尹安东 赵 韩 张 辉

合肥工业大学,合肥,230009

0 引言

目前,混合动力汽车(hybrid electric vehicle,HEV)的控制策略主要有逻辑门限值控制策略、瞬时优化控制策略、全局优化控制策略和模糊控制策略等[1-2]。模糊控制策略鲁棒性强、实时性好,具有很强的实用性,但模糊控制策略隶属度函数和模糊控制规则的选取主要依靠专家经验,一般情况下无法获得全局最优,因此需要对模糊控制策略进行优化,以获得最优的控制性能。

HEV控制策略优化是复杂的非线性优化问题,很难用传统的一些优化方法来求解。近年来涌现出的智能优化方法,如遗传算法、蚁群算法和粒子群算法等,能够在搜索过程中自动获取和积累有关搜索空间的知识,实现在复杂空间中的有效搜索[3]。遗传算法(genetic algorithms,GA)是一种具有很强全局寻优能力的仿真算法,但未利用系统中的反馈信息,降低了求解效率[4-5];蚁群算法(ant colony algorithms,ACA)是一种新型的模拟进化算法,重点始于组合优化问题的求解,但存在收敛较慢的问题[6-7]。故笔者采用集遗传算法和蚁群算法优点的遗传-蚁群算法(geneticant colony algorithm,GACA),对并联式混合动力电动客车(parallel hybrid electric bus,PHEB)的混合动力系统模糊控制器的隶属度函数和模糊控制规则进行优化,并运用MATLAB/Advisor进行实例PHEB性能仿真分析。

1 PHEB模糊控制策略设计

1.1 PHEB混合动力系统工作模式分析

鉴于城市客车停靠站点多、车速不高、起步、停车十分频繁等特点,结合超级电容具有在短时间内可大电流充放电、循环寿命长、充放电效率高等优势,在传统燃油城市客车结构基础上,设计了一种超级电容和柴油发动机混合的并联式混合动力系统。……