甲醇混合动力商用车的能源管理策略基于改进的虫算法优化算法
Zhihao Li1,2, Ping Xiao1,3, Jiabao Pan1,2
1Anhui Province Key Laboratory of Intelligent Car Wire-Controlled Chassis System, Anhui Polytechnic University, Wuhu, China.
PloS one
|January 2, 2025
概括
本研究介绍了一种增强的虫算法 (DBO),以优化混合商用车能源管理策略 (EMS) 的模糊控制. 改进的EMS显著降低了燃料消耗和电池充电状态 (SOC) 的波动.
科学领域:
- 汽车工程 汽车工程
- 控制系统 控制系统
- 人工智能的人工智能
背景情况:
- 混合动力商用车中的基于规则的能源管理策略 (EMS) 通常表现出不良的适应性和稳定性,导致低于最佳的燃油经济.
- 传统的方法难以平衡内燃机和电池电源系统的复杂运行需求.
研究的目的:
- 为混合动力商用车辆开发一个改进的虫算法 (DBO),优化多模糊控制EMS.
- 提高车辆能源管理的适应性,稳定性和经济性能.
主要方法:
- 通过定义甲醇发动机和动力电池的高效运行区域,建立了基于规则的EMS.
- 集成的共弦值,莱维飞行和考希高斯变异策略与Tent混乱映射,以提高DBO的全球搜索能力并避免局部最佳.
- 设计了用于驾驶充电和混合动力模式的模糊控制器,使用增强的DBO优化它们,以燃料消耗和电池SOC波动为目标.
主要成果:
- 与传统的基于规则的策略相比,增强的DBO优化模糊控制EMS表现出优异的性能.
- 在车辆整体燃油消耗方面实现了9.07%的降低.
- 减少了3.43%的电池充电状态 (SOC) 波动.
结论:
- 提议的改进的DBO优化模糊控制EMS为混合动力商用车提供了增强的适应性和稳定性.
- 发动机和电机之间的持续实时扭矩分布调整显著改善了车辆的经济性.
- 这种方法为优化混合动力商用车的能源管理提供了可行的解决方案.
