混合动力汽车优化设计策略评述外文翻译资料

1. INTRODUCTION

In recent years, when the future of automotive power trains is discussed, the emphasis on reducing the CO₂ emissions is significant. This is enabled by the usage of other energy sources and leads directly to reduced air pollution. After Toyota Prius was lunched for the Japanese market in 1997, Audi was the first European car manufacturer that released a hybrid passengers car. Nowadays hybrids are offered or planned by Ford, General Motors, Honda, Nissan, GM, Daimler Chrysler, PSA Peugeot Citron, Mercedes-Benz, Hyundai and others. As they have proven their beneficial aspects, hybrid concepts have entered other markets as well. We can find now, hybrid commercial vehicles (as for example buses, Trigui et al. (2009), or trucks, Kadri et al. (2006)), hybrid construction machineries (as forklifts, Minav et al. (2010)), hybrid boats (see for applications examples Bolognani et al. (2008), Pizzo et al. (2010), Tang et al. (2006)), hybrid submarines, Skinner et al. (2009), or hybrid aircrafts, Rajashekara et al. (2008).

When a hybrid system is designed particular choices need to be done for each component of the drive line, and each of these choices are influencing the performance of the vehicle, e.g., fuel consumption, emissions, drivability or others. Finding the optimal design of a power train implies that the optimal solution for each design parameter has been found such that the propulsion is conducted at the optimal overall efficiency. Due to the complexity of the problem this has not been solved so far in an integrated way. In Guzzella and Sciarretta (2007), three different existing layers of optimization have been defined as: (i) structural optimization, where the objective is defined in terms of the powertrain structure (topology), (ii) parametric

optimization, where the objective is defined in terms of the parameters of the fixed structure (size and type of components) and, (iii) control system optimization, where the objective is to find the best energy management system (EMS). Various methods address these optimization problems, yet until now there is no systematic optimization methodology that simultaneously considers all these layers. The broad design space to be searched and the multiple possible cases makes this problem non-trivial. As a follow-up of these complex requirements the HEV design needs to be addressed with a strongly interdisciplinary approach, Moore (1997). The papers that have addressed this (or, part of) problem for power train optimal design analysis are considered in the following sections.

Hybrid vehicles are characterized by two, or more power sources to produce, store and deliver power, and this usually refers to an engine and an electric motor (EM). This configuration for hybrid electric (HE) systems, engine and an EM, will also be considered here as default unless stated otherwise. This hybridization brings along a wide variety of possible topologies (architectures) when building the powertrain, yet, more generally, all these topologies can be split into three categories: series, parallel and series-parallel topologies, Ehsani et al. (2007).

Since, series drive trains, as depicted in Figure 1, perform best in stop-and-go driving, they are primarily being considered for buses and other urban work vehicles, Emadi et al. (2005). If the series hybrid topology is not used in city driving, then high powers need to be transmitted to the wheels from the EM, hence large electrical machines are required for high vehicles speeds. The features of the traction motor are deducted from the vehicle dynamic required performance, therefore

剩余内容已隐藏，支付完成后下载完整资料

混合动力汽车优化设计策略评述

摘要：在过去的十年中，用于电力系统的杂交和电力行业领先于多个运输部门。在汽车工业（乘用车，商业和建筑车辆）以及水和航空运输系统中尤其可以看到这种趋势。这种变化是在多个环境或市场驱动的目标下显然会出现的结果，因为燃料经济性，污染性或资源有限。运输电力带动了动力传动系的设计复杂性的增加，同时也为研究机构和原始设备制造商（OEM）带来了挑战。现已开发出多种混合电力结构，在不断的斗争中找到关于各种目标和约束的最佳解决方案。例如，为了找出混合电动汽车（HEV）的最佳设计这个复杂的优化问题，可以通过各种方法来解决。在选择用于优化此设计问题的合适算法之前，需要深入了解架构选择和优化算法中当前的知识状态。本文概述了混合动力汽车（HEV）优化设计中现有的方法和算法。还介绍了各种混合拓扑和不同运输部门的例子。

关键词：优化设计，混合配置，动力传动系模拟，拓扑和尺寸优化，集成框架，混合动力电动汽车（HEV），混合动力潜艇（HES），混合动力电动船（HEB）。

1. 介绍

近年来，在讨论汽车动力传动系列的未来时，主要的重点是放在减少二氧化碳排放量上的。这是通过使用其他能源实现的，直接导致空气污染减少。丰田普锐斯在1997年推出日系市场之后，奥迪是欧洲第一家发布混合动力乘用车的欧洲汽车制造商。现如今，福特、通用、本田、日产、通用、戴姆勒克莱斯勒、标致雪铁龙、梅赛德斯 - 奔驰，现代和其他公司都又在提供或计划的混合动力车。他们已经证明了它们的有益方面，混合概念也进入了其他市场。现在我们可以找到混合商用车辆（例如2009年Trigui等人研究的公交车或2006年Kadri等研究的卡车），混合动力建筑机械（2010年Minav等研究的叉车）， 混合船（参见应用示例Bolognani等人（2008），Pizzo等人（2010），Tang等人（2006）），混合潜艇，Skinner等人 （2009）或混合动力飞机Rajashekara等 （2008）。

当设计混合动力系统时，需要对驱动线的每个部件进行特定选择，并且这些选择中的每一个都影响车辆的性能，例如燃料消耗，排放，驾驶性能等。找到动力传动系的最佳设计意味着已经发现了每个设计参数的最优解，使得推进以最佳的整体效率进行。由于问题的复杂性，迄今尚未以综合的方式解决问题。在Guzzella和Sciarretta（2007）中，三个不同的现有优化层被定义为：（i）结构优化，其目的是根据动力传动系结构（拓扑）定义，（ii）参数优化，其中目标 是根据固定结构的参数（组件的大小和类型）定义的，（iii）控制系统优化，其目标是找到最佳的能量管理系统（EMS）。各种方法解决了这些优化问题，但到目前为止还没有系统的优化方法同时考虑所有这些层次。要搜索的广泛的设计空间和多种可能的情况使得这个问题变得非常微不足道。作为这些复杂要求的后续行动，HEV设计需要通过强大的跨学科方法来解决，参考自1997年Moore的研究。以下部分将介绍解决这一问题（或部分）电力系统优化设计分析问题的论文。

混合动力车辆的特征在于两个或更多个动力源来产生，存储和输送动力，并且这通常是指发动机和电动机（EM）。混合电动（HE）系统，发动机和EM的这种配置在这里也将被视为默认值，除非另有说明。2007年Ehsani等人在构建动力传动系统时，这种杂交带来了各种可能的拓扑结构（体系结构），但更广泛地说，所有这些拓扑可以分为三类：串联，并联和串联并联拓扑。

图1 混合电动汽车的拓扑结构：（a）串联拓扑和（b）并行拓扑

由于Emadi等人（2005）研究如图1所示，串联传动系列在停车时表现最好，主要用于公共汽车和其他城市工作车辆。如果在城市驾驶中不使用串联混合拓扑结构，那么大功率需要从EM发送到车轮，因此需要大型电机来实现高车速。牵引电动机的特征从车辆动态要求性能中扣除，因此可以针对尺寸优化的剩余变量是电池组尺寸和发电组（发动机/发电机）功率。在串联拓扑中，如图1所示，在并联拓扑中定位组件的灵活性更高，由于机械连接，能量损耗较小。

较大的电池和电动机以及串联配置的发电机使得这些比并联混合电路更昂贵。霍夫曼在2007年研究出与其他拓扑相比，串联拓扑的缺点是在高车辆负载下实现相对较低的传输效率。

串并联的第三类混合拓扑结合了串并联架构的优点和缺点。熊和尹在2009年研究出针对各种应用，可以降低燃油消耗。任何混合拓扑结构的效率根据其驱动条件而有所不同，而一个或另一个架构的设计选择取决于车辆的任务以及成本与性能之间的权衡。

对不同应用的混合组件技术和存储设备进行了深入研究。每个应用程序的特定要求定义了为使用和尺寸选择的技术。本文提供了可以包括拓扑，技术或尺寸优化的设计算法的最新技术的概述。在本文中，实时可实现的EMS的问题没有得到解决。 而是在动力传动系的设计阶段，论文着重于拓扑结构和EM的整体设计。第2节讨论了最优设计问题，它提供了现有算法的概述及其在各个交通领域的结果。本部分对权衡和利益进行了分析，目的是帮助读者在未来的选择 的最优设计算法。 最后，第3节介绍了这一分析的结论。

1. 最优设计方法

在汽车行业进行研究，以形式化产品的开发，使得多目标可以一步考虑，这对于OEM来说是一个重要的经济方面。用户可以对技术，车辆的尺寸或拓扑结构以及控制性能定义约束。下面用非常一般的数学问题陈述：

最小化...

f（x）= {燃料消耗，排放，成本...}

关于...

x = {发动机尺寸，电机位置，电池尺寸，电机尺寸，...}受制于..

0-60 km / h时间le;...

（...），

其中期望的目标，参数和约束可以由用户定义。该优化问题的所有参数/选择以及所需目标/约束和给定应用可以总结如图2所示。Kim等人2003年提出了解决这个问题的一种方法，目标级联。 并由Hofman和van Druten在2004用于降低其中燃料，排放或成本的目标可以级联到子系统级，进一步到组件级，这表明组件，子系统之间的直接耦合 和设计目标（见图2）。这种方法的优点是原始问题被分解为一组次级问题，可以为每个子问题定义和解决“本地”优化。

为了控制目的，能量管理系统（EMS）和组件控制，已经分析了许多算法，这些可以分为两大类：（1）基于规则的算法和（2）基于优化的策略。这些方法的概述可以在Salmasi于2007年和Ganji和Kouzani于2010年的研究中找到，它们的分类通常在Salmasi于2007年研究出的图3中描述。这些算法的优点和缺点是根据找到全局最优解（如动态规划（DP））的能力，计算速度快，实时可行性，可重用性，复杂性等的能力来说明。关于HEV的EMS战略的研究重点放在了考虑前瞻道路状况和轨迹信息的研究中，可以在甘孜和库扎尼于2010年的研究中找到。

在本文中，已经用于拓扑/技术/尺寸和控制优化的最优设计算法一起讨论了各种应用。对于动力传动系组件的参数优化，重点在于尺寸调整已被证明对于燃料消耗，排放，成本和动态 运输系统的性能。找到一些动力传动系组件的最佳尺寸可以在Murgovski等人中找到。 （2011），Gao和Porandla（2005），Trigui et al。 （2009），Sundstrom等 （2010c），Sundstrom（2009），Rousseau et al。 （2008），Hofman et al。 （2005），Gao et al。 （2007），Pizzo et al。 （2010），Skinner等人 （2009）等。 第二存储设备的技术类型的变化可以在Williamson等人中找到。 （2005），以及Hofman等人的传输类型和大小。 （2008）。 拓扑变化可以在Skinner等人 （2009）和Murgovski等 （2011）。

图2 车辆推进设计

图3 混合动力总成控制策略的分类

2.1参数化和结构设计优化实例

近年来，除了控制系统优化，参数化和结构设计优化问题已经在多个应用领域得到了解决。 在图4中，参与混合电动（HE）传输系统的最佳设计的参考文献的分割是在不同的应用程序和他们分析的拓扑的类型之间完成的。 增长最快的汽车研究领域以乘用车为代表，其中多家制造商正在朝向HEV / EV或插电式HEV（PHEV）。例如将开始，如图4所示，乘用车将继续增加负载应用 从卡车和公共汽车到船只和潜艇; 此外，本节结尾分类和分析了用于优化设计的算法。

在Fellini等人讨论了具有平行拓扑结构的乘用车的最优尺寸 （1999），Rousseau et al。 （2008），Sundstrom et al。 （2010a），Gao和Porandla（2005），Hofman et al。 （2005）和Gao et al。 （2007）。 解决方案是定义应用（给定HEV和驱动周期），并决定要更改的参数（例如内燃机（ICE），电池（BAT）或EM尺寸，最小和最大允许充电状态 ）。 因此，通过比较现有优化算法（DIRECT，DP，顺序二次规划（SQP），遗传算法（GA），模拟退火（SA），粒子群优化（PSO），等效消耗最小化 策略（ECMS））或基于规则的（RB）算法对定义的最优设计问题。

在Fellini等（1999），分析了雪佛兰Lumina中型轿车的并联拓扑结构。模拟研究在ADVISOR中进行，其中集成了Turbo柴油发动机模拟（TDES）程序。根据需要更加模块化的面向对象的车辆模拟软件，这种集成是有动力的。模拟模型包含1.45升柴油发动机，55 kW EM和65 kW BAT，燃油经济性为43.41 m.p.g. 。在这里讨论了5个优化算法（SQP，轨迹，复杂，直接和顺序元模型优化（SMO）），并且由这些由数值噪声的存在驱动，选择了两个无衍生优化算法，即DIRECT和Complex解决了参数优化问题。所得到的燃料经济性为12％是由优化算法获得的较小的发动机，电动机和电池的结果。对于特定问题，DIRECT算法比复合算法更有效，既作为燃料经济性和函数调用的总数直到收敛（这里，每当复杂算法陷入可行区域时，需要重新启动仿真）。

Gao和Porandla（2005）可以找到具有并行拓扑的传统车辆的第二个参数优化示例。在这里，使用33 kW EM，88 kW汽油发动机，容量为6.5 Ah的240节电池BAT和最终驱动比为3.63的4速手动变速箱的拓扑结构进行仿真。这种配置导致35.1mpg的燃料消耗，其中使用3种不同的算法改进了5mpg。驱动周期由城市车道（FTP75周期）和公路行驶（HWFET周期）组成。 DIRECT，SA和GA用于优化给定某些边界的HEV的6个设计变量，结果值如表1所示。设计参数的初始值和最佳设计变量的比较表明，SA和DIRECT找到几乎相同的最优点，而GA假设它被卡在一个局部最小点。为了公平的比较，所有算法都被限制在相同的最大数量的评估功能上。所有这三种方法都导致了车辆质量的法令，降低了燃油消耗，改善了车辆性能。受DIRECT算法缓慢收敛的驱动，通过将DIRECT与SQP相结合，可以得到新的混合优化算法。将该算法应用于Rosenbrook的香蕉函数与使用DIRECT获得的结果进行比较，并且混合算法设法找到最优函数功能评估的数量要少得多。

表1

在Sundstrom等人中分析了具有并联拓扑结构的中型到大型家庭车。 （2010b）。讨论了动力传动系组件（ICE，BAT和EM）的最佳尺寸。首先通过使用DP分析尺寸;然后，开发混合动力车辆的尺寸规则，可以以很少的计算量找到最佳的杂交比。各种参数是多样的，并且基于它们对设计变量规则的影响所提出的车辆尺寸调整方法在全部8个周期的最优点的3.2％以内找到最优点。对于大多数循环，该方法以小于1％的误差执行。该方法对于不同的变化是稳健的，并且在公路周期中执行稍微更差，因为达到了SOC边界，并且所提出的算法需要被修改，而DP可以处理和克服这个问题。这种方法的优点是DP解决最优控制问题时消除了计算负担。

图4 现有混合动力总成及其使用的拓扑结构概述（每次引用）

2008年Rousseau等人分析了一种平行汽油雪铁龙车辆，其中EM位于车轮附近。使用DP和使用实时方法e等效消耗最小化策略（ECMS）讨论了不同动力传动系组件的尺寸变化。使用AMESim作为验证软件工具，用于优化的Matlab / Simulink和NEDC作为输入驱动周期，最优用DP发现电源分配。从初始设计开始，HEV的燃料消耗量为3.76l / 100km（常规车辆4.76l / 100km），已经得出以下结论：（i）通过改变BAT容量（相同重量），将引起发动机改变其运行点，只要SOC保持在其界限而不触及它们，则不会影响燃油消耗; （ii）BAT重量的变化将影响燃料消耗，因为车辆的重量也将变化; （iii）最大和最小EM功率的变化可能会改变燃料消耗（但不显着），但也会改变充电状态轨迹。比较了在AMESim中DP的结果，只有很小的差异可以观察到。

Hofman等于2005年讨论了本田思域车和丰田普锐斯两款车型，并对其参数进行了变化，以观察燃油经济性的影响。 对于这种分析，考虑了两种传输类型，来自IMA的CVT和Prius的E-CVT，3燃烧循环（Otto，Diesel和Atkinson）和3辆车，两个初始的和它们之间的平均值。 传统和不同发动机的影响在常规情况下进行，使用DP来计算最佳功率分配。 在使用NEDC驱动循环时，关于变速器和发动机类型的主要结论是：（i）V型皮带CVT导致4％的燃油消耗，（ii）缩小发动机结果，获得更好的燃油消耗 并将燃烧循环从奥托改为柴油，从奥

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[140858]，资料为PDF文档或Word文档，PDF文档可免费转换为Word