基于模糊逻辑的并联式混合动力车辆控制策略探索
基于模糊逻辑的并联式混合动力车辆控制策略 ①(工况可自行添加)已有WLTC、NEDC工况; ②仿真图像包括 发动机转矩变化图像、电机转矩变化图像、档位变化图像、电池SOC变化图像、等效百公里燃油消耗量图像、速度跟随图像、车速变化图像; ③整车similink模型中包含工况输入模型、发动机模型、电机模型、制动能量回收模型、转矩分配模型、档位切换模型纵向动力学模型. 仿真效果良好
在汽车技术不断演进的当下,混合动力车辆因其高效节能的特性备受关注。今天咱就来唠唠基于模糊逻辑的并联式混合动力车辆控制策略,这里面涉及不少有趣的模型和仿真成果。
工况选择
在研究过程中,我们采用了常见的 WLTC(Worldwide Light - duty Test Cycle)和 NEDC(New European Driving Cycle)工况。这俩工况模拟了不同的驾驶场景,WLTC 更贴近真实世界驾驶情况,涵盖城市、郊区和高速等多种路况;NEDC 相对传统,对车辆在不同速度区间的运行时间和距离有特定设定。
整车 Simulink 模型构建
整车 Simulink 模型可是个关键家伙,它就像一个精密的大机器,各个部分协同工作。
- 工况输入模型:这个模型负责把 WLTC 或 NEDC 工况数据输入到整个系统中,就像给车辆设定了一个行驶剧本。比如,在 Matlab 代码里,可能会有类似这样的片段来读取工况数据:
% 读取 WLTC 工况速度数据
load('WLTC_speed_profile.mat');
wltc_speed = speed_profile;
% 这里 speed_profile 就是从文件中读取出来的 WLTC 工况速度随时间变化的数据
- 发动机模型:模拟发动机的工作特性,根据输入的转矩需求输出相应的动力。简单示例代码:
function engine_torque = engine_model(demand_torque)
% 简单的线性关系模拟发动机转矩输出
engine_torque = 0.8 * demand_torque;
% 实际中会根据发动机的特性曲线进行更复杂的计算
end
- 电机模型:和发动机模型类似,根据需求输出转矩。不过电机响应速度快,在起步和加速阶段能迅速提供助力。
function motor_torque = motor_model(demand_torque)
motor_torque = demand_torque;
% 简单假设电机能完全响应需求转矩,实际会考虑电机效率、功率限制等
end
- 制动能量回收模型:这可是个节能小能手,车辆制动时,它把车辆的动能转化为电能存储到电池中。
function [regen_energy, new_speed] = braking_energy_regen(speed, braking_force)
% 根据速度和制动力计算回收能量
mass = 1500; % 假设车辆质量
deceleration = braking_force / mass;
time_step = 0.1; % 模拟时间步长
new_speed = speed + deceleration * time_step;
if new_speed < 0
new_speed = 0;
end
regen_energy = 0.5 * mass * (speed ^ 2 - new_speed ^ 2);
end
- 转矩分配模型:基于模糊逻辑的转矩分配是整个控制策略的核心。它根据车辆的行驶状态(如车速、电池 SOC 等),合理分配发动机和电机的转矩。模糊逻辑的代码实现相对复杂一些,这里简单示意下:
% 模糊逻辑转矩分配示例
% 定义输入变量模糊集
fis = newfis('torque_allocation');
fis = addvar(fis,'input','speed',[0 120]);
fis = addmf(fis,'input',1,'low','trimf',[0 0 30]);
fis = addmf(fis,'input',1,'medium','trimf',[15 60 105]);
fis = addmf(fis,'input',1,'high','trimf',[90 120 120]);
% 类似地定义电池 SOC 等其他输入变量模糊集
% 定义输出变量模糊集
fis = addvar(fis,'output','engine_torque_fraction',[0 1]);
fis = addmf(fis,'output',1,'low','trimf',[0 0 0.3]);
fis = addmf(fis,'output',1,'medium','trimf',[0.15 0.5 0.85]);
fis = addmf(fis,'output',1,'high','trimf',[0.7 1 1]);
% 定义模糊规则
rule1 = [1 1 1 1 1]; % 简单示例规则,实际会根据大量工况分析确定
fis = addrule(fis,rule1);
% 根据输入计算输出
engine_torque_fraction = evalfis([speed_value, soc_value], fis);
engine_torque = total_torque * engine_torque_fraction;
motor_torque = total_torque - engine_torque;
- 档位切换模型:根据车速和发动机、电机的运行状态,决定是否需要切换档位,以保证车辆在最佳的动力和经济性能区间运行。
function new_gear = gear_shift_model(speed, engine_rpm, motor_rpm)
% 根据预设的速度 - 转速关系切换档位
if speed < 20 && engine_rpm < 2000 && motor_rpm < 3000
new_gear = 1;
elseif speed < 40 && engine_rpm < 3000 && motor_rpm < 4000
new_gear = 2;
% 更多档位切换条件
end
end
- 纵向动力学模型:这个模型综合考虑车辆所受的各种力,如驱动力、制动力、空气阻力等,来计算车辆的加速度和速度变化。
function [acceleration, new_speed] = longitudinal_dynamics(tractive_force, braking_force, speed)
mass = 1500; % 车辆质量
air_drag_coefficient = 0.3;
frontal_area = 2;
air_density = 1.225;
air_drag_force = 0.5 * air_drag_coefficient * frontal_area * air_density * speed ^ 2;
total_force = tractive_force - braking_force - air_drag_force;
acceleration = total_force / mass;
time_step = 0.1;
new_speed = speed + acceleration * time_step;
if new_speed < 0
new_speed = 0;
end
end
仿真图像分析
通过这些模型协同工作,我们得到了一系列仿真图像,能直观看到车辆在不同工况下的运行情况。
- 发动机转矩变化图像:从图像中可以看到,在加速阶段,发动机转矩迅速上升,提供主要动力;在匀速行驶时,转矩保持相对稳定,以维持车速。
- 电机转矩变化图像:起步和急加速时,电机转矩瞬间响应,弥补发动机的响应延迟;在制动能量回收阶段,电机转矩为负,起到发电作用。
- 档位变化图像:根据车速和动力需求,档位适时切换,保证发动机和电机都能高效运行。
- 电池 SOC 变化图像:在制动能量回收和电机单独驱动阶段,SOC 会上升;而在发动机和电机共同驱动且功率需求大时,SOC 会下降。
- 等效百公里燃油消耗量图像:展示了车辆在不同工况下的燃油经济性,验证了基于模糊逻辑的控制策略对降低油耗的有效性。
- 速度跟随图像:能看到车辆实际速度对工况设定速度的跟随情况,反映了控制策略对车速的精准控制。
- 车速变化图像:直观呈现车辆在整个工况中的速度变化过程,与实际驾驶场景相呼应。
仿真效果
经过实际仿真,效果良好。车辆在不同工况下都能稳定运行,各部件协同工作,有效实现了动力性能和燃油经济性的平衡。这也说明我们构建的模型和基于模糊逻辑的控制策略是可行且有效的,为并联式混合动力车辆的进一步优化提供了有力的依据。后续还可以针对不同的驾驶风格和更多复杂工况进行拓展研究,让混合动力车辆更加智能和高效。
基于模糊逻辑的并联式混合动力车辆控制策略 ①(工况可自行添加)已有WLTC、NEDC工况; ②仿真图像包括 发动机转矩变化图像、电机转矩变化图像、档位变化图像、电池SOC变化图像、等效百公里燃油消耗量图像、速度跟随图像、车速变化图像; ③整车similink模型中包含工况输入模型、发动机模型、电机模型、制动能量回收模型、转矩分配模型、档位切换模型纵向动力学模型. 仿真效果良好

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。
更多推荐


所有评论(0)