18922

۱۸۹۲۲

استراتژي كنترلي خودروي هيبريد الكتريكي پلاگ-اين با بهينه‌يابي سطح شارژ مرجع در شرايط مختلف رانندگي

دكتري

ارتعاشات و كنترل

۱۳۹۶/۱۱/۸

دكتر مرتضي منتظري

مكانيك

يكي از زمينههاي چالش برانگيز در خودروهاي هيبريد الكتريكي پلاگ-اين (PHEV)، طراحي سيستم مديريت انرژي اين خودروها ميباشد. در سال‌هاي اخير، استراتژي‌هاي كنترلي تطبيقي¬اي كه بتوانند در شرايط مختلف عملكرد مطلوب خودرو را تضمين كند توجه بسياري از محققان در حوزة خودروي هيبريد را به خود جلب كرده¬اند. در اين رساله، طراحي استراتژي كنترلي خودروي هيبريد الكتريكي پلاگ-اين با بهينه¬يابي سطح شارژ (SOC) مرجع در شرايط مختلف رانندگي ارائه شده¬است. بدين منظور، ابتدا مدل‌سازي و شبيه‌سازي خودرو با استفاده از نمودار مشخصة موتور احتراقي بر مبناي داده‌هاي تست موتور و همچنين مدل دقيق يك باتري ليتيومي برپاية تست‌هاي متنوع شارژ و تخليه، انجام شده است. علاوه‌برآن، براي بررسي تأثير شرايط ترافيكي و توسعة سيكل¬هاي رانندگي با مسافت طولاني مناسب براي شبيه‌سازي خودروي هيبريد الكتريكي پلاگ-اين، داده¬هاي تجربي جمع‌آوري¬شده در شرايط واقعي ترافيك شهر تهران مورداستفاده قرار گرفته است. با اعمال روش¬هاي بهينه‌يابي ازجمله برنامه‌ريزي پويا (DP) و اصل كمينة پونترياگين (PMP)، سطح شارژ مرجع در شرايط مختلف ترافيكي بدست آمده و با استفاده از يك سيستم استنتاج عصبي-فازي تطبيقي (ANFIS)، سطح شارژ بهينه در شرايط ترافيكي تخمين و به¬عنوان سطح شارژ شبه‌بهينه مرجع در استراتژي تطبيقي كمينة مصرف سوخت معادل (A-ECMS) بكارگرفته شده¬است. ¬ نتايج شبيه‌سازي¬ها با استفاده از اين استراتژي نشان مي¬دهد كه مصرف سوخت درمقايسه با استراتژي A-ECMS پايه بهبود قابل ملاحظه¬اي مي‌يابد. علاوه¬برآن، با استفاده از روش پيشنهاد شده دراين رساله نيازي به اطلاعات كل سيكل رانندگي نمي‌باشد و تنها با استفاده از مقادير مسافت كل و سرعت متوسط خودرو، مي‌توان شيب سطح شارژ بهينه در شرايط مختلف رانندگي را تخمين زد و لذا اين روش قابليت پياده‌سازي برخط را دارا مي‌باشد.

1397/02/24

2/20/2022 12:00:00 AM

One of the major challenges in the development of the plug-in hybrid electric vehicles (PHEVs) is the design of the energy management system. In recent years, adaptive control strategies which improve vehicle performance in different conditions have attracted researchers’ attention. The present dissertation is dedicated to design the plug-in hybrid electric vehicle control strategy through optimization of reference state of charge (SOC) in different driving conditions. To accomplish this, a detailed lithium-battery model is developed based on various test results and is utilized in line with an experimental engine map to form the PHEV model for simulation. Furthermore, the experimental collected data in real traffic conditions are used in order to investigate the effect of traffic conditions and to develop proper driving cycles. The reference SOC trajectory is computed in different traffic conditions taking advantage of applying optimization methods including dynamic programming (DP) and Pontryagin’s minimum principle (PMP). On the other hand, the optimal SOC trajectory is estimated considering driving condition under the light of using adaptive Nero-Fuzzy inference system (ANFIS), which is taken into account as the near-optimal reference SOC trajectory in adaptive equivalent consumption minimization strategy (A-ECMS). The simulation results reveal that by applying this strategy, the fuel consumption is significantly improved in comparison with the A-ECMS. Furthermore, the proposed methodology doesn’t require the knowledge of the entire driving cycle, and only the trip length and the average speed should be known a priori to estimate the optimal reference SOC trajectory in different traffic conditions, and consequently this method is on-line implementable.