龔定旺

摘要：針對常用的電動汽車主減速比設(shè)計方法沒有考慮電機效率特性，導致電動汽車能耗難以下降的問題，在分析了主減速比與電動汽車電機能耗的關(guān)系的基礎(chǔ)上，以純電動車（Pure Electric Car，以下簡稱PEC）為研究對象，提出基于電機能耗的PEC主減速比優(yōu)化方法，通過遺傳算法對主減速比進行優(yōu)化求解，得到使電機能耗最低的最優(yōu)主減速比。為了驗證優(yōu)化結(jié)果，在AVL cruise中建立整車仿真模型，進行能耗經(jīng)濟性仿真。仿真結(jié)果顯示，優(yōu)化后的PEC與原PEC相比，電機效率提高了2.71%，能耗降低了11.40%，續(xù)駛里程增加了11.11%。

關(guān)鍵詞：純電動車;主減速比;優(yōu)化設(shè)計;遺傳算法

中圖分類號：U469.7

文獻標志碼：A

0 引言

純電動汽車具有零排放和不依賴化石燃料的優(yōu)點，是汽車工業(yè)的發(fā)展方向。但是電能量消耗大、續(xù)駛里程短等問題制約了電動汽車的發(fā)展。因此減少電動汽車能量消耗是電動汽車研究的核心，其中電動汽車傳動系參數(shù)是影響其能量消耗的關(guān)鍵因素之一[1]，因此，對電動汽車傳動系的參數(shù)進行匹配優(yōu)化，是當前電動汽車研究的重點之一。

汽車主減速器傳動比 （簡稱主減速比）是傳動系的重要參數(shù)，目前電動汽車主減速比的設(shè)計一般是參照同級內(nèi)燃機車型進行匹配設(shè)計，沒有考慮到內(nèi)燃機與電動機高效率區(qū)域的差異，難以充分發(fā)揮電動機的高效特性，使得電動汽車能耗難以下降。為此，以某款純電動車（簡稱PEC）為對象，研究基于電機能耗的PEC主減速比優(yōu)化方法，目的是在變速器傳動比一定的條件下，通過優(yōu)化方法，設(shè)計出合理的 ，使電動機工作在高效率區(qū)域，達到提高電機的效率和降低PEC能耗的目的。

1 基于純電動車電機能耗的主減速比優(yōu)化方法

1.1 汽車主減速比與能耗經(jīng)濟性關(guān)系分析

汽車傳動系主要由主減速器、變速器和差速器等組成，其功能是將動力源發(fā)出的動力傳遞給車輪，通過主減速器的減速增矩，以及變速器擴大轉(zhuǎn)速和轉(zhuǎn)矩變化范圍，保證汽車在不同使用條件下具有良好的動力性和燃油經(jīng)濟性。描述汽車傳動系主要參數(shù)有總傳動比和變速器擋位，其中，總傳動比是主減速比 與變速器傳動比 的乘積。在行駛工況確定的情況下， 與 共同決定了動力源的工作點，從而影響其工作效率及能耗[2]。

然而，在 一定的情況下， 對不同動力源汽車的動力性和經(jīng)濟性的作用規(guī)律不一樣。文獻可知，隨著 增大，內(nèi)燃機汽車的加速時間減小，動力性提高，但燃油經(jīng)濟性變差;而隨著 增大，電動汽車的加速時間減小，動力性提高，而且能耗經(jīng)濟性同時提高。這說明在 一定的條件下，由于內(nèi)燃機與電動機工作效率特性不同， 對內(nèi)燃機與電動機汽車的動力性和經(jīng)濟性的作用規(guī)律不一樣。

因此，有必要研究電動汽車 與電機能耗的關(guān)系，在此基礎(chǔ)上對電動汽車 進行優(yōu)化設(shè)計。

1.2 電動汽車主減速比與電機能耗的關(guān)系

對于電動汽車，當循環(huán)工況給定時，其每一時刻的需求車速 就已確定，

在 不變的情況下，電機工作點 與 之間可通過 來建立一定的函數(shù)關(guān)系;同時 直接影響電機效率 和功率 ，即當循環(huán)工況給定和 一定時，由此可推出電動汽車的能耗 大小將由 來決定[3]。

1.3 優(yōu)化方法

為了實現(xiàn)電動汽車降低能耗的目標，根據(jù)電動汽車 與 的關(guān)系，提出基于電機能耗的電動車主減速比優(yōu)化方法，其基本思路是：在一定工況下，根據(jù) 與 的函數(shù)關(guān)系，由每一個 都可計算出其對應(yīng)的 ，為了得到使 最低的 ，以最小的 作為目標函數(shù)，以電動汽車動力性要求 作為約束條件，對 進行優(yōu)化設(shè)計，求出使 為最小的主減速比 。

由文獻可知，在 為8.0～8.2的范圍內(nèi)，隨著 的增加， 呈多峰起伏變化，這主要是由于 與 之間存在高度非線性關(guān)系所致。若使用常用的優(yōu)化算法對其求解，容易收斂于局部最優(yōu)解，從而導致難以獲得全局最優(yōu)解 。

基于電機能耗的PEC主減速比優(yōu)化遺傳算法的具體求解過程如下：

1）首先在 的約束范圍內(nèi)隨機生成一組個體構(gòu)成初始群體;

2）根據(jù)公式，對群體中的每個個體（ ）進行適應(yīng)度計算，并判斷算法收斂準則是否滿足，若滿足則輸出搜索結(jié)果，即使 最低的 值，否則進行下一步;

3）根據(jù)個體適應(yīng)度計算每個個體被選擇的概率，采用適應(yīng)度比例選擇法按優(yōu)勝劣汰的原則進行選擇運算;

4）對當前群體中的個體采用算術(shù)交叉和均勻變異進行交叉和變異運算，產(chǎn)生新的個體，從而產(chǎn)生下一代群體;

5）返回第2步。

其中，第2步中的收斂準則為設(shè)定的遺傳代數(shù)，當遺傳算法運算到設(shè)定的遺傳代數(shù)時，將此時群體中具有最大適應(yīng)度的個體作為最優(yōu)解輸出，并終止計算[4]。

2 基于電機能耗的純電動車主減速比優(yōu)化仿真分析

以某款PEC為對象，運用基于電機能耗的純電動車主減速比優(yōu)化設(shè)計方法，對PEC的主減速比進行設(shè)計。整車滿載質(zhì)量16500Kg，空氣阻力系數(shù)0.8，迎風面積5.8平方米，變速器速比6.9/4.13/2.47/1.49/1，

輪胎滾動半徑r為0.517m，動力電池總能量92.6kWh。

2.1 PEC主減速比優(yōu)化

根據(jù)整車主要參數(shù)及上節(jié)的優(yōu)化方法，在Matlab中建立整車數(shù)學模型及遺傳算法優(yōu)化函數(shù)。其中，遺傳算法的編碼方式和遺傳算子根據(jù)上節(jié)設(shè)置;

由于Matlab中對遺傳算法進行了處理，可直接求解最小值優(yōu)化問題，因此實際求解時，無需把適應(yīng)度函數(shù)轉(zhuǎn)化為最大值問題，而是直接以目標函數(shù)作為適應(yīng)度函數(shù)進行計算。

種群最優(yōu)個體適應(yīng)度和種群平均適應(yīng)度都收斂于5.867，說明優(yōu)化結(jié)果良好。

2.2 PEC優(yōu)化主減速比仿真驗證

根據(jù)2節(jié)的整車主要參數(shù)，在AVL cruise軟件中建立PEC仿真模型，把原PEC主減速比與遺傳算法優(yōu)化后的主減速比輸入到AVL cruise的PEC整車模型中進行整車工況仿真，得到優(yōu)化前后PEC的動力性及能耗經(jīng)濟性仿真結(jié)果。

在動力性方面，優(yōu)化后的PEC與原PEC相比，最大車速 下降了2km/h，0～50km/h加速時間 減少了0.33s，10km/h爬坡度 增加了1.95%，不僅能夠滿足動力性能設(shè)計指標，而且加速性能和爬坡性能都有提升。而能耗經(jīng)濟性方面，在中國典型城市公交工況下，優(yōu)化后的PEC與原PEC相比，電機平均效率 提高了2.71%，電機能耗 降低了11.40%，續(xù)駛里程 增加了11.11%，節(jié)能效果明顯，達到了降低能耗、增加續(xù)駛里程的目標。

通過以上的優(yōu)化結(jié)果及仿真分析，基于電機效率的純電動車主減速比優(yōu)化方法利用優(yōu)化計算，得到使 最低的 ，通過合理地改變電動機工作點，有效地達到了降低能耗和增加續(xù)駛里程的目的。

3 結(jié)束語

汽車主減速比 對不同動力源汽車的動力性和能耗經(jīng)濟性影響規(guī)律不一樣，需要根據(jù)電動機的效率特性對電動汽車 進行設(shè)計。在推導分析了 與電動汽車電機能耗 的關(guān)系基礎(chǔ)上，提出基于電機能耗的純電動車（PEC）主減速比優(yōu)化方法，該方法以在中國典型城市工況下的 最低為目標，采用遺傳算法對 進行優(yōu)化設(shè)計。利用Matlab進行遺傳算法優(yōu)化求解，得到優(yōu)化后的 ;利用AVL cruise對 優(yōu)化前后的PEC進行動力性與能耗經(jīng)濟性仿真。仿真結(jié)果表明，通過該方法優(yōu)化后的PEC在滿足動力性要求的基礎(chǔ)上，能耗經(jīng)濟性顯著提高，達到了降低能耗和增加續(xù)駛里程的目標，驗證了該方法的有效性。

參考文獻：

[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].科學技術(shù)與工程，2010，10（16）：3892-3896.

[2] 余志生.汽車理論[M].北京：機械工業(yè)出版社，2006

[3] 秦大同，周保華等.兩擋電動汽車動力傳動系統(tǒng)的參數(shù)設(shè)計[J].重慶大學學報，2011，34（1）：1-6.

[4] 陳倫軍等.機械優(yōu)化設(shè)計遺傳算法[M].北京：機械工業(yè)出版社，2005

[5] 吳光強，陳慧勇.基于遺傳算法的混合動力汽車參數(shù)多目標優(yōu)化[J].汽車工程，2009，31（1）：60-64.