魯楠，唐嵐，程洋，王毅，鐘慧敏

?

純電動汽車傳動系統(tǒng)參數(shù)匹配及優(yōu)化

魯楠，唐嵐，程洋，王毅，鐘慧敏

（西華大學(xué) 汽車與交通學(xué)院，四川 成都 610039）

純電動汽車的傳動系統(tǒng)參數(shù)匹配是車輛節(jié)能設(shè)計的關(guān)鍵，關(guān)系到整車經(jīng)濟(jì)性與動力性的表現(xiàn)。為實現(xiàn)純電動汽車傳動系統(tǒng)參數(shù)的合理匹配與優(yōu)化，以整車動力性能和續(xù)駛里程要求為設(shè)計依據(jù)，實現(xiàn)對某純電動汽車電機、電池、減速器的參數(shù)匹配。并運用人群搜索算法對汽車傳動系統(tǒng)參數(shù)進(jìn)行優(yōu)化，優(yōu)化結(jié)果在AVL Cruise軟件仿真中表現(xiàn)出較好的整車綜合性能。

純電動汽車；傳動系統(tǒng)；參數(shù)匹配人群搜索算法；仿真

引言

隨著國家對新能源汽車企業(yè)的鼓勵與支持，一大批新造車勢力如雨后春筍，傳統(tǒng)汽車企業(yè)也在逐步向新能源汽車過渡。電動汽車具有勝過傳統(tǒng)內(nèi)燃機車輛的許多優(yōu)點，例如行駛過程零排放、高效率、低噪聲。在能源危機及環(huán)保問題日益突出的局面下，推行交通工具向新能源轉(zhuǎn)型勢在必行。在電池效率問題得到有效解決之前，如何合理地選擇這些部件及有關(guān)參數(shù)，使部件匹配達(dá)到最優(yōu)。在相同蓄電池條件下，使車輛更好地滿足動力性和經(jīng)濟(jì)性的需求，一直是行業(yè)研究的重點目標(biāo)[1]。

本文在完成2檔AMT純電動汽車傳動系統(tǒng)參數(shù)初步匹配的基礎(chǔ)上，利用人群搜索算法，以改善動力性和提高整車?yán)m(xù)駛里程為目標(biāo)，對減速器速比進(jìn)行了優(yōu)化，并結(jié)合AVL Cruise軟件對減速器速比優(yōu)化結(jié)果進(jìn)行仿真分析，對比優(yōu)化前后仿真結(jié)果，實現(xiàn)電動汽車動力性和經(jīng)濟(jì)性的有效提高。

1 整車參數(shù)及性能目標(biāo)

某電動車型的主要技術(shù)參數(shù)及性能要求指標(biāo)如表1和表2所示。

表1 整車參數(shù)

表2 性能要求指標(biāo)

2 動力系統(tǒng)參數(shù)匹配

2.1 驅(qū)動電機的參數(shù)匹配

2.1.1驅(qū)動電機的功率

本文采用的是永磁同步電機，驅(qū)動電機的峰值功率應(yīng)同時滿足所設(shè)計的最高車速、最大爬坡度、加速性能要求[2]。

上式中：v為最高車速；為整車裝備質(zhì)量；為迎風(fēng)面積；C為風(fēng)阻系數(shù)；α為最大爬坡度；為滾動阻力系數(shù)；v為最大爬坡度時的車速，v=20km/h；v為汽車在NEDC工況中從100km/h加速到120km/h時的末速度，v=120km/h；P為驅(qū)動電機的額定功率；為電機的過載系數(shù)，取2。

2.1.2驅(qū)動電機的扭矩

汽車在1檔驅(qū)動下，滿足最大爬坡度要求，則驅(qū)動電機的最大驅(qū)動力必須大于此時的道路行駛阻力[3]，則：

式中α為最大爬坡度；v為最大爬坡度時的車速，v=20km/h。

2.1.3驅(qū)動電機轉(zhuǎn)速的確定

純電汽車的最高車速由整車控制系統(tǒng)決定以及受到驅(qū)動電機的最高轉(zhuǎn)速的限制，其中電機的最高轉(zhuǎn)速與理論最大車速對應(yīng)的關(guān)系如下：

式中n為電動機的最大轉(zhuǎn)速，rpm。

2.2 動力電池PACK組的匹配

純電動汽車驅(qū)動能量的唯一來源是動力電池PACK組，PACK組容量的大小需滿足整車的續(xù)駛里程的設(shè)計要求，以及電池組的最大功率限制著驅(qū)動電機的最大功率。

汽車以車速勻速行駛時，電池組的總?cè)萘繛椋?/p>

其中U為電池組的電壓；為汽車的續(xù)駛里程；P為電池的輸出功率；△為動力電池pack的放電變化量；η為電機與控制器的傳遞效率，取0.9；P為汽車以速度勻速行駛時電機的功率；為電機與電池之間的傳遞效率，取0.9。

2.3 減速器速比的選擇

減速器在汽車驅(qū)動行駛過程中起到減速增扭的作用，減速器速比的選擇需以整車動力性指標(biāo)為依據(jù)，即需滿足整車的最高車速、爬坡度以及百公里加速時間。

2.3.1 兩檔AMT1檔速比

減速器最大傳動比i為兩檔AMT低檔速比i1與主減速器速比i的乘積，由根據(jù)電機最大輸出轉(zhuǎn)矩T、最大行駛車速v和最大爬坡度α確定：

同時汽車在1檔驅(qū)動行駛時，需要滿足整車行駛的附著條件[4]，則：

式中F為汽車行駛時路面對車輪的法向反作用力；為附著系數(shù)，本文中取0.8。

2.3.2兩檔AMT2檔速比

兩檔AMT2檔的速比由汽車最高行駛車速V、電機最大轉(zhuǎn)速以及最大輸出轉(zhuǎn)矩T確定：

2.3.3檔位之間的約束

2檔AMT相鄰兩擋的傳動比比值如果過大則會造成換擋困難，在設(shè)計減速器速比時一般比值不宜大于1.7～1.8，即0：

2.4 電動汽車的匹配結(jié)果

根據(jù)汽車的整車參數(shù)及設(shè)計目標(biāo)，匹配出汽車的各參數(shù)如表3所示。

表3 電動汽車匹配參數(shù)

3 電動汽車減速器速比優(yōu)化

本文中在確定純電動汽車的驅(qū)動電機參數(shù)和動力電池組容量后，需要對2檔AMT速比進(jìn)行優(yōu)化以使整車的動力性和經(jīng)濟(jì)性達(dá)到最佳。由于動力性與經(jīng)濟(jì)性無法同時滿足其最優(yōu)要求，本文以車輛動力性作為約束條件，選取傳動比為優(yōu)化變量，通過優(yōu)化2檔AMT傳動比提高汽車的經(jīng)濟(jì)性，使續(xù)航里程達(dá)到最大，從而將多目標(biāo)優(yōu)化轉(zhuǎn)化為單目標(biāo)優(yōu)化[6]。

3.1 目標(biāo)函數(shù)的建立

采用常用的NEDC工況，整個工況下電動汽車行駛的續(xù)駛里程1（km）為[4]：

式中W為電池存儲的能量（kW·h），為整個工況下整車所消耗的總能量，為一個循環(huán)工況下的里程，11.022km。

因為本文所選擇的優(yōu)化算法建立的目標(biāo)函數(shù)是對目標(biāo)函數(shù)求極小值點，所以要對續(xù)駛里程倒數(shù)化處理[1]，則目標(biāo)函數(shù)可以表達(dá)為：

3.2 約束條件的建立

動力性約束包含最大車速、爬坡度、加速性能的約束。約束條件可表達(dá)為：

式中D為汽車1檔時的動力因子；F為汽車的驅(qū)動力；W為汽車的滾動阻力；W為汽車的滾動阻力。

3.3 優(yōu)化算法

（1）SOA算法簡介

人群搜索算法 ( Seeker optimization algorithm， SOA)將搜索隊伍作為種群，候選解為各搜索者所處位置，通過模仿人類在進(jìn)行搜索行為時對位置和方向等的推理判斷完成問題的最優(yōu)求解[7]。

在汽車傳動系統(tǒng)優(yōu)化領(lǐng)域的研究目標(biāo)是開發(fā)可靠的全局優(yōu)化算法，并對最優(yōu)解收斂[8]。由于目標(biāo)問題存在著眾多的局部極值，當(dāng)面對復(fù)雜的優(yōu)化問題，尤其是多峰、多極值的模態(tài)函數(shù)優(yōu)化問題時，目前已有的全局優(yōu)化算法不可避免地存在著早熟、收斂速度慢等缺陷[9]。文獻(xiàn)[10]成功地應(yīng)用 SOA 算法對齒輪減速器進(jìn)行優(yōu)化設(shè)計，在同 PSO、GA 算法和傳統(tǒng)設(shè)計方法的結(jié)果進(jìn)行對比分析，優(yōu)化結(jié)果表明，SOA 算法具有更快的收斂速度和更高的收斂精度。

（2）搜索步長

根據(jù)不確定推理可得步長：

式中α為維搜索空間的搜索步長；δ為高斯隸屬函數(shù)參數(shù)。

（3）搜索方向

搜索方向的確定由搜尋個體利己方向、利他方向、以及預(yù)動方向這3個方向隨機加權(quán)幾何平方?jīng)Q定，其表達(dá)式為：

（4）個體位置的更新

人群搜索算法確定搜索步長以及搜索方向后，需要進(jìn)行位置更新：

（5）SOA算法的實現(xiàn)

第一步：確定可行域后，在域內(nèi)隨機生成100×3的位置矩陣；第二步：計算出目標(biāo)函數(shù)在每個位置上的值；第三步：計算出每一個個體在位置矩陣?yán)锩恳痪S的搜索步長d()和搜索方向α()；第四步：完成個體位置的更新。若搜索結(jié)果滿足要求則停止搜索，不滿足要求則按照以上步驟重新計算極值直到結(jié)果滿足條件為止。

3.4 傳動比優(yōu)化結(jié)果

運用上述的優(yōu)化方法對目標(biāo)函數(shù)進(jìn)行優(yōu)化求解，種群規(guī)模和最大迭代次數(shù)均為100，權(quán)重值W=0.9，W=0.1，在MATLAB中編程運行后得到優(yōu)化后的速比為：i1=2.36，i2=1.19，0=4.65。

4 AVL Cruise軟件仿真分析

基于AVLCruise軟件搭建純電動汽車主要部件以及整車系統(tǒng)的Cruise模型如下圖1。

圖1 整車仿真模型

4.1 優(yōu)化結(jié)果前后對比

仿真時選取新歐洲城市駕駛循環(huán)工況NEDC工況來計算汽車百公里能耗以及建立爬坡性能工況和滿載加速性能工況。傳動比優(yōu)化結(jié)果前后對比如下表中所示。

表4 優(yōu)化前后汽車性能對比結(jié)果

4.2 循環(huán)工況法續(xù)駛里程

圖2 優(yōu)化前的續(xù)駛里程

如圖2和圖3所示，在電池充滿電后，SOC值從90%下降到30%時，減速器傳動比優(yōu)化前后汽車在NEDC工況下整車的續(xù)駛里程在Cruise軟件中的仿真結(jié)果。

4.3 等速工況法續(xù)駛里程

純電動汽車充滿一次電以50km/h等速工況下行駛，SOC值從95%下降到30%時汽車的理論的續(xù)駛里程為：

計算出50km/h等速工況下的續(xù)駛里程為252km。仿真結(jié)果如圖4。

圖4 優(yōu)化后的續(xù)駛里程

50km/h等速工況下的續(xù)駛里程為248 km，與理論計算結(jié)果相差不大。

5 結(jié)論

本文針對兩擋AMT變速器純電動汽車，根據(jù)汽車性能指標(biāo)要求進(jìn)行動力學(xué)分析，確定了電機、電池和減速器的主要參數(shù)。以整車動力性和經(jīng)濟(jì)性為約束目標(biāo)，利用人群搜索優(yōu)化算法對變速器傳動比進(jìn)行優(yōu)化?；贏VL Cruise軟件建立整車模型，進(jìn)行相關(guān)動力性和經(jīng)濟(jì)性的仿真分析。對仿真結(jié)果進(jìn)行對比分析表明，運用優(yōu)化參數(shù)的車輛具有更好的綜合性能。因此，人群搜索優(yōu)化算法在汽車傳動系統(tǒng)參數(shù)匹配優(yōu)化中具有良好的實用性。

[1] 郭孔輝,姜輝,張建偉.電動汽車傳動系統(tǒng)的匹配及優(yōu)化[J].科學(xué)技術(shù)與工程,2010, 10(16): 3892-3896.

[2] 陳長紅.增程式電動汽車控制策略的研究[D].遼寧工業(yè)大學(xué), 2013.

[3] 周兵,江清華,楊易.兩擋變速器純電動汽車動力性經(jīng)濟(jì)性雙目標(biāo)的傳動比優(yōu)化[J].汽車工程, 2011, 33(9):792-797.

[4] 李永軍,董濤.系攬式剖面測量平臺運動性能分析[J].海洋技術(shù), 2008,27(1):11-13.

[5] 余志生.汽車?yán)碚揫M].5版.北京:機械工業(yè)出版社,2009.

[6] 龔賢武,唐自強,馬建,吳德軍.兩擋純電動汽車動力傳動系統(tǒng)的參數(shù)匹配與優(yōu)化[J].合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版),2017,40(3): 310-315.

[7] 陳黎卿,胡冬寶,陳無畏.基于人群搜索算法的四驅(qū)汽車扭矩分配控制策略[J].農(nóng)業(yè)機械學(xué)報, 2015, 46(11):369-376.

[8] 于敏.基于QPSO算法的最優(yōu)值求解在NASH均衡中的應(yīng)用[D].江南大學(xué),2007.

[9] 余勝威.MATLAB優(yōu)化算法案例分析與應(yīng)用[M].北京:清華大學(xué)出版社, 2014: 324-325.

[10] 馬鑫,杜興.基于人群搜索算法對齒輪傳動優(yōu)化設(shè)計[J].煤礦機械, 2017, 38(06):115-118.

Parameters Matching and Optimization for Power-train of Electrical Vehicle

Lu Nan, Tang Lan, Cheng Yang, Wang Yi, Zhong Huimin

（School ofAutomobile and Transportation, Xihua University, Sichuan Chengdu 610039）

The parameter matching of transmission system of pure electric vehicle is the key of vehicle energy-saving design, which is related to the performance of vehicle economy and power. In order to realize the reasonable matching and optimiza -tion of transmission system parameters of pure electric vehicle, the parameters matching of motor, battery and reducer of a pure electric vehicle is realized on the basis of vehicle power performance and driving mileage requirements. SOA is used to optimize the parameters of the automobile transmission system, and the optimization results show better comprehensive performance in the simulation by using AVL Cruise.

pure electricvehicle;power-train;Parameter matchingSOA;simulation

U463.2

A

1671-7988(2019)08-47-04

U463.2

A

1671-7988(2019)08-47-04

魯楠(1992-)，男，安徽桐城人，碩士研究生，西華大學(xué) 汽車與交通學(xué)院，主要研究方向為新能源汽車的能量管理策略。

西華大學(xué)研究生創(chuàng)新基金（ycjj2017089）、西華大學(xué)研究生創(chuàng)新基金（ycjj2018101）、四川省科技支撐重點項目（2019YFG 0042）、四川省車輛工程重點學(xué)科建設(shè)資助項（szd0410-1）。

10.16638/j.cnki.1671-7988.2019.08.015