单个目标函数。除此之外，他们已经描述了使用并行混沌优化算法优化PHEV组件尺寸的方法。在他们的方法中，定义了目标函数，以便最小化传动系成本。使用车辆能量消耗的参数分析模型分析组件尺寸。Song和Al-Sayed开发了一个多目标优化程序，以优化车辆纵向加速时间，稳态燃油经济性，乘坐质量和转向稳定性。还有一些研究使用粒子群优化（PSO）和多目标优化算法来优化燃料电池组件，通过使用多目标GA（遗传算法）开发PHEV。通过PSO（粒子群优化），在主动分配网络中电动汽车的负担被最小化。 在本文中，开发了一种基于多目标粒子群优化（MOPSO）的多目标优化程序，用于PHEV的分量优化，以同时降低车辆传动系统成本，等效燃料消耗和污染物排放。多目标优化的主要优点是提出了一套解决方案，其目标可以同时增强，或者至少可以增加一个目标，而不牺牲其他目标。为此，选择燃料消耗和废气排放作为第一目标函数进行最小化。然后车辆纵向动力学和性能被认为是约束函数。最后，通过考虑动力传动系成本作为第二目标函数，限制多目标优化得到了较为经济的组件，具有最佳的燃油经济性和废气排放，而不牺牲车辆性能。此外，本文还为各种PHEV设计了基于混合模式的模糊逻辑控制器。基于FLC和组件尺寸化程序的提出的控制策略的原理图如图1所示。 图1 PHEV优化与控制策略程序示意图 图2并行结构的PHEV PHEV模型 如前所述，在优化过程中，考虑了根据图2的平行PHEV模型。该车辆在ADVISOR中进行建模和仿真。作为默认值，并联的PHEV动力总成包括一台82kw的发动机，由伊朗Khodro动力总成公司（IKCO）生产，西屋75kw（连续）AC感应电动机/逆变器和12v 6Ah怠速动力锂离子电池。表1列出了所选车辆的一些其他参数和组件规格。 表1 SAMAND插电式混合电参数及组件规格 行驶循环 关于能源安全和气候变化问题，运输部门被认为是主要问题之一。它们在世界上消耗相当大一部分石油，排放大量的温室气体。2011年伊朗主要污染源（约80％）和2012年巴西（高达48％）是汽车行业。为了克服这些问题，HEV可以被认为是替代交通工具。相反，PHEV可以实现更好的平衡和更有吸引力，因为它们可以使用替代来源，而不是石油衍生的燃料。 在PHEV组件尺寸中，驾驶距离及其侵蚀强度是一些最重要的因素。据了解，在美国，城市车辆的平均每日驾驶总共只有36.5英里，而农村汽车的平均驾驶时间为48.6英里。另外在伊朗，根据城市交通统计和数据的组织情况，平均每日距离据报道大约为30英里。因此，在德黑兰最近开发的TEH-CAR城市驾驶循环和UDDC城市驾驶循环中，完成了模拟和优化程序，以达到在两个驾驶循环32英里（51.5公里）内的最低目标函数，这是在美国的混合控制策略中开发的。优化算法在45次迭代中找到最佳解决方案。这些驱动周期如图3所示，其特性列于表2。 表2 THE— CAR和UDDS驱动循环特性 能源管理策略 在这项工作中，如图4所示，为具有并行配置的PHEV设计了一个模糊逻辑控制器。在模糊控制器中，利用驱动器命令，能量存储器SOC和电动机/发电机的速度，开发出一套规则，以有效地确定区分电动机与内燃机。模糊逻辑控制器中有决策的作用，其可以管理能量供应和组件以在不同的投入条件下推动车辆。PHEV有两种可能的控制策略，包括全电气范围（AER）和混合控制策略。 在图4中，Tct，Te和Tm分别指示牵引力，发动机转矩和电机转矩。 lTct是Tct的成员，lSOC是电池SOC的成员，lTe是Te的成员。 在AER控制策略中，驾驶开始时，当电池SOC处于最高级别时，CD模式被激活。在这种模式下，电机不需要发动机的任何辅助来推动车辆。当SOC达到最小限制（35％）时，可以启动CS模式，然后引擎对电池充电，并协助电动机推动车辆。在混合控制策略中，除了电动机之外，还可以使用发动机以CD模式推进车辆。当电池SOC达到最小阈值电平时，CS模式将自动激活。在CS模式中，发动机比CD模式更主要地运行，以推动车辆并将电池充电到预定义的水平（取决于在CS模式下使用的控制策略）。 图3驱动循环a TEH-CAR驱动循环b UDDS驱动循环 第 7 页 共 7页