纯电动汽车动力系统参数匹配与优化

›› 2017, Vol. 30 ›› Issue (9): 135-.

纯电动汽车动力系统参数匹配与优化

李朗 1，吴明翔 1，张振东 1，胡悦 2

(1.上海理工大学机械工程学院, 上海 200093; 2.济宁中科先进技术研究院有限公司电动汽车事业部, 山东济宁 272000)

出版日期:2017-09-15 发布日期:2017-11-03
作者简介:李朗（1991-），男，硕士研究生。研究方向：新能源汽车动力系统与整车控制。吴明翔（1981-），男，博士，讲师。研究方向：车辆系统动力学与控制。张振东（1968-），男，博士，教授，博士生导师。研究方向：汽车发动机燃烧过程及排放控制等。胡悦（1991-），男，博士研究生。研究方向：新能源汽车整车设计与控制。

Parameters Matching and Optimization for Powertrain of Electrical Vehicle

LI Lang1，WU Mingxiang1，ZHANG Zhendong1，HU Yue2

(1. School of Mechanical Engineering,University of Shanghai for Science and Technology,Shanghai 200093,China;
2. Electric Vehicles Research Center, Jining Institute of Advanced Technology Chinese Academy of Science,Jining 272000,China)

Online:2017-09-15 Published:2017-11-03

摘要/Abstract

摘要：

为了降低电动汽车的百公里能耗，针对电动汽车传动比提出了一种基于线性递减惯性权重粒子群算法（LDWPSO）的优化方法，并对电机系统、动力电池进行了匹配和选型。为提高目标函数精度和实现换挡策略与传动比的实时匹配，该优化方法以传动比为设计变量，以整车仿真模型输出的能耗作为目标函数，并与基于电机效率的换挡策略相结合，采用LDWPSO算法实现传动比的最优化。优化结果表明，电动汽车百公里能耗下降了3.7%，其他性能均满足设计指标。

关键词: 电动汽车, 动力系统, 参数匹配, 仿真优化, 粒子群算法

Abstract:

An optimization method based on Linear Decrease Weight Particle Swarm Optimization (LDWPSO) is proposed for the transmission ratio to reduce the energy consumption of the electric vehicle and the drive motor and power battery are also matched. In order to improve the accuracy of objective function and achieve the real-time matching between transmission ratio and shift strategy, the transmission ratio is taken as the design variable, the energy consumption of the vehicle simulation model is taken as the objective function, the shift strategy based on the motor efficiency is embedded into the optimization model and the LDWPSO algorithm is uesd to achieve the optimal transmission ratio. The result show that the energy consumption per hundred kilometers of electric vehicles is decreased by 3.7% and the other performance is satisfied with the design index.

Key words: electrical vehicle;powertrain;parameters matching;simulation

中图分类号:

U463.2

李朗 1，吴明翔 1，张振东 1，胡悦 2. 纯电动汽车动力系统参数匹配与优化[J]. , 2017, 30(9): 135-.

LI Lang1，WU Mingxiang1，ZHANG Zhendong1，HU Yue2. Parameters Matching and Optimization for Powertrain of Electrical Vehicle[J]. , 2017, 30(9): 135-.

[1]	蒋成成,朱健安,朱成名,王珂,章文俊. V2G模式下的EV建模研究[J]. 电子科技, 2022, 35(2): 74-78.
[2]	冯先丁,魏镜弢,吴张永,钱杰,浦友尚. 基于PCA-PSO-SVM的球磨机负荷预测研究[J]. 电子科技, 2022, 35(1): 29-34.
[3]	李刚. 频变耦合双通带滤波器的综合方法[J]. 电子科技, 2022, 35(1): 1-5.
[4]	陈强,王宇嘉,林炜星,陈万芬. 改进粒子群算法求解分布式柔性车间调度问题[J]. 电子科技, 2021, 34(10): 63-68.
[5]	陆欢. 基于约束优化提升并联充电器效率的研究[J]. 电子科技, 2020, 33(8): 53-58.
[6]	吴强,张伟,杨慧婷,汪朝盈. 基于天牛须算法的粒子群算法在PID参数整定上的应用[J]. 电子科技, 2020, 33(6): 18-23.
[7]	石讯,易映萍,王晓丽. 内置式永磁同步电机弱磁控制技术的研究[J]. 电子科技, 2020, 33(2): 14-19.
[8]	蒋芹,张轩雄. 电动汽车锂离子电池模型参数辨识和荷电状态估算[J]. 电子科技, 2020, 33(2): 32-36.
[9]	张悦,胡春燕. 基于有记忆递归神经网络的脑电特征情感识别研究[J]. 电子科技, 2020, 33(11): 67-72.
[10]	单知非,孙宇轩,张翔,陈强,郑之艺. 电动汽车充放电优化管理分析[J]. 电子科技, 2019, 32(6): 64-69.
[11]	张晋维,李国平. 微电网多目标鲁棒优化运行[J]. 电子科技, 2019, 32(3): 26-31.
[12]	吕腾飞,陈世平,王磊. 基于包簇概念的云资源分配成本优化模型[J]. 电子科技, 2019, 32(3): 31-36.
[13]	于慧,王宇嘉,陈强,肖闪丽. 基于多种群动态协同的多目标粒子群算法[J]. 电子科技, 2019, 32(10): 28-33.
[14]	吴延凯,张伟,马盈满,李佳阳. 基于GA-PSO融合算法的二自由度PID参数优化[J]. 电子科技, 2019, 32(10): 54-59.
[15]	黄泰相,陈波,管鑫,程璐瑶. 基于电子搜索算法的电力系统无功优化[J]. 电子科技, 2019, 32(1): 58-61.