纯电动汽车动力传动系参数匹配及仿真_孙景伦

2016年第29卷第1期

Electronic Sci.＆Tech./Jan.15，2016

协议·算法及仿真

收稿日期：2015-05-12

基金项目：上海市科委科研基金资助项目（11140502000）作者简介：孙景伦（1989—），男，硕士研究生。研究方向：研究方向：汽车动力传动系匹配。

doi ：10.16180/https://www.360docs.net/doc/cb246059.html,ki.issn1007－7820.2016.01.014

纯电动汽车动力传动系参数匹配及仿真

孙景伦1，2

，周

萍1，2，孙跃东

1，2（1.上海理工大学机械工程学院，上海200093；

2.上海理工大学机械工业汽车底盘机械零部件强度与可靠性评价重点实验室，上海200093）

摘

要

为实现纯电动汽车传动系传动比与驱动电机的合理匹配，提出了一种基于MOGA －Ⅱ遗传算法的多目标

优化方法。根据配备两挡变速器的某纯电动汽车的整车参数和设计要求，对其动力传动系统主要部件驱动电机及动力电池进行了匹配和选型。基于GT －drive 软件搭建整车仿真模型进行仿真分析并验证了匹配的合理性。利用多目标优化软件modeFＲONTIEＲ进行了传动系传动比优化。优化结果表明，纯电动汽车的一次充电续驶里程及原地起步加速时间分别提高了5.5%和2.9%。

关键词

纯电动汽车；动力传动系；参数匹配；仿真优化

中图分类号

U463.2

文献标识码

A

文章编号1007－7820（2016）01－051－05

Parameters Matching and Simulation for Power Train of Pure Electric Vehicle

SUN Jinglun 1，2，ZHOU Ping 1，2，SUN Yuedong 1，

2

（1.School of Mechanical Engineering ，University of Shanghai for Science and Technology ，Shanghai 200093，China ；2.Key Laboratory of Mechanical Industry for Automobile Chassis Mechanical Parts Strength and Ｒeliability Evaluation ，

University of Shanghai for Science and Technology ，Shanghai 200093，China ）

Abstract

A dual-objective optimization method based on MOGA-Ⅱgenetic algorithm is proposed for the ratio

of power train to be matched reasonably to the drive motor of pure electric vehicle．Drive motor and power battery of power train are matched for a two-speed pure electric vehicle based on the vehicle parameters and design require-ments．The GT-drive vehicle simulation models are built to analyze and validate the rationality of the matching．The transmission ratios are optimized by multi-objective optimization software modeFＲONTIEＲ．The results show that the driving range of a single charge and initial acceleration time is increased by 5.5%and 2.9%respectively by optimi-zation．

Keywords

pure electric vehicle ；power train ；parameters matching ；simulation optimization

纯电动汽车（Pure Electric Vehicle ，PEV ）正逐步成为未来汽车的主要发展方向［1］

。随着纯电动汽车的驱动电机、

动力电池等关键技术的进步，其驱动系统的合理匹配及传动系统的传动比优化，依然是提高整车动

力性及经济性的重要手段［2］

。本文以处于开发初期的

某纯电动汽车为例，

对动力传动系的主要部件进行参数匹配，建立整车仿真模型进行仿真分析验证，并对传

动系统的传动比进行优化，

以提高整车性能。1整车参数及性能要求

目前，纯电动汽车正沿着高速纯电动汽车及低速纯电动汽车两条主线发展［3］

，本文是基于某高速纯电

动汽车进行研究与开发的。其整车主要参数及性能指

标要求如表1所示。

表1

整车主要参数及性能指标要求

主要参数及性能指标数值整车整备质量/kg 1400满载质量/kg 1800迎风面积A /m 2 2.16风阻系数c D

0.31质量转换系数δ 1.04车轮动态半径r /m 0.30滚动阻力系数f 0.017主减速器传动比i 0

3.1701挡传动比i 1 2.1042挡传动比i 2

0.996

协议·算法及仿真孙景伦，等：纯电动汽车动力传动系参数匹配及仿真

续表1

最高车速u max/km·h－1≥150

0 100km·h－1加速时间t/s≤20

30km·h－1恒速下最大爬坡度i max/%≥25

UDDC循环下续驶里程S/km≥200

2动力传动系参数匹配

2.1驱动电机的参数匹配

与传统内燃机汽车不同，PEV由蓄电池供电，电机

驱动车轮行驶［4］。驱动电机的特性参数主要有额定功

率、峰值功率、额定转速、最大转矩等，驱动电机的类型

对PEV的性能也有一定程度的影响［5］。

优化设计中一般以保证PEV预期的最高稳定车

速来初步选择电机的驱动功率，即驱动电机的额定功

率应大于等于PEV在水平良好路面上以最高稳定车

速匀速行驶的阻力功率［6］，即

p e ≥

u

max

ηT

mgf

3600

+

c

D

A

76140

u2

()max（1）

式中，p e为额定功率；ηT为总传动效率，这里取92%。

为满足PEV在某一恒定速度下的爬坡性能要求，驱动电机的峰值功率应满足［7］

p max1≥

1

3600η

T

mgf cosα

max

+mg sinα

max

+

c

D

Au2

i

()

21.15

u

i

（2）

式中，αmax为u i=30km·h－1恒定速度下的最大爬坡角度，这里αmax≈14.04?。

另外，为满足PEV加速性能要求，峰值功率应满足［8］

p max2≥

1

3600η

T

δm

d u

j

d t

+mgf+

c

D

Au2

j

()

21.15

u

j

（3）

式中，u j为车辆加速的末速度。

所以根据式（1） 式（3），驱动电机的峰值功率p

max

应满足

p

max

≥max（p e，p max1，p max2）（4）还需注意的是，峰值功率和额定功率之间存在如下关系［9］

p max =p

e

λ（5）

式中，λ为过载系数，一般取1 3。

驱动电机的最高转速由最高车速决定［10］，即

n max =

i

i

i

u

max

0.377r

（6）

驱动电机的额定转速由汽车巡航速度u n决定，即

n e =

i

i

i

u

n

0.377r

（7）

驱动电机的最大转矩由汽车实现最低稳定车速来

达到最大爬坡度所克服的阻力转矩决定，即

T

max

=

r

i

i

i

ηT

mgf cosα

max

+mg sinα

max

+

c

D

Au2

i

()

21.15

（8）

2.2动力电池的参数匹配

动力电池的参数匹配主要考虑电池组的容量、电

压、能量密度及电池的类型等。确定电池组最小数目

的方法是使电池组最低工作电压大于等于电机最小工

作电压，电池组最大数目由电池组最大输出功率大于

等于驱动电机的最大功率的约束条件来确定。而电池

组的容量是由PEV的续驶里程来限制的［11］，如式（9）

所示

E=

1000S

eUη

（9）

式中，E为电池组的容量；e为单位能耗行驶的里程；S

为续驶里程；η为放电深度（DOD），这里DOD

取90%。

综上所述，根据理论计算及权衡，为目标车辆所匹

配的驱动电机及动力电池的指标参数如表2所示。

表2电机及电池组主要参数

部件参数数值

永磁同步电机

额定功率/峰值功率/kW50/95

额定转速/最大转速/rad·min－13000/8000

额定转矩/最大转矩/N·m160/300

锂离子电池

标称容量/Ah120

放电深度/%90

标称电压/V320

能量密度/W·h·kg－1140

3整车性能仿真及验证

根据计算任务的不同以及性能优化的指标要求，

利用整车性能仿真软件GT－drive分别建立了静力

学、动力学及运动学模型，其整车静力学仿真模型如

图1所示。利用其进行整车动力性及经济性计算分

析，得到0 100km·h－1的原地起步加速时间及1挡

爬坡度等仿真结果。

对原车进行试验，并将仿真分析中得到的0

100km·h－1的原地起步加速时间及1挡爬坡度曲线

与实车试验曲线进行了对比，分别如图2及图3所示。

目标车辆0 100km·h－1的加速时间为19.1447s，

30km·h－1恒速下的爬坡度为32.43%，UDDC循环下

一次充电续驶里程为222.19km，均满足设计目标，进

一步说明了为该车动力传动系选型的驱动电机及动力

电池是合适的。

孙景伦，等：纯电动汽车动力传动系参数匹配及仿真

协议·算法及仿真

图1PEV

整车静力学仿真模型

图2

仿真及试验的加速时间曲线

图3仿真及试验的爬坡度曲线

表3

仿真与试验结果对比

性能指标试验结果仿真结果偏差/%最高车速/km ·h －1165.3166.9240.980 100km ·h －1加速时间/s 19.419.1447－1.330km ·h －1恒速下最大爬坡度/%

31.8532.43 1.8单个UDDC 循环能耗/kJ

5505.87

5395.21

－2.0

将仿真结果与试验结果对比分析，其分析结果如

表3所示，

不难发现，仿真结果与实车试验结果各个性能指标偏差的绝对值都在2%以内，验证了整车仿真模型具有较高的精确度。

4目标车辆的性能优化

在目标车辆的电机及电池组合理选型之后，传动系的总传动比是影响整车动力性及经济性的主要因

素。考虑到电机具有低速恒转矩、

高速恒功率及良好的响应速度等特性，在PEV 中变速器的挡位数一般不超过3挡，本文为该车型选配了能够减小电机最大转

矩、

优化电机的工作转速区间、提高传动系效率的两挡自动变速器［12］

。

4.1设计变量及目标函数的确定

传动系总传动比包括主减速器传动比i 0和各挡传动比i i ，因此选取优化设计变量为

X =［x 1，x 2，x 3］T =［i 0，i 1，i 2］

T

（10）

选取0 100km ·h －1

原地起步加速时间作为动

力性目标函数以及基于UDDC 循环工况的能量消耗量作为经济性目标函数，所以目标函数为

Min F （X ）=｛Time （X ），Energy （X ）｝（11）

4.2优化约束条件的确定

本PEV 中优化传动系参数的约束条件主要有动力性约束及传动比约束。4.2.1动力性约束

（1）最高车速限制。最高车速u a 须大于所要求的最高车速下限u max ，即

协议·算法及仿真孙景伦，等：纯电动汽车动力传动系参数匹配及仿真

u a ＞u

max

（12）

（2）最大爬坡度限制。最大爬坡度i

a

要大于所要求的最大爬坡度的下限i max，即

i a ＞i

max

（13）

4.2.2传动比约束

（1）最大传动比下限。一般通过车辆的最大爬坡度和电机的最大转矩确定最大传动比的下限i max0=

i 0i

1

为

i

max0

≥

mgf cosα

max

+mg sinα

max

+

c

D

Au2

i

()

21.15

r

T

max

ηT

（14）（2）最大传动比上限。根据最大驱动力必须小于

等于驱动轮与路面之间的附着力，可确定最大传动比的上限i max1为［6］

i max1≤

φF z r

ηT

=φ

mgrb

T

max

lη

T

（15）

（3）最小传动比下限。最小传动比的下限i

min0

=

i 0i

2

由车辆按最高速度行驶的阻力限定

i

max0

≥

r

T

max

ηT

mgf+

c

D

Au2

max

()

21.15

（16）（4）最小传动比上限。根据车辆最高稳定车速和

电机最高转速限定最小传动比i min1为

i min1≤

0.377n

max

r

u

max

（17）

（5）主减速器传动比的上限。为避免安装过程中主减速器与其他零件发生干涉，一般限制主减速器传动比i0上限

i

≤5.8（18）（6）2挡传动比下限。根据超速挡传动比的范围一般为0.7 0.8，限制2挡传动比i2下限

i

2

≥0.7（19）（7）相邻传动比约束。为避免换挡困难，设置相邻传动比约束为

1.2≤i

1

i

2

≤1.8（20）

4.3优化模型及策略

传动系参数的优化属于非线性约束优化问题，传统的多目标优化多是采用加权的方法将多个目标集合成一个单目标来优化，但是在优化过程中确定各个目标的加权值较困难。多目标优化平台modeFＲONTIEＲ提供了多种优化算法，且提供了与GT－suite等各种CAD/ CAE软件的无缝接口。本文是将建立的整车仿真模型嵌套入modeFＲONTIEＲ环境中，以0 100km·h－1原地起步加速时间及单个UDDC循环中动力电池的能耗为优化目标，并采用DOE实验设计和改进的遗传算法（MOGA－Ⅱ）相结合的方法进行传动比优化。建立的模型如图4所示

。

图4PEV传动比优化模型

4.4优化结果分析

在联合仿真环境中，通过DOE产生10个初始种群，并采用MOGA－Ⅱ优化算法进化20代，产生了200个优化方案，在这些优化方案中有128个可行解，其种群分布如图5所示

。

图5优化生成的种群分布

在优化计算后生成的一组Pareto最优解中，根据实际情况和目标需要选取一组较为理想的传动比，优化前后的结果如表4所示。

经对比发现，通过优化传动比，0 100km·h－1原地起步加速时间降低了2.9%，单个UDDC循环中整车能耗降低5.5%，UDDC循环下一次充电续驶里程提高至234.41km。说明目标车辆的动力性及经济性均有一定程度的提高。

表4优化前后结果对比

参数优化前优化后变化率/%主减速器传动比 3.170 3.574－1挡传动比 2.104 2.995－

2挡传动比0.966 1.666－

0 100km·h－1加速时间/s19.14518.582 2.9

1个UDDC循环能耗/kJ5395.25100.9 5.5

孙景伦，等：纯电动汽车动力传动系参数匹配及仿真协议·算法及仿真

5结束语

（1）在数学计算模型的基础上，根据整车参数和性能指标的要求，为目标车辆匹配并选型了比较理想的驱动电机和动力电池。

（2）利用GT－drive搭建了静力学、运动学及动力学整车仿真模型，并将仿真计算结果与实车试验结果进行对比分析，验证了对动力传动主要部件的选取是合适的，同时也证明了整车仿真模型的精度。

（3）通过modeFＲONTIEＲ和GT－suite联合仿真并采用多目标优化设计，使PEV的动力性及经济性均得到一定程度的改善，验证了基于仿真分析的优化设计方法效率高且能节约时间和金钱成本。

参考文献

［1］陈清泉，孙逢春，祝嘉光．现代电动汽车技术［M］．北京：北京理工大学出版社，2004．

［2］Ｒen Qinglian，Crolla David，Morris Adrian．Effect of geared transmissions on electric vehicle drive trains［C］．Tianjin：

ASME International Design Engineering Technical Confer-

ence and Computers and Information in Engineering Confer-

ence，2009．

［3］殷承良，张建龙．新能源汽车整车设计［M］．上海：上海科学技术出版社，2013．

［4］周胜，周云山．纯电动汽车动力匹配及计算仿真［J］．计算机仿真，2013，30（2）：135－139．

［5］周宝华，秦大同，胡明辉，等．两挡电动汽车动力传动系的参数设计［J］．重庆大学学报，2011，34（1）：1－6．

［6］余志生．汽车理论［M］．北京：机械工业出版社，2009．［7］周兵，江清华，杨易．两挡变速器纯电动汽车动力性经济性双目标的传动比优化［J］．汽车工程，2011，33（9）：

792－797．

［8］李伟，阴晓峰，武小花．基于电机效率优化的纯电动汽车换挡规律［J］．机械传动，2014，38（1）：150－153．

［9］王小军．电动汽车传动系统参数匹配及动态特性研究［D］．长沙：湖南大学，2013．

［10］钟磊，高松，张令勇．纯电动轿车动力传动装置参数匹配与动力性仿真［J］．山东理工大学学报，2010，24（1）：

78－80．

［11］王小军．电动汽车传动系统参数匹配及动态特性研究［D］．长沙：湖南大学，2013．

［12］周晶晶．纯电动汽车两挡自动变速器试验与仿真［D］．长沙：湖南大学，

檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪

2014．

（上接第50页）

处理实时性的要求。同时，可增强算法的抗噪声能力和对图像进行变化的鲁棒性，医学图像深度信息恢复结果进一步验证了该算法的有效性。对医学图像进行三维重建，实现从二维图像到三维空间的重构，使结果更接近人眼所能反映出的图像，将是下一步研究工作的目标。

参考文献

［1］沈洪宇，柴毅．计算机视觉中双目视觉综述［J］．科技资讯，2007（34）：150－151．

［2］Zhang Hui．A fast binocular vision stereo matching algorithm ［C］．Wuhan，China：Proceeding of2012International Con-

ference on Modelling，Identification and Control，2012．

［3］项荣．基于双目立体视觉的番茄定位［J］．农业工程学报，2012，28（5）：161－167．

［4］Li Jian．Ｒesearch on localization of apples based on binocular stereo vision marked by cancroids matching［C］．Beijing，

China：Third International Conference on Digital Manufactur-

ing and Automation，2012．

［5］Ｒen Jianqiang．Algorithm for3D reconstruction of agriculture field pests based on binocular stereo vision［C］．Shiji-

azhuang，China：World Automation Congress（WAC），2010．［6］万智萍，叶仕通．基于OpenCV的双目立体视觉监控跟踪系统［J］．科学技术与工程，2013，13（5）：1671－1815．［7］张顺岚，莫建文．基于双目立体视觉的三维人脸识别算法［J］．电视技术，2014，38（9）：214－217．

［8］原思聪．双目立体视觉中的图片匹配方法研究［J］．计算机工程与应用，2008，44（8）：75－77．

［9］赵本东，陶华敏．双目立体视觉中特征提取算法研究［J］．电子技术与软件工程，2014（6）：122－123．

［10］张栋栋，李汉舟．双目视觉及其在全自动换电机器人中的应用［J］．电子科技，2014，27（7）：168－176．

［11］肖健．SIFT特征匹配算法研究与改进［D］．重庆：重庆大学，2012．

［12］邵暖，刘乐．基于特征匹配算法的双目视觉测距［J］．燕山大学学报，2012（1）：57－61．