16645

16645

توسعه و كاربرد داده هاي ترافيكي و سيكل رانندگي در استراتژي كنترل فازي خودرو هيبريد الكتريكي پلاگين

كارشناسي ارشد

طراحي كاربردي

شهريورماه 1395

دكتر مرتضي منتظري

مكانيك

چكيده خودروهاي هيبريد الكتريكي با تركيبي از يك موتور احتراق داخلي و يك موتور الكتريكي، به عنوان راهكاري براي حل مشكلات آلاينده ها و نيز بهينه سازي مصرف سوخت مطرح مي باشند. خودروهاي هيبريد الكتريكي پلاگين نسل جديدي از خودروهاي هيبريد الكتريكي هستند كه توانايي تامين شارژ باتري ها از طريق شبكه سراسري برق را دارند. با توجه به اهميت توسعه داده هاي ترافيكي و سيكل رانندگي و نقش آن در مديريت منابع توان يك خودرو هيبريد الكتريكي پلاگين، اين پايان نامه با هدف توسعه و كاربرد داده¬هاي ترافيكي و سيكل رانندگي براي استراتژي كنترل فازي اين خودروها انجام شده است. در اين پايان نامه، ابتدا روش هاي توسعه سيكل هاي رانندگي مطالعه شده است. سپس شناسايي الگو مطالعه و با بررسي و مرور كارهاي انجام شده، الگوريتم جديدي براي تهيه سيكل رانندگي ارائه شده است. بر اين اساس، داده هاي ترافيكي در محدوده شهر تهران و با رويكرد اندازه گيري در زمان هاي پيك ترافيكي براي خودرو هاي سواري اندازه گيري شده است. در الگوريتم ارائه شده براي توسعه سيكل، داده هاي خام به ميكروتريپ (توالي بين دو توقف حركتي) تبديل شده و با روش خوشه بندي K-means به نواحي ترافيكي تقسيم گرديده است. سپس با روش تابع توزيع احتمال، ميكروتريپ هاي نمونه هر ناحيه انتخاب شده اند. در ادامه با استفاده از روش دسته بندي مدل زنجيره ماركوف، گذار و توالي وقوع بين ميكروتريپ هاي نواحي بر سيكل اعمال شده و در نهايت سيكل تهران توسعه يافته است. به منظور كاربرد داده هاي ترافيكي توسعه يافته در استراتژي كنترلي، يك كنترل كننده فازي مناسب براي خودرو هيبريد الكتريكي پلاگين طراحي و جهت شبيه سازي و تحليل در محيط نرم افزار ADVISOR و Matlab مدل سازي گرديده است. به منظور تنظيم قوانين فازي، مصرف سوخت معادل و ميزان آلاينده هاي خروجي خودرو با استفاده از الگوريتم ژنتيك و با حفظ قابليت هاي عملكردي بهينه شده است. نتايج شبيه سازي كنترل كننده فازي براساس سيكل جديد تهران نسبت به سيكل قبلي در شرايط متنوع ترافيكي، كاهش مصرف سوخت تا حدود 18 درصد را نشان داده است. اين نتيجه، كارايي بيشتر خودروهاي هيبريد الكتريكي در زمان هاي پيك ترافيكي را بيان مي كند. كنترل كننده فازي-ژنتيك بسته به تغييرات مسافت، مي تواند به كاهش بيشتري در مصرف سوخت نيز منجر گردد. واژه هاي كليدي: خودرو هيبريد الكتريكي پلاگين، توسعه سيكل رانندگي، داده برداري ميداني، استراتژي كنترلي فازي.

1395/11/26

1/1/1900 12:00:00 AM

Abstract: Hybrid electric vehicles (HEV) with combination of an internal combustion engine an​d an electric motor are proposed as a solution for pollutants problems an​d optimization of fuel consumption. Plug-in hybrid electric vehicles (PHEV) are new generation of HEV types, capable of charging batteries through electric grid. Regarding to significance of traffic an​d driving data development an​d its role in energy sources management of a PHEV, the main objective of this thesis is development an​d application of traffic data an​d driving cycle for fuzzy energy management system. In this thesis, driving cycle development is firstly studied. Pattern recognition is then studied with a review on previous experiments, an​d a novel algorithm is presented to build the driving cycle. Accordingly, traffic data in the city of Tehran is collected with the concentration on traffic peak hours for passenger cars. In the proposed algorithm for driving cycle development, real data are converted to micro-trips (data between two consecutive stops) an​d have been divided into four traffic conditions using K-means clustering method. Sample micro-trips are then selected for each traffic condition employing probability distribution function. In addition, transition o​r sequence of occurrence between micro-trips of traffic condition has applied on cycle using Markov chain model an​d finally, Tehran driving cycle is developed. To apply developed traffic data in control strategy, a proper fuzzy controller is designed for PHEV an​d simulated in Matlab an​d ADVISOR software environment. In order to tune the fuzzy rules, the equivalent fuel consumption an​d the amount of vehicle exhaust emission are then optimized using GA, while keeping operational capabilities. The results of fuzzy controller simulation for Tehran new driving cycle have shown reduced fuel consumption up to 18% compared to Tehran previous driving cycle considering various traffic conditions. This indicates higher efficiency of hybrid electric vehicles in traffic peak hours. This optimized genetic-fuzzy controller may result in more reduction in fuel consumption depending on the distance variation. Keywords: plug-in hybrid electric vehicle, driving cycle development, field data gathering, control strategy.