应用粒子群算法优化模糊规则的自适应多目标控制策略

林歆悠 王召瑞

(1.福州大学机械工程及自动化学院,福建福州 350108;2.汽车零部件先进制造技术教育部重点实验室(重庆理工大学),重庆 400054)

1 引言

为解决能源匮乏及环境污染两大突出问题,各国相继开始大力发展新能源汽车.其中,插电式混合动力汽车(plug-in hybrid electric vehicle,PHEV)作为传统混合动力汽车向纯电动汽车的过渡车型,因其具有电池容量大、可外插充电、行驶里程长等特点,是目前新能源汽车的研究开发热点之一[1].而好的能量管理策略是PHEV具有良好性能的基础,因此建立有效、合理的能量管理策略具有重要的理论和现实意义[2-4].

针对所研究目标的不同,如何最大限度的利用各动力源的优点,弥补各动力源的不足已成为评价能量管理策略优劣的重要指标[5].根据PHEV能量管理策略的实现方式,可以分为基于规则式的能量管理策略和基于优化方法的能量管理策略[6-7].基于规则的策略其阈值大多数是根据工程经验设定的,无法获得全局最优.而粒子群(particle swarm optimization,PSO)算法是一种结构简单、收敛速度较快并且能够在个体性与社会性之间寻求平衡的随机全局优化算法.如何将两者结合且运用到汽车控制中正被越来越多的学者所研究[8-11].文献[9]以电池荷电状态(state of charge,SOC)、电机转矩和整车需求功率为输入,以影响到电池SOC和电机转速以及发动机高效工作区间的两个曲线系数为输出,构建模糊控制器优化系统的燃油经济性.不过该文献并没有考虑到整车的排放性,文献[10-11]则以混合动……