论文部分内容阅读
在全球能源和环境问题日益加剧的背景下,节能、环保是汽车行业发展的主题。围绕这些主题,当前最热门的研究方向是车辆的智能化及电动化。在智能交通环境下,为了降低多辆车的能量消耗,本文以多辆相同的纯电动车为研究对象,以瞬时优化控制为研究方法的核心,提出了基于智能交通的纯电动汽车速度优化控制方法。该方法以车辆的能量消耗模型为依据,综合考虑其他车辆以及交通信号灯配时(signal phase and timing,SPAT)对车速的影响,通过瞬时优化算法实时的确定车辆的经济车速,降低多辆车的能量消耗。全文的主要工作内容如下:首先,利用Vissim软件搭建智能交通模型。利用接口组件对象模型(component object model,COM)对Vissim软件进行二次开发,实现交通模型内部之间的信息可以实时传输共享,实现交通场景的智能化。其次,利用Autonomie软件建立电动车辆性能模型。从整车纵向动力学模型、电池模型、电机模型、力矩耦合器模型、最终传动装置模型以及车轮模型几个方面分析了电动车辆性能模型的内部原理。分析电动车辆性能模型的能量流动,为建立电动车能量消耗模型做铺垫。然后,提出基于智能交通的车辆速度瞬时优化控制方法。第一,需要基于智能交通信息预测车辆顺利通过信号灯的速度区间。第二,根据电动车辆性能模型的能量流动,找到车速与电池SOC之间的数学关系,建立能量消耗模型。第三,根据能量消耗模型,采用瞬时优化的方法从预测的速度区间中实时的确定经济车速。最后,为了验证本文方法的有效性,弥补现有仿真平台功能上的不足,本研究搭建了Autonomie/Vissim联合仿真平台。该联合仿真平台可以研究多辆车在智能交通环境下行驶时的仿真场景,并且每辆车都自带完整的车辆性能模型。另外,该仿真平台自带Wiedemann跟车模型,可以自动控制多辆车之间的安全距离,减轻设计控制算法的工作量。为了与基于智能交通的车辆速度瞬时优化控制方法形成对比,本文又提出三种基准方法。利用Python语言,将所有的车速控制方法编写成程序脚本,并嵌入到联合仿真平台中进行仿真实验。基准方法1和2所控制的车速未考虑车辆的能量消耗模型,考虑了其他车辆以及SPAT;基准方法3控制车辆以一个恒定的车速行驶。通过仿真实验表明,与基准方法1、2和3相比,本文方法的能耗分别降低了11.89%、8.68%和40.05%,这证明了本文方法在节能方面的有效性。