论文部分内容阅读
随着人们生活节奏的加快和生活水平的提高,汽车已经成为人们必不可少的交通工具。汽车在给我们带来生活便利的同时也带来了严重的能源危机和环境污染问题,各国政府都在大力推进新能源汽车的研发工作。作为电动汽车动力源的蓄电池具有功率密度低,循环使用寿命短,续驶里程短,充电时间长等缺陷,而近年来发展起来的超级电容虽然能量密度小,但是具有较高的功率密度,较长的循环使用寿命和短的充电时间优势。为充分利用两者的优势,本文的研究主要围绕以下几个方面展开:(1)分析了蓄电池,超级电容和DC/DC转换器的工作特性,根据其工作特性选择了复合电源系统拓扑结构。在此基础上基于advisor软件平台选择了蓄电池模型并对超级电容模型和电动汽车顶层模型进行了二次开发,建立了超级电容和蓄电池的复合电源电动汽车整车模型。(2)分析比较了目前比较常见的复合电源逻辑门限控制策略和模糊控制策略,为了进一步提高复合电源系统的控制精度,利用状态机的状态分类优势设计了基于状态机的分层模糊控制策略,并对不同种控制策略的控制效果进行了对比分析。(3)针对人工蜂群算法的缺点,利用遗传算法的交叉变异和粒子群算法速度位移更新的优点,改进人工蜂群算法。最后利用改进的人工蜂群算法调用advisor软件,对模糊控制的隶属度函数和模糊规则进行自动学习。结果表明,在UDDS工况,SC03工况和NEDC工况下,改进后的人工蜂群算法学习的复合电源模糊控制器控制效果更好,与传统模糊控制策略相比,能量消耗可以降低8.36%,8.58%和6.34%,说明改进的人工蜂群算法在复合电源模糊控制系统自学习中的有效性。同时将基于UDDS工况学习的模糊控制器用于其他工况,发现此时控制器控制效果虽然不如基于特定工况学习后控制效果明显,但能量消耗也有一定比例的降低。