混合动力汽车优化算法综述

・
２８ ・
函数值。 其优化过程分两部分 ： 第一 ， 识别那些具有潜在最 优解的超立方体 ； 第二 ， 将这些潜在最优化的超立方体继 续分割为更小 的超立方体 ， 然后返 回第一步。 经过反复迭
代 分 割 ， 到满 足收敛 条 件 后退 出 ， 终获 得 全 局最 优 函 直 最 数值 。 文献 ［］ 用 ＤＲ Ｃ ８采 ＩＥ Ｔ搜 索 方 法 对燃 料 电池 Ｓ Ｖ进 Ｕ
了一种新 的基 于人工 免疫 网络优化 的模糊 神经 Ｈ Ｖ能 量 Ｅ
行了能量管理优化 ， 结果表明 ＤＲ Ｃ ＩＥ Ｔ算法 比Ｓ Ｐ Ｑ 算法更 为有效 ， ＤＲ Ｃ 但 ＩＥ Ｔ算法不适用 于大规模的运算 ， 收敛速 度 熳。文献［ ］ ９ 应用 Ｐ 前 向仿真软件及 ＤＲ Ｃ Ａ ＩＥ Ｔ算法
发意义的新 型汽车 。Ｈ Ｖ结构和控制策 略复杂 ， Ｅ 如何 匹配和优化混合动力系统才能实现最佳性 能是研究和开
发过程 中的关 键 问题 。基 于 工 程经 验 的“ 错 法 ” 试 已无 法
满足 Ｈ Ｖ这种复杂系统 的优化 ， Ｅ 因此优化算法逐渐被引 入到混合动力系统的优化过程 中来 。本文对 Ｈ Ｖ优化算 Ｅ 法及技术现状作 了系统 的归纳整理 ， 并分析展望 了 Ｈ Ｖ Ｅ
优 化技 术 的发展 趋 势 。
１ 优 化 算法
１１ 列 二次 规划 法 ．序
序列二次规 划法 （ｅｕｎ ａ Ｑ ａｒ ｉ Ｐｏｒ ｍｎ ， Ｓｑｅｔ ｌ ｕｄ ｔ ｒ ａ ｉ ｉ ａｃ ｇ ｍ ｇ
Ｓ Ｐ 是一种非常优秀的求解中小规模有约束光滑非线性 Ｑ）
问题 的求解 方 法 。Ｓ Ｐ算 法 将原 问题 转 化 为 一 系列 的 Ｑ
个独立的算子嵌入遗传算法 中， 以发动机功率 、 电机功率 和超级电容个数等作为优化变量 ， 分别进行了单 目 和多 标
目标 函数 的优化分 析 。
１４人 工神经 网络 ．
每个粒子 由一个速度矢
量决 定其 飞行 方 向和 速 率 大 小 ， 过 改 变 速 度 通
的大小和方 向使随机 的
ｈ ｅ ｅｏ ｉｇ ｔ ｄ ｏ ｅ ｅ ｒ ｈ ｏ ｔ ｅ ｄ ｖ ｌｐ ｎ ｒ ｎ ｆｒ ｓ ａ ｃ ｎ ＨＥＶ ｏ ｔ ｚ ｔ ｎ ｅ ｐｉ ａｉ ． ｉ ｍ ｏ
Ｋ ｙｗ ｒｓｈｂ ｄｅ ｃｒ ａ ｖｈｃ （ Ｅ ； ｐｉ ｚｔ ｎａｇｒｈ ｓ ｌｅ ｎ ｅｌ ｇ ｇｎｔ ｇｒｈ ｅ ｏ ｄ ：ｙ ｒ ｌ ｔｃｌ ｅ ｉｅ Ｈ Ｖ） ｏｔ ａ ｏ ｏ ｔｍ； ｉ ａ ｄａｎ ａｎ ； ｅｅｉ ａ ｏｉ ｍ ｉ ｅ ｉ ｌ ｉ ｍ ｉ ｌ ｉ ｍｕ ｔ ｉ ｃｌ ｔ
基 于 Ｄ ｒｉ ａ ｎ的进 化 论 和 Ｍ ｎ ｅ 的遗 传 学 说 。遗 传 算 法 ｗ ｅｄｌ 因其简单 通用 ， 性强 ， 于并行 处理 ， 鲁棒 适用 已广泛 应 用 于
ｙ ， ） ＝ （ 式中 Ｕ ＝１２ …，） ，， ｎ 是从其他神经元传来的输入信号， ０为阈值 ， 是从神经元 到神经元 ｉ 的连接权值 （ 取正值
为激发状态 ， 负值为抑制状态 ） ／为激发 函数 ， ， ｎ为输 入 神经元 的个数 ， Ｙ 为该神经元输出。 由多个神经元连接组 成神经网络， 其依靠系统 的复杂程度 ， 通过调整内部大量
节 点之 间相 互连 接 的关 系 ， 而达 到模拟 生物 神经 系统 处 从 理信 息 的 目的。
ＱｕＪｎ ｌｉ ＹＡＮＧ ａ ｃ ｉｇｅ ， Ｇｕ ｎ ｉ
Ａｂ ｔ ａ ｔ ｈ ｓ ｐ ｐ ｒｂ ｅ ｙ ｉ ｔ ｄ ｃ ｄ ｔ ｅｐ ｎ ｉｌ ｓａ ｄ ｆ ａｕ ｅ ｆ ｌｓ ｉ ｐ ｉ ｚ ｔ ｎ ａｇ ｒ ｈ ｓｒ ｃ ：Ｔ ｉ ａ ｅ ｒ ｆ ｎｒ ｕ ｅ ｒ ｃ ｐ ｅ ｎ ｔ ｒ ｓｏ ａ ｓ ｏ ｔ ｉｌ ｏ ｈ ｉ ｅ ｃ ｃ ｍｉａｉ ｌｏ ｔ ｍｓ ｓ ｍｍａ ｉｅ ｅｃ ｒ ｎ ｉ — ｏ ｉ ｕ ｒｚ ｄ ｔ ｕ ｒ ｔｓ ｕ ｈ ｅ ｔ
代 ， 随温度 的不 断下 降 重 复抽 样 过 程 ， 终得 到 问 题 的 伴 最
全 局最优 解 。
群作为初始解 ， 用粒子的位置表示待优化 问题的解 ， 粒子 性能的优劣程度取决于待优化 问题 目标 函数确定 的适应
度值 。每个 粒 子记 录 自 己 的 最 优 位 置 （ ｂｓ） ｐｅｔ 以及所 有粒 子 的最 优 位
，
ａｉ ｎ ｏ ｅ ｅ ｒ ｈ ｉ ｅ ｏ ｔ ｚ ｔ ｎ ｄ ｓ ｎ ｏ Ｖ，ａ ｄ ｃ ｍｅ ｔ ｈ ｏ ｃｕ ｉｎ ｔ ａ ｅ ｖ ｈ ｃｅ ｐ ｒ ｒ ｎ ｅ ｃ ｕ ｄ ｂ ｒ ａｌ ｏｉｈ ｄ ｔ ｆｒ ｓ ａ ｃ ｎ ｔ ｐ ｉ ａ ｉ ｅ ｉ ｆ ｏ ｈ ｉ ｍ ｏ ｇ ＨＥ ｎ ａ ｔ ｅ ｃ ｎ ｌ ｓｏ ｔｔ ｅ ｉｌ ｆ ｍａ ｃ ｏ ｌ ｅ ｇ ｅ ｔ ｐ ｌ ｅ ｏ ｈ ｈ ｅ ｏ ｙ ｓ
对并联 式 Ｐｕ —ｎＨ Ｖ在不 同电能消 耗续 驶 里程下 的能 ｌ ｉ Ｅ ｇ 量管理 策 略进行 了优 化 设 计研 究 ， 果 表 明 ： 结 利用 优 化 设
计得到的能量管理策略有效改善了整车燃油经济性。
１３模拟 退火算 法 ．
管理控制器 ， 该控制器的性能优于普通能量管理控制器， 可进一步降低 Ｈ Ｖ的油耗。 Ｅ
１５ 子群 优化算 法 ．粒
模拟退火（ｉｕ ｔ ｎｅ ｉ ， Ａ 算法是一种拟物 Ｓ ｌｅ Ａ ｎａｎ Ｓ ） ｍ ａｄ ｌ ｇ 算法 ， 最早 由 Ｋｒｐｔｃ 在 １８ 年提出 。ｓ ｉ ａｉ ｋ ｒ ｋ ９３ … Ａ算法来源 于固体退火原理 ， 固体加温至充分高 ， 将 固体 内部粒子呈
电力驱动技术， 与传统汽车的内燃机驱动相结合 ， 相较于 传统内燃机汽车 ，Ｅ Ｈ Ｖ增加了动力 系统部件 的种类 和组 合方式 ， 通过对各部件的工作方式进行优化组合 ， 使作为
主动力源的内燃机工作在经济运行 区和低排放区， 以保证
车辆 良好 的 动办 ｌ 低排 放 性 和 低 能 耗性 ， 当今 最 具 开 生、 是
Ｏ 引 言
节能 和环保 是 ２ 世 纪 汽 车 技 术 的一 个 重 要 发 展 方 １
向， 融合了内燃机 汽车和电动汽车优点的混合动力 汽车
（ ｙｒ ｌ ｔｃｌ ｅｉｅ Ｈ Ｖ） Ｈ ｂ ｄＥｅ ｒ ａ Ｖ ｈ ｌ， Ｅ 成为 了新型汽车开发 的 ｉ ｃ ｉ ｃ
热 点 …。Ｈ Ｖ通过 多种 动 力 源 的组 合 ， 用 电力 储 能 和 Ｅ 采
物神经 网络 的一种 模拟 和近似 ， 现机理 和功 能上 模 拟生 实
物神经网络¨ 。Ａ Ｎ是 由大量 的人工神经元相互连接而 Ｎ
成 的 自适应 非线 性动态 系统 。人工 神经元 是 Ａ Ｎ 中的基 Ｎ
文献 ［８ 采用粒子群算法优化模糊控制器中的隶属 １］
度 函数参 数及模 糊 规则 ， 仿真 实 验 结果 表 明 ， 于 粒 子群 基 优 化 的模 糊能 量管理 策略 能够较 好地控 制 Ｈ Ｖ电池 组 电 Ｅ
今后的发展方向。 。
关键词： 混合动力 汽车 誓 优化算法 模拟退火 遗传算法
÷
中囤分类号；４９ 文献标识码： 文章编号ｌ ０ ６８ ｏ２ ０ ０ 囊 ３ ｊ Ｕ６ｌ Ａ ｜ ２ ８６２１｝ Ｄ凹 ｏ ÷ ｌ Ｄ Ｉ （
Ｏｖ ｒ ｉｗ ｆＯ ｐｉ ｉａ ｉｎ ｇ ｒｔ ｍ ｏ ｅ ｖｅ ｏ ｔ ｚ ｔｏ Ａｌ ｏ ｉ ｍ ｈ ｆ ｒ ＨＥＶ
序， 最终达到常温基态， 内能减为最小。用固体退火模拟
组合 优化 问题 ， 内能 模 拟 为 目标 函数 值 ， 将 以温 度 作 为控
制参数 ， 随机给定一个较大的控制参数初值和初始解 ， 利 用 Ｍ ｔ ｐｌ 抽样策略在解空间中进行随机搜索 ， ｅ ｏｏ ｓ ｒ ｉ 对当前 解重复“ 产生新解 一 计算 目标 函数差 一 接受或舍弃 ” 的迭
本元件 ， 是一个多输入单输 出的非线性元件， 其输入输 出
关系 可描述 为 ：
量变化 ， 有效降低燃油消耗。 １６遗传算法 ．
ｆ ＝∑ 一 ， ０
Ｊ＝１
遗传算法 （ ｅｅｃＡｇｒｈ Ｇ 是 由密执安大学 Ｇ ｎｔ ｌ ｉ ｍ， Ａ） ｉ ｏｔ
Ｈ ｌｎ 提出的一种随机搜索与优化算法， ｏａｄ ｌ 其基本思想是
较 当前 位置 和 两个 最 优 位置 的差别 来 调整 速 度 以确 定 下 一 步 的 位 置 。
计算粒子种群 中各粒子 的适应值并对 ｐｅｔ ｂｓ 和 ｓ 行 更 新 ｔ 进
根据速度 、 置更新公式刘粒子 一 位 斟 ～ 输其 是 的 速 度 和位 置进 行 更 新
遗传算法与模拟退火算法相结合 ， 以模拟退火算法作 为一
初 始解 “ 向 ” 优 解 。 飞 最 Ｐ Ｏ算 法 的实 现 流程 如 Ｓ
图 １所示 。
Ｉ ． ）
图１ 粒 子 群优 化 算 法 流程 图
人工神经 网络 （ ｒｆ ｉ ｅｒ ｅ ｏ ， Ｎ ） Ａｔ ｃ ｌ ｕａ Ｎ ｔ ｒ Ａ Ｎ 是生 ｉ ａＮ ｌ ｉ ｗ ｋ
无序 状 ， 内能增 大 ； 再让其 缓慢 冷却 ， 固体 内部 粒子 渐 趋有
粒子群优化算法（ ａ ｉｅＳ ａ ｐ ｍｚ ｉ ， Ｓ ） Ｐｒｃ ｗｒ Ｏ ｔ ｉ ｔ ｎ Ｐ Ｏ ｔｌ ｍ ｉ ａｏ
源 于对 鸟群简 化社会模 型 的研究及 行为 模拟 ， 于 群体 是基 的演化 算法 ， 是 由 Ｋ ｎｅ 与 Ｅ ｅ ａ 于 １９ 最早 ｅｎｙ ｂｒ ｒ ｈ ｔ ９５年提 出 的 。Ｐ Ｏ算 法求解 问题 的基 本思 想 是 随机 产生 一 粒子 Ｓ
・
２９ ・Байду номын сангаас
计算机科学 、 优化调度 、 组合优化等领域 ， 并取得了巨大的
文献『４ 通过试验采集合理样本训练对焦 回归型神 １］ 经网络 ， 建立基于神经网络的控制策略。该控制策略响应 速度快 ， 通用性好 ， 并可 以提高 Ｈ Ｖ的燃油经济性。文献 Ｅ ［５ 结合人工神经网络 自主学习功能， １］ 建立模糊神经 网络 控制策略 ， 该策略比普通逻辑控制更加有利于燃油经济性 的提高 ， 并在一定程度上改善 了排放性能。文献 ［６ 设计 １］
ｂ ｄ ｐｉ ａｏ ａ ｏｔ ｉ ｔ ｎａ ｏ ｔｍ ， ｏ ｔ ｕ ａ ｔｅ ｙ ｒ ｐｉｉ ｔ ｎａｇｒ ｍ ｄ ｈ ｕｔ— ｂｅｔ ｅｏｔ ｚｔｎａ ｙａ ｏｔ ｇｒｔｎ ｐｉ ｚ ｉ ｌ ｒｈ ｓ ｐ ｉ ｅ ｏｔｈ ｔｈ ｂ ｄｏ ｔ ｚｉ ｏ ｔ ａ ｅｍ ｉ ｏｊｃｖ ｐ ｍ ａｏ ｒ ｎ ｉｌ ｍ ａ ｏ ｇｉ ｎｄ ｔ ｈ ｉ ｍａ ｏ ｌ ｉ ｈ ｎ ｔ ｌ ｉ ｉ ｉ ｉ ｅ
置 （ ｂ ｓ） 然 后 通 过 比 ｇｅｔ ，
文献［１采用 自适应模拟退火算法， Ｈ Ｖ驱动系 １］ 对 Ｅ 统关键元件及系统参数进行优化匹配， 仿真结果表明， 优 化后 Ｈ Ｖ的燃油经济性和动力性能均优于相应 的传统车 Ｅ 辆 。文献 ［２ 利用模拟退火算法较强的局部搜索能力 ， １］ 将
・
２ ・ ７
混合 动 力汽 车优 化 算 法 综述 木
璩 晶磊 杨观 赐 。
（． 州大学 教 育部现代制造技术重点 实验 室， 州 贵阳 ５００ ； ． 科 学院 成都计算机 应用研 究所， １贵 贵 ５０３ ２ 中国 四川 成都 ６０４ ） １ １ ０
摘要： 简要介绍 了 典型优化算法的原理及特点； 对混合动力汽车优化设计的研究现状进行了总结归纳， 出通过采用合理 得 盼优化算法对混合动力汽车进行优化可有效改善整车性能， 混合优化算法以及多 目 指出 标优化是混合动力汽车优化设计