輕度油電混合車之省油、低排汙及穩定電池電量之最佳能源管理策略

Translated title of the thesis: Optimal Energy Management Strategy to Reduce Fuel Consumption Emission and Fluctuation of SOC for Mild HEVs
  • 吳 世翔

Student thesis: Master's Thesis

Abstract

本研究針對配製皮帶式馬達發電機(Belt-driven Starter Generator BSG)之輕度混合並聯式油電混合車(Parallel Hybrid Electric Vehicle)之架構,提出一能量管理策略(Energy Management Strategy EMS),其使用以遺傳基因演算法(Genetic Algorithm GA)為即時最佳化演算法之等效油耗最小策略(Equivalent Consumption Minimization Strategy ECMS)為基礎,利用油電車輸出之電池電量(State Of Charge SOC)偏差、引擎油耗及排汙(Emission)組成多目標問題,並使用多目標基因演算法(Multi-Objective Genetic Algo-rithm)求出控制策略之柏拉圖最佳解集合(Pareto-Optimal Solution),此解集合為車輛行駛時,控制策略決定操控關鍵參數的資料庫,藉由徑向基底函數網路(Radial Basis Function Network RBFN)及遞迴最小平方(Recursive Least Squares RLS),決定操控關鍵參數即可即時的決定出引擎之操作點及CVT(Continuously Variable Transmission)齒比(Gear Ratio)。 此外,油電車之油耗及排汙會受到不同的行車型態(Driving Cycle)類型(市區、郊區及高速公路)很大的影響,因此本研究使用基於多層感知機(Multilayer Percep-tron MLP)之行車型態辨識(Driving Pattern Recognition DPR)演算法,即時的辨識車輛所處的行車型態,並利用此辨識結果挑選相對應之資料庫,使電池電量可以維持,並同時改善油耗及排汙。 為了驗證本研究提出之多目標等效油耗最小策略(Multi-Objective ECMS MOECMS),初步驗證使用由車輛模擬軟體ADVISOR(Advanced Vehicle SimulatOR)與MATLAB/Simulink建立之基於後視法(Backward-Facing Method)之油電車模型,將MOECMS整合至其中進行模擬以分析及驗證其有效性。 為了評估MOECMS在嵌入式控制器(Embedded Controller)之可行性,本研究搭建了硬體迴路(Hardware-in-the-Loop HiL)實驗平台,將MOECMS寫入此嵌入式控制器並使用控制器區域網路(Controller Area Network CAN)做訊號交換,同時導入真實駕駛藉此增加實驗之真實性。 由後視模型之電腦模擬結果得知,相較於傳統汽油車,在油耗方面,MOECMS最高有42 31 %的改善。 排汙方面,MOECMS在HC、CO及NOx最高分別有39 83 %、47 85 %及32 77 %的改善。 在電池電量方面,MOECMS可將電量維持在[0 3 0 7]的範圍內。 由硬體迴路實驗可知,MOECMS可以完整的寫入嵌入式控制器並且與CAN總線配合且即時的運行,而其實驗結果與電腦模擬相當一致,驗證了本研究提出之MOECMS在理論及實務中均有很好的成效。
Date of Award2017 Aug 17
Original languageChinese
SupervisorNan-Chyuan Tsai (Supervisor)

Cite this

'