【溫馨提示】====【1】設計包含CAD圖紙 和 DOC文檔，均可以在線預覽，所見即所得，，dwg后綴的文件為CAD圖，超高清，可編輯，無任何水印，，充值下載得到【資源目錄】里展示的所有文件======【2】若題目上備注三維，則表示文件里包含三維源文件，由于三維組成零件數(shù)量較多，為保證預覽的簡潔性，店家將三維文件夾進行了打包。三維預覽圖，均為店主電腦打開軟件進行截圖的，保證能夠打開，下載后解壓即可。======【3】特價促銷，，拼團購買，，均有不同程度的打折優(yōu)惠，，詳情可咨詢QQ：1304139763 或者 414951605======【4】 題目最后的備注【QX系列】為店主整理分類的代號，與課題內(nèi)容無關，請忽視
外文翻譯
設計外文翻譯
基于能量管理的插電式混合動力電動汽車多目標組件尺寸優(yōu)化
機械與動力工程學院
學生姓名： 學號：
車輛工程
學 院：
專 業(yè)：
指導教師：
20 年 月
基于能量管理的插電式混合動力電動汽車多目標組件尺寸優(yōu)化
摘要：本文提出了一種并聯(lián)插電式混合動力汽車的零件尺寸優(yōu)化方法，這種方法將其視為多目標優(yōu)化問題。 在這種方法中，定義了兩個目標函數(shù)來同時最小化傳動系統(tǒng)損失、燃料消耗和廢氣排放。 并且驅(qū)動性能要求被看做是約束條件。 此外，本文還為PHEV開發(fā)了包含混合控制策略的模糊邏輯控制器。 最后，通過多目標粒子群優(yōu)化算法，挑選TEH-CAR和UDDS共計32英里的行駛周期是組件的最佳選擇。 仿真結(jié)果證明了該方法的有效性和實用性，這種方法準備了不同最佳組件尺寸組合下的各種傳動系損失，等效燃料消耗和廢氣排放。
關鍵詞：最優(yōu)零件尺寸、插電式混合動力汽車、模糊邏輯控制器、混合控制策略、多目標粒子群優(yōu)化
介紹：全球變暖、燃料價格上漲和能源節(jié)約問題極大地促使政府去尋找節(jié)能減排的最有效的方法。最主要的化石燃料使用方式之一和空氣污染來源就是運輸行業(yè)，它占了全世界總能源消耗的幾乎27%，同時在2012年33.7%的溫室氣體排放也來自運輸行業(yè)。最近的研究闡明混合動力汽車可以明顯的減少燃料的消耗和廢氣排放。插電式混合動力汽車是混合動力汽車中的一種，它有更大的電池容量，不同的能源管理策略，并且可以和輸電網(wǎng)絡連接來為汽車充電。PHEV針對HEV，將其電池能量視為能源供應，在駕駛期間或之后，發(fā)動機和化石燃料不需要完全充電，而PHEV則使用更便宜和更清潔的能量（電力）進行推進?；旌蟿恿ζ嚨碾姵厥Ｓ嚯娏吭谄囆旭傞_始和尾聲階段變化很小，這就表明了汽車非常依賴化石燃料，然而插電式混合動力汽車的電池剩余電量則有很大的變化幅度（這也取決于行駛里程），這就表明了電力是汽車的主要能量來源。擁有兩種動力能源來源并且電力占更高地位，讓插電式混合動力汽車有更好餓燃料經(jīng)濟性，并且通過使用輸電網(wǎng)絡也讓廢氣排放減少。
本文提出的分析，首先確定了來自消費者對插電式混合動力汽車成本效益的觀點，然后通過分析一個簡單假設的例子來評估插電式混合動力汽車對電力效用的潛在作用。
通過優(yōu)化算法和仿真技術來優(yōu)化機械和電氣組件的尺寸在過去的各類研究中被學習。Redelbach等人在德國市場環(huán)境下提出了PHEV和EREV的最佳電池尺寸。他們的結(jié)果顯示電池大小會對總成本有顯著影響。他們展示了對于平均每年行駛15000公里的德國司機來說4kWh（PHEV）和6kWh（EVER）的電池容量將會是最佳成本選擇。Hu等人研究了精簡電池對在瑞典哥德堡運行的一系列插電式混合動力公交車的影響。他們使用了凸集模型并對動力系統(tǒng)進行了分解優(yōu)化。為了混合動力車輛鋰電池的最優(yōu)設計，Xue等人提出了一種結(jié)合了多個獨立優(yōu)化器的混合算法優(yōu)化模型。無梯度優(yōu)化器與梯度優(yōu)化器相結(jié)合，解決了混合整數(shù)非線性電池組的設計問題。優(yōu)化框架被應用于最小化質(zhì)量，體積和材料成本。Hung和Wu開發(fā)一種集成優(yōu)化方法，為了得出零件尺寸和混合動力系統(tǒng)控制策略的最佳解決方案。
為了同步優(yōu)化電池尺寸和公交車的PHEV動力系統(tǒng)的能量管理，Murgovski等人提出了一種凸集模型方法。結(jié)果表明，能量緩沖器的成本優(yōu)化，即：這些PHEV的額定功率和電池容量極大的取決于基礎充電設施，驅(qū)動方式和公交線路的地形。Malikopoulos調(diào)查了電動機/發(fā)電機電池尺寸對中型PHEV的燃油經(jīng)濟性和排放量的影響。他們提出了一個并聯(lián)的動力總成配置，預傳動和后傳動，以獲得關于電機和電池大小的帕累托前沿。Lee等人通過使用在持續(xù)充電模式下維持電池SOC的方法來分析發(fā)電機組的額定輸出功率。他們還提出了一個最佳發(fā)電機組工作線的定義，以最大限度地降低設定電力輸出功率下的燃油消耗。
Ribau等人強調(diào)了駕駛條件的重要意義和對燃料電池汽車動力系統(tǒng)設計優(yōu)化的投資成本，效率和壽命周期影響的優(yōu)化之間的沖突。將單目標和多目標遺傳算法與車輛模擬軟件ADVISOR相結(jié)合，以優(yōu)化動力傳動系統(tǒng)組件。另外，Ribau等人提出燃料電池車輛的部件由遺傳算法確定，其優(yōu)化了典型的城市出租車車隊使用的成本。遺傳算法旨在優(yōu)化設計車輛的成本，并使用ADVISOR評估性能。Kim等人證實，影響混合燃料電池車輛整體效率的最相關因素是燃料電池和電池的尺寸。他們使用模糊邏輯控制器來分配燃料電池/電池混合動力微型公交車的動力。此外，Khayyam和Bab-Hadiashar提出了基于ANFIS（模糊推理系統(tǒng)）和GA（遺傳算法）組合的PHEV自適應能量管理優(yōu)化控制策略。
Montazeri-Ga和Poursamad引入了通過GA（遺傳算法）優(yōu)化并聯(lián)混合動力電動汽車部件尺寸的程序。他們使用GA（遺傳算法）來最小化由一些加權項組成的單個目標函數(shù)。除此之外，他們已經(jīng)描述了使用并行混沌優(yōu)化算法優(yōu)化PHEV組件尺寸的方法。在他們的方法中，定義了目標函數(shù)，以便最小化傳動系成本。使用車輛能量消耗的參數(shù)分析模型分析組件尺寸。Song和Al-Sayed開發(fā)了一個多目標優(yōu)化程序，以優(yōu)化車輛縱向加速時間，穩(wěn)態(tài)燃油經(jīng)濟性，乘坐質(zhì)量和轉(zhuǎn)向穩(wěn)定性。還有一些研究使用粒子群優(yōu)化（PSO）和多目標優(yōu)化算法來優(yōu)化燃料電池組件，通過使用多目標GA（遺傳算法）開發(fā)PHEV。通過PSO（粒子群優(yōu)化），在主動分配網(wǎng)絡中電動汽車的負擔被最小化。
在本文中，開發(fā)了一種基于多目標粒子群優(yōu)化（MOPSO）的多目標優(yōu)化程序，用于PHEV的分量優(yōu)化，以同時降低車輛傳動系統(tǒng)成本，等效燃料消耗和污染物排放。多目標優(yōu)化的主要優(yōu)點是提出了一套解決方案，其目標可以同時增強，或者至少可以增加一個目標，而不犧牲其他目標。為此，選擇燃料消耗和廢氣排放作為第一目標函數(shù)進行最小化。然后車輛縱向動力學和性能被認為是約束函數(shù)。最后，通過考慮動力傳動系成本作為第二目標函數(shù)，限制多目標優(yōu)化得到了較為經(jīng)濟的組件，具有最佳的燃油經(jīng)濟性和廢氣排放，而不犧牲車輛性能。此外，本文還為各種PHEV設計了基于混合模式的模糊邏輯控制器。基于FLC和組件尺寸化程序的提出的控制策略的原理圖如圖1所示。
圖1 PHEV優(yōu)化與控制策略程序示意圖
圖2并行結(jié)構的PHEV
PHEV模型
如前所述，在優(yōu)化過程中，考慮了根據(jù)圖2的平行PHEV模型。該車輛在ADVISOR中進行建模和仿真。作為默認值，并聯(lián)的PHEV動力總成包括一臺82kw的發(fā)動機，由伊朗Khodro動力總成公司（IKCO）生產(chǎn)，西屋75kw（連續(xù)）AC感應電動機/逆變器和12v 6Ah怠速動力鋰離子電池。表1列出了所選車輛的一些其他參數(shù)和組件規(guī)格。
表1 SAMAND插電式混合電參數(shù)及組件規(guī)格
行駛循環(huán)
關于能源安全和氣候變化問題，運輸部門被認為是主要問題之一。它們在世界上消耗相當大一部分石油，排放大量的溫室氣體。2011年伊朗主要污染源（約80％）和2012年巴西（高達48％）是汽車行業(yè)。為了克服這些問題，HEV可以被認為是替代交通工具。相反，PHEV可以實現(xiàn)更好的平衡和更有吸引力，因為它們可以使用替代來源，而不是石油衍生的燃料。
在PHEV組件尺寸中，駕駛距離及其侵蝕強度是一些最重要的因素。據(jù)了解，在美國，城市車輛的平均每日駕駛總共只有36.5英里，而農(nóng)村汽車的平均駕駛時間為48.6英里。另外在伊朗，根據(jù)城市交通統(tǒng)計和數(shù)據(jù)的組織情況，平均每日距離據(jù)報道大約為30英里。因此，在德黑蘭最近開發(fā)的TEH-CAR城市駕駛循環(huán)和UDDC城市駕駛循環(huán)中，完成了模擬和優(yōu)化程序，以達到在兩個駕駛循環(huán)32英里（51.5公里）內(nèi)的最低目標函數(shù)，這是在美國的混合控制策略中開發(fā)的。優(yōu)化算法在45次迭代中找到最佳解決方案。這些驅(qū)動周期如圖3所示，其特性列于表2。
表2 THE— CAR和UDDS驅(qū)動循環(huán)特性
能源管理策略
在這項工作中，如圖4所示，為具有并行配置的PHEV設計了一個模糊邏輯控制器。在模糊控制器中，利用驅(qū)動器命令，能量存儲器SOC和電動機/發(fā)電機的速度，開發(fā)出一套規(guī)則，以有效地確定區(qū)分電動機與內(nèi)燃機。模糊邏輯控制器中有決策的作用，其可以管理能量供應和組件以在不同的投入條件下推動車輛。PHEV有兩種可能的控制策略，包括全電氣范圍（AER）和混合控制策略。
在圖4中，Tct，Te和Tm分別指示牽引力，發(fā)動機轉(zhuǎn)矩和電機轉(zhuǎn)矩。 lTct是Tct的成員，lSOC是電池SOC的成員，lTe是Te的成員。
在AER控制策略中，駕駛開始時，當電池SOC處于最高級別時，CD模式被激活。在這種模式下，電機不需要發(fā)動機的任何輔助來推動車輛。當SOC達到最小限制（35％）時，可以啟動CS模式，然后引擎對電池充電，并協(xié)助電動機推動車輛。在混合控制策略中，除了電動機之外，還可以使用發(fā)動機以CD模式推進車輛。當電池SOC達到最小閾值電平時，CS模式將自動激活。在CS模式中，發(fā)動機比CD模式更主要地運行，以推動車輛并將電池充電到預定義的水平（取決于在CS模式下使用的控制策略）。
圖3驅(qū)動循環(huán)a TEH-CAR驅(qū)動循環(huán)b UDDS驅(qū)動循環(huán)
第 6 頁 共 7頁