基于多目标优化的增程式电动汽车自适应制动回馈控制策略.pdf

《基于多目标优化的增程式电动汽车自适应制动回馈控制策略》 增程式电动汽车（Range-Extended Electric Vehicle, R-EEV）在当前新能源汽车领域扮演着重要角色，它通过辅助动力单元提升了车辆的续航能力，有效缓解了消费者的“里程焦虑”。在R-EEV中，再生制动系统（Regenerative Braking System, RBS）是一项关键的技术，能够将制动过程中损失的能量回收到动力电池中，从而提高能源利用效率。然而，如何设计并优化再生制动控制策略（Regenerative Braking Control Strategy, RBCS）以平衡制动性能、能量回收与电池健康状态，成为了研究的重点。 该文提出了一种基于多目标优化和最优优化理论的自适应制动回馈控制策略。利用AVL/Cruise和Matlab/Simulink软件建立了整车系统仿真控制模型，然后以系统制动效能、制动回馈能量和电池容量衰减率为优化目标，运用非支配排序遗传算法第二代（NSGA-II）构建了多目标优化模型。通过离线仿真，研究人员获得了在综合再生制动性能指标下制动工作点切换的最优阈值，即ParaTO最优解。 接下来，结合优化结果设计了自适应模糊控制器，该控制器考虑了路面附着系数和动力电池的荷电状态，能实时在线调整制动工作点的分配，确保在不同工况下的最优性能。在WLTP循环工况下进行的仿真结果显示，该自适应制动回馈策略成功实现了制动效能、制动回馈能量与电池容量衰减率之间的有效平衡，提高了制动效能和能量回收，同时减少了电池容量的衰减。 相比于现有的研究，本文更注重了电池健康状态的影响，而不仅仅是追求最大化的制动效率和能量回收。通过控制充电电流曲线，不仅可以优化电池的充电效率，还能延长电池寿命。这一策略对于R-EEV的节能减排以及提高整体性能具有显著意义，为未来R-EEV的制动回馈控制提供了新的理论和技术支持。 这篇论文深入探讨了R-EEV制动回馈控制策略的优化问题，提出了一种兼顾制动性能、能量回收和电池健康的自适应控制方法，对于推动新能源汽车技术的发展，尤其是增程式电动汽车的高效能运行具有重要的理论和实践价值。