论文部分内容阅读
目前纯电动汽车剩余续驶里程估算方法较为简单,其估算结果与真实行驶里程存在较大差距,这样直接造成用户时刻担心现有电量不能支持车辆到达预期地点,从而导致“里程焦虑”,降低了用户购买电动汽车的信心。因此,为了提高电动汽车普及率及使用方便性,在一定程度上提高剩余续驶里程估算精度是解决该问题重要方法之一,也是本课题研究的目的,其核心内容如下:(1)基于MATLAB/Simulink建立整车动力学、驾驶员、电机、电池以及整车能耗模型,该模型的建立是为后续章节对剩余续驶里程估算模型仿真作铺垫。(2)详细研究了三种剩余续驶里程估算方法:首先将传统燃油车估算剩余续驶里程方法应用在纯电动汽车上,即平均能耗法,该方法靠获取电池电压、电流来进行能耗计算,比较粗糙;然后引出工况识别法,该方法根据当前行驶工况自动判别当前能耗,且在传统工况识别方法基础上新增下述三点:(1)建立工况特征参数与能耗之间模糊规则库,实现能耗预测。(2)单位能耗行驶里程优化,根据实际经验建立单位能耗与剩余能耗之间的线性关系,使其剩余里程呈递减优化趋势。(3)对输出的剩余续驶里程进行卡尔曼滤波,使其更加真实;最后在工况识别基础上新增工况预测法,该方法将BP神经网络和马尔科夫结合在一起,实现在一定时间范围的工况预测,从而再次提高剩余续驶里程估算精度。(3)因空调对剩余续驶里程影响较大,针对空调的开启与关闭又单独采用了另一种平均能耗估算方案:基于空调功率及开启时间的平均能耗法。(4)为了能详细对比三种方案的效果,分别从已行驶里程和能量消耗两方面进行剩余续驶里程优劣评估,仿真结果验证了工况预测方法的优势。(5)实验论证部分采用快速原型开发平台,首先基于D2P-Motohawk及HIL平台搭建硬件在环仿真测试环境,论证所提出算法模型的可行性及实时性;然后在转鼓实验台进行循环跟踪NEDC工况测试剩余续驶里程;最后通过已行驶里程和能量消耗对比三种方案的优劣性,实验结果表明将工况识别与预测相结合的方法满足实际控制需求,并提高剩余续驶里程估算精度。