论文部分内容阅读
燃料电池汽车与混合动力和纯电动汽车相比，作为真正意义上的零排放、无污染新能源汽车，由于其燃料加注时间短，续驶里程长等优点，正在被越来越多的研究人员所青睐。而目前，我国的燃料电池汽车行业正处于市场推广的初期，受限于基础加氢站以及燃料电池样车成本高昂等问题的限制，需要通过仿真对燃料电池汽车进行选型以及仿真研究，同时考虑到燃料电池本身的成本，包括实验造成的燃料电池性能的衰退，以及可能造成的燃料电池的损坏等问题，需要制定合理的控制策略进行能量分配的仿真研究，从而筛选出可以进行真车实验的技术方案，缩短技术开发时间，减少技术开发经费。
本文基于某款商业用纯电动城市客车，选定燃料电池客车的拓扑结构，通过燃料电池汽车的经济性与动力学性能要求，计算确定燃料电池客车的动力系统关键部件的参数，在AMESim平台上搭建了整车动力学模型，用于燃料电池汽车的动力系统的选型与动力系统匹配的仿真研究，为之后的能量管理控制策略的制定与优化打下基础。
同时在Simulink平台中搭建了基于燃料电池工作工况的燃料电池衰减模型与基于锂电池循环实验的半经验衰减模型，用于之后的控制策略的搭建与优化标准。通过在Simulink中制定的状态机控制策略，与AMESim进行联合仿真对所搭建的燃料电池与锂电池衰减模型进行了验证。
通过Simulink与AMESim的联合仿真制定模糊控制策略，进行动力能源系统的能量分配。考虑燃料电池城市客车的运行情况，选定典型行驶工况，用于离线优化。同时综合考虑燃料电池客车经济性与耐久性，建立行驶成本目标函数。运用遗传算法，对模糊控制策略的隶属度函数进行优化，使得典型工况的行驶成本降到最低。
由于遗传算法为离线寻优，无法对在线实时工况进行优化，因此为了控制策略的实时性，采用BP神经网络搭建实时工况识别器，分别使用了主成分分析将将行驶工况的特征参数进行降维，选取影响程度最大的特征参数用于工况识别，之后提取三种典型工况的行驶数据作为训练样本，采用BP神经网络对样本进行训练，并在Simulink中使用训练完毕的神经网络模型搭建工况识别器。最后通过随机抽取常用工况进行排列组合模拟实时工况，对所搭建的控制策略进行仿真分析，验证其构建的合理性。
本文基于某款商业用纯电动城市客车，选定燃料电池客车的拓扑结构，通过燃料电池汽车的经济性与动力学性能要求，计算确定燃料电池客车的动力系统关键部件的参数，在AMESim平台上搭建了整车动力学模型，用于燃料电池汽车的动力系统的选型与动力系统匹配的仿真研究，为之后的能量管理控制策略的制定与优化打下基础。
同时在Simulink平台中搭建了基于燃料电池工作工况的燃料电池衰减模型与基于锂电池循环实验的半经验衰减模型，用于之后的控制策略的搭建与优化标准。通过在Simulink中制定的状态机控制策略，与AMESim进行联合仿真对所搭建的燃料电池与锂电池衰减模型进行了验证。
通过Simulink与AMESim的联合仿真制定模糊控制策略，进行动力能源系统的能量分配。考虑燃料电池城市客车的运行情况，选定典型行驶工况，用于离线优化。同时综合考虑燃料电池客车经济性与耐久性，建立行驶成本目标函数。运用遗传算法，对模糊控制策略的隶属度函数进行优化，使得典型工况的行驶成本降到最低。
由于遗传算法为离线寻优，无法对在线实时工况进行优化，因此为了控制策略的实时性，采用BP神经网络搭建实时工况识别器，分别使用了主成分分析将将行驶工况的特征参数进行降维，选取影响程度最大的特征参数用于工况识别，之后提取三种典型工况的行驶数据作为训练样本，采用BP神经网络对样本进行训练，并在Simulink中使用训练完毕的神经网络模型搭建工况识别器。最后通过随机抽取常用工况进行排列组合模拟实时工况，对所搭建的控制策略进行仿真分析，验证其构建的合理性。