麦明珠

纯电动汽车动力系统参数匹配及优化研究

麦明珠

(广州科技职业技术大学, 广东 广州, 510550)

对纯电动汽车的电机参数、电池组参数以及传动系速比参数进行匹配和优化研究, 达到提高车辆动力性和经济性的目的。论文采用GA算法, 以行使续驶里程和能量消耗作为目标函数对参数进行了优化, 得到了优化后的动力系统参数, 同时借助Advisor软件对纯电动汽车进行了仿真分析。结果表明, 动力系统参数优化后的纯电动车动力性和经济性均有明显的改善。

纯电动汽车; 动力系统; 参数匹配; 遗传优化算法

汽车保有量的快速增加使得大量的能源被消耗, 同时也导致环境污染加剧。在石油逐渐匮乏、环境问题突出的时代背景下, 汽车工业必须向低排放、低噪声、能源综合利用的方向转变[1]。纯电动汽车作为新能源汽车的代表, 有效地摆脱了对石油的过度依赖, 同时污染物的排放少, 甚至零排放, 备受政府部门和汽车工业相关部门关注。李文文[2]等对城市用纯电动汽车动力传动系统参数匹配及优化问题进行了研究, 以加速时间和工况续航里程为优化目标, 采用GA算法进行优化, 最终得到了最优的参数。林歆悠[3]等对纯电动汽车参数匹配优化及性能影响因素进行了分析, 指出蓄电池组数目的增加可以使得续航里程增加, 但是会影响到纯电动车的动力性, 对传动比的选择要均衡考虑汽车的动力性指标, 通过科学合理选择传动比来增加行驶里程, 改善纯电动车的动力性。龚贤武[4]等针对两档纯电动汽车动力传动系统的参数匹配与优化问题进行了研究, 指出两档传动方案时整车的动力性和经济性均有一定程度的提升, 同时也降低了对电机功率和转矩的需求。纯电动汽车和传统汽车在外观、主体结构上差别不大, 主要是在动力系统上进行了调整[5]。通过汽车动力系统参数科学合理地匹配设计, 对传统比进行优化, 达到提高纯电动汽车整体性能的目的。

1 基本参数与性能要求

纯电动汽车动力系统结构形式多种多样, 本文选择某型前驱纯电动轿车为例, 其动力系统结构图如图1所示[6]。

图1 某型纯电动轿车动力系统结构

纯电动汽车的动力源为电机, 相当于传统汽车的发电机, 电池组相当于传统汽车的能源, 电机通过变速器、主减速器将动力传递给车轮。

纯电动汽车动力系统参数的设计理论基础为汽车动力学, 按照整车的参数和性能指标来得到动力系统的参数。本文所选择的纯电动轿车整车参数与性能指标如表1所示。

表1 纯电动汽车整车参数与性能要求

2 动力系统参数匹配

2.1 电机参数匹配

电机是纯电动汽车的动力源, 参数的匹配直接影响到整车的动力性。电机功率选择越大, 其动力性越好, 但是电机功率过大会导致纯电动汽车续驶里程降低。对于纯电动汽车, 其电机的最大功率要同时满足汽车最高车速、最大爬坡度和加速性能的要求, 即

e= max{el,mi,ma}。 (1)

式中,el为汽车以最高车速行使时所消耗的最大功率,mi为汽车最大爬坡时所消耗的最大功率,ma为汽车加速行使时所消耗的最大功率。

式中,t为传动系总功率,为车辆整备重量,为滚动阻力系数,a max为最高车速,D为风阻系数,为迎风面积,为坡度,a为爬坡时车速,为车速,为旋转质量换算系数,为车辆整备质量,′为加速度。

2.2 电池组参数匹配

纯电动汽车的电池组是能量源, 其电池组的容量必须满足最大输出功率和行使续驶里程的要求[7], 即电池组数目为

式中,1为由电机最大输出功率确定的电池组数目,2为由车辆行使续驶里程确定的电池组数目。

式中,e max为最大输出功率,b max为单体电池最大输出功率,1为电动机工作效率,2为电机控制器工作效率,为单个电池组所包含的单体电池个数,为行使续驶里程,为每公里消耗的电能,b为单体电池电容,b为单体电池电压。

2.3 传动系速比选择

纯电动汽车传动系速比的选择需要考虑电动机的输出特性、汽车的动力性、经济性等要求。电机输出特性保持不变时, 主要依赖于动力性指标, 即最高车速、加速性能、最大爬坡度。当汽车以最高车速行使时, 其在最小传动比的档位; 当汽车最大爬坡行使时, 其在最大传动比的档位。

式中,max为电动机最高转速,为轮胎半径,为加速行使时电机最大输出扭矩,为传动效率,为行驶阻力,i max为爬坡时最大行驶阻力,max为电机最大输出扭矩。

2.4 动力参数匹配结果

通过对纯电动汽车电机、电池组、传动系速比的参数匹配, 最终得到纯电动汽车的匹配结果, 如表2所示。

表2 纯电动汽车动力系统匹配参数

3 动力系统参数优化

3.1 目标函数

GA(遗传算法)是一种基于自然群体遗传进化机制的自适应全局优化算法, 其通过模拟自然选择和自然遗传的过程, 从而搜索出全局最优解。GA优化算法具有全局搜索能力强、简单通用、鲁棒性强等特点, 可以有效地应用于纯电动汽车动力系统参数的非线性、多目标优化问题中来[8]。本文选择行使续驶里程和能量消耗作为目标函数, 采用惩罚函数法来求目标函数的极小值, 其中对行使续驶里程进行倒数处理, 所定义的目标函数表达式为

式中,c为整车能量消耗,为行使续驶里程。

3.2 约束条件

约束条件包括2个方面, 一方面为动力性约束, 即对最高车速、最大爬坡度、加速时间进行约束; 另一方面为行使续驶里程约束, 需要综合考虑电池组、电机工作特性等方面[9]。纯电动汽车动力性约束为

纯电动汽车行使续驶里程约束为

采用GA算法优化纯电动汽车传动系传动比, 建立适应度函数

3.3 传动比优化结果

采用MATLAB遗传算法工具箱进行优化计算, 采用GATOOL来进行参数的设置, 得到优化后的参数, 结果如表3所示。

表3 传动比优化结果

4 Advisor仿真分析

4.1 模型构建

在Advisor软件的整车输入界面找到纯电动汽车模型对应的M文件, 根据纯电动汽车的整车参数及动力系统匹配参数对软件自带的数据进行修改, 从而构建实车的仿真模型[10]。本文选择EUDC新欧洲标准循环工况对电动汽车进行动力性和经济性仿真, EDUC新欧洲标准循环工况如图2所示, Advisor仿真界面如图3所示。

图2 EDUC新欧洲标准循环工况

图3 Advisor仿真界面

4.2 仿真结果对比

EUDC新欧洲标准循环工况循环周期为1 225 s, 车辆行驶的距离为10.93 km, 最高车速为120 km/h, 在Advisor软件中设置纯电动汽车加速和爬坡计算任务。分别对优化前后的纯电动汽车进行仿真分析, 结果如表4所示。

表4 优化前后仿真结果对比

由表4可知, 采用GA算法对纯电动汽车动力系统参数进行优化之后, 其最高车速由原来的102.4 km/h增加到了117.6 km/h, 最大爬坡度由原来的24.3%增加到了31.6%, 0~50 km/h的加速时间缩短了2.2 s, 50~100 km/h的加速时间缩短了2.5 s, EUDC续驶里程由原来的116.4 km增加到了129.6 km, 增加了13.2 km, 60 km/h等速续驶里程由原来的156.2 km增加到了170.1 km, 增加了13.9 km。由此可见, 纯电动汽车动力系统参数经过优化之后, 整车的动力性和经济性均有所提高。

5 结论

本文对某纯电动汽车动力系统参数匹配进行了分析, 同时采用GA算法, 以行使续驶里程和能量消耗作为目标函数, 对传动速度进行了优化, 获得了优化后的动力系统参数。在Advisor软件中搭建了纯电动汽车的仿真模型对优化前后车辆的动力性和经济性进行仿真分析。结果表明, 动力系统参数优化后的纯电动汽车动力性和经济性均有不同程度的提高。本文对纯电动汽车动力系统参数的匹配优化具有一定的参考价值。

[1] 郭敏锐, 杨勇. 纯电动汽车动力系统匹配设计及多工况仿真[J]. 现代制造工程, 2018(12): 62–65, 88.

[2] 李文文, 孙后环, 许晓文. 城市用纯电动汽车动力传动系统参数匹配及优化[J]. 机械传动, 2017, 41(2): 22–26.

[3] 林歆悠, 张少博, 冯其高. 纯电动汽车参数匹配优化及性能影响因素分析[J]. 机械设计与制造, 2017(4): 126–130, 135.

[4] 龚贤武, 唐自强, 马建, 等. 两档纯电动汽车动力传动系统的参数匹配与优化[J]. 合肥工业大学学报(自然科学版), 2017, 40(3): 310–315.

[5] 张奇, 符晓玲, 李珂,等. 纯电动汽车动力系统匹配优化与再生制动策略[J]. 系统仿真学报, 2016, 28(3): 600–609.

[6] 李军, 杨东徽, 束海波,等. 纯电动汽车动力系统匹配与性能仿真[J]. 华侨大学学报(自然科学版), 2017, 38(3): 281– 287.

[7] 刘新磊, 程增木. 纯电动汽车动力电池匹配技术的研究[J]. 电源技术, 2018, 42(3): 367–368, 376.

[8] 高二客, 王海林. 某型纯电动汽车动力系统参数匹配与优化研究[J]. 机械设计与制造, 2017(8): 31–35.

[9] 周胜, 周云山. 纯电动汽车动力匹配及计算仿真[J]. 计算机仿真, 2013, 30(2): 135–139.

[10] 牛秦玉, 李珍惜, 王智超, 等. 电动汽车动力传动系统参数匹配与优化[J]. 机械传动, 2019, 43(2): 129–136.

Research on parameter matching and optimization of pure electric vehicle power system

Mai Mingzhu

(Guangzhou University of Science and Technology, Guangzhou 510550, China)

The motor parameters, battery parameters and transmission speed ratio parameters of pure electric vehicle are matched and optimized to improve the vehicle power and economy. In this paper, GA algorithm is used to optimize the parameters with the driving range and energy consumption as the objective function, and the optimized parameters of the power system are obtained. At the same time, the pure electric vehicle is simulated and analyzed with the help of advisor software. The results show that the power performance and economy of pure electric vehicle are improved obviously after the optimization of power system parameters.

pure electric vehicle; power system; parameter matching; genetic algorithm

TH 16

A

1672–6146(2020)03–0025–05

10.3969/j.issn.1672–6146.2020.03.005

麦明珠,maimingzhu@126.com。

2020–05–20

2019年广东省普通高校青年创新人才类项目(2019GKQNCX093)。

(责任编校: 刘刚毅)