基于遗传算法的电动汽车换挡策略优化

基于遗传算法的电动汽车换挡策略优化

为尽可能缩小电机尺寸、降低汽车总能量消耗，使电机更多地工作在高效区域，装备变速器的电动汽车应用越来越广。尽管针对传统内燃机汽车换挡策略的优化研究已有很多，但是因为电动汽车是零排放且能够实现能量再生，因而不能将传统内燃机汽车换挡策略的研究成果直接应用在电动汽车上。提出了一种利用非支配排序遗传（NSGA-II）算法优化电动汽车换挡策略，改善电动汽车能量消耗。

NSGA-II算法是一种启发式搜索多目标优化算法，该算法能够降低非劣排序遗传算法的复杂性，具有运行速度快、解集收敛性好等优点。优化时，首先在Matlab中建立汽车动力学模型、电池模型、电机模型、传动系统模型等并集成；之后将电机整体效率和整车性能作为优化目标，将加速性和爬坡性作为整车性能的评价指标，将汽车基本行驶动力性和电池的荷电状态作为约束条件。采用市区驾驶循环工况（UDDS）作为优化时的循环工况。使用NSGA-II算法优化时，根据驾驶循环工况的需求，对电动汽车的换挡策略进行实时调整。为分析能量再生策略对换挡优化策略的影响，共进行两次优化：一次模拟电动汽车使用能量再生策略；另一次则不使用。优化结果表明，通过对换挡策略的优化，能够改善电动汽车的能量消耗；不采用能量再生策略时电动汽车的能量消耗改善了1.21%，而采用能量再生策略时电动汽车的能量消耗则改善了5.02%。

Vinod Saini et al. SAE 2016-01-9141.

编译：王淼