电动汽车再生制动过程换挡点多目标优化

doi:10.13196/j.cims.2020.05.010

计算机集成制造系统 ›› 2020, Vol. 26 ›› Issue (5期): 1246-1256.DOI: 10.13196/j.cims.2020.05.010

电动汽车再生制动过程换挡点多目标优化

李聪波,胡芮,朱道光,杨青山

重庆大学机械传动国家重点实验室

出版日期:2020-05-31 发布日期:2020-05-31
基金资助:
国家自然科学基金资助项目(51475059);教育部创新团队发展计划资助项目(IRT_15R64)。

Multi-objective optimization of gear decision for electric vehicle during regenerative braking

Online:2020-05-31 Published:2020-05-31
Supported by:
Project supported by the National Natural Science Foundation,China(No.51475059),and the Innovation Research Team Development Program of the Ministry of Education,China(No.IRT_15R64).

摘要/Abstract

摘要： 为了在提高制动能量回收效率的同时保证制动时整车的舒适性,针对两挡双离合式电动汽车,提出再生制动过程的换挡点多目标优化模型。介绍了电动汽车复合制动系统的结构,并分析了换挡对再生制动回收能量和制动时整车舒适性的影响;提出两挡双离合式电动汽车的再生制动能量回收策略框架,在此基础上根据模糊控制原理设计了输出为最大再生制动力分配系数的模糊识别器;建立了以最大再生制动力分配系数为约束条件,再生制动回收能量和制动时整车冲击度为优化目标的换挡点多目标优化模型;在新欧洲循环工况下进行仿真分析,结果表明与无换挡的能量回收策略相比,所提能量回收策略回收的制动能量提高了6.14%,同时换挡冲击度满足德国标准。

关键词: 电动汽车, 再生制动, 模糊控制, 换挡点, 多目标优化

Abstract: To improve the regenerative braking energy recovery rate and the comfort of vehicle,for electric vehicles fitted with dual clutch transmission,a multi-objective optimization model for gear decision during regenerative braking was proposed.The structure of hybrid electric braking system was introduced and the influence of shift on regenerative braking energy recovery and vehicle comfort was analyzed.The energy recovery strategy was proposed,and the fuzzy identifier was investigated according to the fuzzy control principle.The maximum regenerative braking force distribution coefficient was generated from fuzzy rule base.Then the multi-objective optimization model of shift point was set up with the objectives of regenerative braking energy recovery and the shift jerk.The simulation analysis was carried out under the New European Driving Cycle (NEDC).Compared with the strategy of none shift energy recovery,the simulation results showed that the regenerative braking energy recovery was increased by 6.14%,while the jerk met the German standard.

Key words: electric vehicles, regenerative braking, fuzzy control, shift point, multi-objective optimization

中图分类号:

U462.3

李聪波,胡芮,朱道光,杨青山. 电动汽车再生制动过程换挡点多目标优化[J]. 计算机集成制造系统, 2020, 26(5期): 1246-1256.

[1]	秦旋,房子涵,张赵鑫. 考虑资源约束的预制构件多目标生产调度优化[J]. 计算机集成制造系统, 2021, 27(8): 2248-2259.
[2]	刘晶,张喆语,董志红,季海鹏. 基于工业物联网的区块链多目标优化[J]. 计算机集成制造系统, 2021, 27(8): 2382-2392.
[3]	张建侠,宋明顺,方兴华,邓钰佳. 基于Kriging模型的多目标代理优化算法及其收敛性评估[J]. 计算机集成制造系统, 2021, 27(7): 2035-2044.
[4]	蒋晋,张则强,谢梦柯,蔡宁. 空间约束下多目标拆卸线平衡问题的改进狼群算法[J]. 计算机集成制造系统, 2021, 27(6): 1569-1581.
[5]	段建国,李豪晨,张青雷. 面向绿色制造的半组合式船用曲轴结构件生产车间多目标调度优化[J]. 计算机集成制造系统, 2021, 27(6): 1714-1727.
[6]	胡金昌,刘紫薇,马文凯,吴耀华. 考虑学习效应的单人作业车间多目标调度算法[J]. 计算机集成制造系统, 2021, 27(5): 1361-1370.
[7]	吴暖,王诺,于安琪,吴迪. 基于柔性靠泊的港口疏船调度多目标优化及最优解选择[J]. 计算机集成制造系统, 2021, 27(5): 1531-1540.
[8]	程永胜,徐骁琪,陈国强,孙利,吴俭涛. 基于神经网络的电动汽车造型意象预测模型[J]. 计算机集成制造系统, 2021, 27(4): 1135-1145.
[9]	李敬花,陈俊宗,杨博歆. 海工产品分段建造中日程计划优化[J]. 计算机集成制造系统, 2021, 27(3): 770-786.
[10]	杨小明,徐子奇,金雯,舒帆. 复合拣选策略下堆垛机作业序列优化问题[J]. 计算机集成制造系统, 2021, 27(3): 933-942.
[11]	蹇洁,郭雨,姜林,苏加福. 基于多目标优化的绿色供应链博弈模型及利润共享契约[J]. 计算机集成制造系统, 2021, 27(3): 943-953.
[12]	巩超光,胡天亮,叶瑛歆. 基于数字孪生的铣削参数动态多目标优化策略[J]. 计算机集成制造系统, 2021, 27(2): 478-486.
[13]	詹欣隆,张超勇,孟磊磊,连裕翔,薛燕社. 面向高效低碳的切削参数与柔性作业车间调度集成建模与优化[J]. 计算机集成制造系统, 2021, 27(12): 3519-3535.
[14]	刘林辉,朱永国,查青杉,陈志敏,曾天. 基于双种群混沌搜索粒子群算法的机器人喷涂轨迹协同优化[J]. 计算机集成制造系统, 2021, 27(11): 3148-3158.
[15]	李聪波,易茜,胡芮,朱道光,胡捷. 基于模式模糊识别的电动车双电机系统再生制动控制[J]. 计算机集成制造系统, 2020, 26(第4): 871-881.

电动汽车再生制动过程换挡点多目标优化

Multi-objective optimization of gear decision for electric vehicle during regenerative braking

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics