基于智能理论的纯电动汽车热管理系统研发

在环境污染与能源危机问题日益严峻的今天,纯电动汽车因其高效率,低污染的特点成为各汽车企业的竞争重点。为使汽车安全运行,必须保证动力电池及电机在正常的温度下运行。本文的主要工作就是基于智能算法,进行电动汽车整车热管理系统及其控制策略的研究,以某典型城市的循环工况和中国城市工况为例,保证电池和电机正常工作的同时,降低整车热管理系统的能量消耗。随着智能算法的发展,其在工业上的应用越来越广,然而目前针对汽车热管理系统的控制策略多是阈值控制或者模糊控制等,基于复杂智能算法的研究则较少。要构建合适有效的热管理系统控制策略,对智能算法的计算精度要求较高,因此本文首先提出了改进的遗传算法(IGA算法),并先后利用IGA算法改进k-means聚类算法和回归型支持向量机(SVR),分别用于构建某城市乘用车典型工况以及整车热管理系统的控制策略。对遗传算法的基本原理进行阐述之后,通过改进遗传算法的变异算子,得到了改进的遗传算法。选用了四个基准测试函数对改进的遗传算法的性能进行验证,同时与遗传算法、蚁群算法、双种群遗传算法、量子遗传算法的函数寻优性能进行比较,结果表明IGA算法的计算结果在精度以及稳定性方面都明显优于其他几个算法。研究表明,典型工况对于建立有效的整车控制策略具有重要意义,为了验证整车热管理系统控制策略的有效性,以某二线城市(济南市)为例,建立了符合该城市交通状况的乘用车工况。首先采用IGA算法改进k-means算法,将得到的k-IGA聚类算法与k-means算法进行聚类对比运算,结果显示k-IGA算法的聚类结果具有更高的稳定性和精确度。通过试验获得济南市乘用车的工况数据,采用短行程划分方法将原始数据划分,共得到289个有效的运动学片段。选用19个运动学特征参数对每个片段进行描述,运用主成分分析对特征参数矩阵进行降维后,根据济南市道路情况并利用k-IGA聚类算法将289个运动学片段聚类为三类,最终合成济南市乘用车典型工况。为了便于研究整车热管理系统,通过一维仿真软件KULI搭建了整车热管理系统模型,并研究了风扇转速和压缩机转速对热管理系统冷却性能的影响。利用仿真模型分别得到不同工况下符合电机和电池工作温度要求的风扇转速和压缩机转速的样本数据空间,利用IGA改进的回归型支持向量机算法(IGA_SVR)对两个样本数据进行性能预测,分别得到风扇转速和压缩机转速的控制策略。将得到的控制策略文件与KULI软件进行耦合运算,分别在济南市乘用车典型工况和中国城市工况进行瞬态仿真,得到基于智能控制策略的电机出水温度和电池包出水温度的变化情况,与传统控制的仿真结果进行对比,结果表明基于智能控制的热管理系统不仅能满足散热要求,且将风扇功耗降低了 6.84%,压缩机功耗降低了 9.85%,有效提高了整车的能量利用效率。同时,在中国城市工况的瞬态仿真中,智能控制的结果中风扇功耗降低了 6.21%,压缩机功耗降低了 10.28%,进一步证明了基于智能控制的热管理系统的有效性和节能性。