【作者】

雷诺; 张昊; 李儒龙; 喻骏; 王志

【单位】

清华大学; 东风汽车集团有限公司

【摘要】

物理-数据联合驱动方法对高保真动力系统建模具有指导意义，可用于动力系统优化，进一步提高车辆性能。本文以采用新型动力总成的插电式混合动力汽车(PHEV)为研究对象，进行了一系列台架试验，进行了运行数据采集。利用收集到的数据，提出了基于物理的发动机油耗和电池健康状态(SOH)损失数据驱动模型。通过与其他方法的比较，验证了该模型的准确性和优越性。为了实现以通勤为导向的动力总成优化，基于北京市采集的交通数据重构了代表通勤场景的行驶工况。该方法生成的综合驾驶工况可以在允许误差范围内描述北京地区的实际应用场景。此外，采用非支配排序遗传算法-II (NSGA-II)，根据车辆性能对混合动力系统参数进行进一步优化。以发动机燃油消耗和电池健康状态损失为目标，完成了多目标优化。结果表明，优化后的配置参数与原车相比，油耗降低4.85%，电池容量损失降低3.7%。

【关键词】

物理-数据联合驱动建模;混合动力系统;整车台架测试;通勤场景重构;进化算法

【论文集名称】

现代动力专题

【会议名称】

2024世界内燃机大会

【会议时间】

2024-4-19至2024-4-23

【会议地点】

天津市

【下载次数】

60

返回