范櫸華 趙 輝 范振國(guó)

1 天津金岸重工有限公司 2 天津理工大學(xué)

1 引言

港口運(yùn)輸需要大量的平板運(yùn)輸車(chē)輛,傳統(tǒng)能源的港口用運(yùn)輸車(chē)能耗高、污染嚴(yán)重,已不適應(yīng)港口綠色化建設(shè)需要,因此,采用全電動(dòng)運(yùn)輸車(chē)是節(jié)能減排的必然要求。目前,由于電池技術(shù)的制約,以動(dòng)力電池作為單一能源的港口運(yùn)輸車(chē)輛,存在動(dòng)力電池功率低、不能大電流充放電、使用壽命短、續(xù)航里程不足等問(wèn)題,制約了港口運(yùn)輸車(chē)輛的電動(dòng)化改造進(jìn)程。

為了解決單一能源電動(dòng)車(chē)存在的不足,采用先進(jìn)控制策略的復(fù)合動(dòng)力港口電動(dòng)運(yùn)輸車(chē)成為該領(lǐng)域的研究熱點(diǎn),尤其在能量管理控制策略方面。Zhang等提出在多島遺傳算法的基礎(chǔ)上建立優(yōu)化模型和控制策略,降低功耗和能量損失[1];Du等設(shè)計(jì)了一種新型的深度強(qiáng)化學(xué)習(xí)算法深度Q-learning,實(shí)現(xiàn)更快的訓(xùn)練速度和更低的能耗,且其能耗經(jīng)濟(jì)性接近全局最優(yōu)[2];Sankarkumar等對(duì)由電池和超級(jí)電容器單元組成的混合能源儲(chǔ)存系統(tǒng)(HESS)開(kāi)展研究,測(cè)試證明儲(chǔ)能元件中加入超級(jí)電容可有效提高能源管理效率,降低能耗水平、電池溫度及充放電電流值[3];Li等在車(chē)輛混合儲(chǔ)能系統(tǒng)中,設(shè)計(jì)了在線(xiàn)功率分配算法,使PHEV的經(jīng)濟(jì)性提高了8.9%,同時(shí)保證車(chē)輛具有優(yōu)良的動(dòng)態(tài)性能[4]。趙國(guó)柱等提出模糊邏輯控制能量管理策略,減輕蓄電池的負(fù)擔(dān)[5];李博超等結(jié)合神經(jīng)網(wǎng)絡(luò)和模糊邏輯系統(tǒng)各自的優(yōu)點(diǎn),利用神經(jīng)網(wǎng)絡(luò)對(duì)模糊邏輯系統(tǒng)進(jìn)行多目標(biāo)優(yōu)化,建立模糊神經(jīng)網(wǎng)絡(luò),加快控制速度,對(duì)整車(chē)能量進(jìn)行有效合理地分配控制,改善整車(chē)經(jīng)濟(jì)性[6];李日業(yè)通過(guò)調(diào)整整車(chē)能量回收控制策略進(jìn)行車(chē)輛實(shí)測(cè),證明所提出的能量回收控制策略可有效提升能量回收率,增加續(xù)航里程[7]。

本研究針對(duì)港口用復(fù)合能源電動(dòng)運(yùn)輸車(chē)的能量管理控制策略,采用AVL-Cruise與MATLAB/Simulink平臺(tái)進(jìn)行聯(lián)合仿真,搭建整車(chē)模型及整車(chē)控制策略模塊,結(jié)合混沌映射、模擬退火及自適因子思想改進(jìn)遺傳算法,提出CSAGA優(yōu)化算法,對(duì)移動(dòng)儲(chǔ)能電車(chē)的雙電源功率模糊分配模型規(guī)則進(jìn)行優(yōu)化。

2 復(fù)合儲(chǔ)能拓?fù)浣Y(jié)構(gòu)

作為電動(dòng)車(chē)的動(dòng)力源,復(fù)合儲(chǔ)能組件將直接決定整車(chē)動(dòng)力性和續(xù)航能力。復(fù)合電源電動(dòng)車(chē)驅(qū)動(dòng)系統(tǒng)主要包括驅(qū)動(dòng)電機(jī)、動(dòng)力電池組、傳動(dòng)系統(tǒng)、驅(qū)動(dòng)輪等。正確匹配各部件參數(shù),使它們之間實(shí)現(xiàn)最優(yōu)匹配,能夠顯著提高電動(dòng)車(chē)的動(dòng)力性與經(jīng)濟(jì)性。

復(fù)合儲(chǔ)能系統(tǒng)的結(jié)構(gòu)形式包括:被動(dòng)結(jié)構(gòu)、電池主動(dòng)控制結(jié)構(gòu)、超級(jí)電容主動(dòng)結(jié)構(gòu)和雙主動(dòng)控制結(jié)構(gòu)[8](見(jiàn)圖1)。

圖1 復(fù)合儲(chǔ)能系統(tǒng)典型拓?fù)浣Y(jié)構(gòu)

被動(dòng)結(jié)構(gòu)具有成本低、安裝后重量輕和系統(tǒng)性能高的特點(diǎn),不足之處是超級(jí)電容器的利用率低,拓?fù)湫阅芙Y(jié)構(gòu)的效率低。超級(jí)電容主動(dòng)結(jié)構(gòu)使得超級(jí)電容器的能量可以得到充分利用,額定容量可以得到優(yōu)化,但由于電池的功率是不可控的,故其充放電電流的優(yōu)化也受到限制。電池主動(dòng)控制結(jié)構(gòu),可用于優(yōu)化和控制電池的充放電電流,延長(zhǎng)電池壽命,缺點(diǎn)是超級(jí)電容端電壓在脈沖負(fù)載電流區(qū)間內(nèi)變化劇烈,影響母線(xiàn)側(cè)電壓,導(dǎo)致電機(jī)轉(zhuǎn)速不穩(wěn)定,影響整機(jī)運(yùn)行穩(wěn)定性。雙主動(dòng)控制結(jié)構(gòu)使用壽命長(zhǎng),電池和超級(jí)電容可以深度放電,因此,其儲(chǔ)能可以充分利用,但成本高、效率低、控制復(fù)雜。綜合比較,超級(jí)電容主動(dòng)控制連接方式更為經(jīng)濟(jì)、實(shí)用且易于實(shí)現(xiàn),故本研究采用該結(jié)構(gòu)。

3 電動(dòng)運(yùn)輸車(chē)整車(chē)仿真模型的建立

3.1 建立整車(chē)仿真模型

3.1.1 整車(chē)模型的參數(shù)

復(fù)合電源電動(dòng)運(yùn)輸車(chē)整車(chē)模型使用前向仿真的方法,基于AVL-CRUISE搭建,在運(yùn)行仿真時(shí),車(chē)輛在制定的控制策略下行駛并產(chǎn)生相應(yīng)的信號(hào),與要求工況所需數(shù)值相比較,對(duì)動(dòng)力系統(tǒng)輸出相應(yīng)的制動(dòng)或驅(qū)動(dòng)控制信號(hào),使車(chē)輛進(jìn)行功率跟隨,完成指定工況的循環(huán)仿真。汽車(chē)的質(zhì)量與汽車(chē)裝載狀態(tài)有關(guān),不同裝載情況下,汽車(chē)的質(zhì)量不同,有空載、半載和滿(mǎn)載3種負(fù)荷狀態(tài)。根據(jù)整車(chē)模塊的要求,輸入牽引點(diǎn)到前軸的距離、試驗(yàn)臺(tái)上支撐點(diǎn)高度、軸距、不同負(fù)載下的重心高度、汽車(chē)的整備質(zhì)量(凈重)、滿(mǎn)載質(zhì)量(最大總質(zhì)量)以及迎風(fēng)面積和風(fēng)阻系數(shù)等,整車(chē)基本參數(shù)見(jiàn)表1。

表1 整車(chē)基本參數(shù)

3.1.2 電源模型的參數(shù)

雙電源電動(dòng)運(yùn)輸車(chē)的電源串并聯(lián)個(gè)數(shù)、額定容量等參數(shù)的設(shè)定,對(duì)整車(chē)的動(dòng)力性有著較大的影響。選取的鋰電池與超級(jí)電容的串、并聯(lián)個(gè)數(shù)和其他相關(guān)參數(shù)見(jiàn)表2。

表2 動(dòng)力系統(tǒng)各部件主要參數(shù)

3.1.3 電機(jī)模型的建立

電機(jī)的作用是將鋰電池的電能轉(zhuǎn)化為動(dòng)能,經(jīng)過(guò)一系列的動(dòng)力傳遞,驅(qū)動(dòng)電動(dòng)車(chē)運(yùn)行,決定著電動(dòng)汽車(chē)的性能。選取的永磁同步交流電動(dòng)機(jī)參數(shù)見(jiàn)表3。

表3 電機(jī)參數(shù)

3.1.4 變速器、主減速器模型的建立

在Cruise建模中,一般通過(guò)變速器模塊和主減速器模塊來(lái)建立整車(chē)傳動(dòng)系模型。輸入擋位、傳動(dòng)比、輸入/輸出側(cè)轉(zhuǎn)動(dòng)慣量、輸入/輸出軸齒數(shù)等參數(shù),完成模塊設(shè)置。

主減速器具有將來(lái)自變速器的轉(zhuǎn)矩增大,同時(shí)降低轉(zhuǎn)速并改變轉(zhuǎn)矩的傳遞方向的作用,在主減速器模塊中,輸入主減速比和輸入、輸出側(cè)的轉(zhuǎn)動(dòng)慣量完成模塊設(shè)定。

3.1.5 整車(chē)模型的建立

根據(jù)參數(shù)在AVLCRUISE導(dǎo)入整車(chē)模塊,并對(duì)整車(chē)參數(shù)進(jìn)行相關(guān)設(shè)置,建立各個(gè)模型。建立的整車(chē)仿真模塊主要包括鋰電池、超級(jí)電容、電機(jī)、制動(dòng)器、差速器、變速箱、離合器、車(chē)輪,將所有模塊在CRUISE中進(jìn)行連接,對(duì)整車(chē)制定的控制策略在MATLAB中實(shí)現(xiàn),通過(guò)Interface接口的方式,將CRUISE與MATLAB進(jìn)行連接。雙電源電動(dòng)汽車(chē)的整車(chē)仿真模型見(jiàn)圖2。

1.整車(chē)模塊 2.變速器模塊 3.主減速器模塊 4.左內(nèi)后輪 5.左前輪 6.右內(nèi)后輪 7.右前輪 8、10.后輪盤(pán)式制動(dòng)器模塊 9、11.前輪盤(pán)式制動(dòng)器模塊 12.電機(jī) 13.差速器模塊 14.駕駛室模塊 15.變速箱控制模塊 16.驅(qū)動(dòng)防滑控制系統(tǒng)模塊 17.超級(jí)電容模塊 18.動(dòng)力電池模塊 19.DC/DC變換器模塊 20.數(shù)據(jù)交換接口模塊 21.蓄電池模塊。圖2 整車(chē)仿真模型

3.2 整車(chē)控制策略

CruiseInterface數(shù)據(jù)交換接口模塊通過(guò)數(shù)據(jù)總線(xiàn)將Cruise實(shí)時(shí)數(shù)據(jù)信號(hào)通過(guò)I/O接口輸出至Matlab,在Matlab中進(jìn)行控制策略的優(yōu)化。通過(guò)Cruise模擬整車(chē)運(yùn)行,將整車(chē)速度、制動(dòng)信號(hào)、啟動(dòng)信號(hào)、鋰電池實(shí)時(shí)電量、超級(jí)電容實(shí)時(shí)電量、整車(chē)運(yùn)行需求功率、變速器輸出力矩輸出至MATLAB,在制定的控制策略控制下,將DC/DC變換開(kāi)關(guān)、升壓電流限值、降壓電流限值、制動(dòng)壓力、啟動(dòng)信號(hào)作為輸入返回Cruise,完成控制過(guò)程(見(jiàn)圖3)。

圖3 Matlab整車(chē)控制策略架構(gòu)

Cruise輸出和輸入信號(hào)的轉(zhuǎn)換,通過(guò)制定控制策略實(shí)現(xiàn)。整車(chē)運(yùn)行輸出的鋰電池實(shí)時(shí)電量、超級(jí)電容實(shí)時(shí)電量、整車(chē)運(yùn)行需求功率通過(guò)模糊控制器控制,輸出比例系數(shù)K來(lái)控制電池、電容輸出功率比例,和Cruise各輸出信號(hào)結(jié)合進(jìn)而控制整車(chē)運(yùn)行。制動(dòng)信號(hào)、啟動(dòng)信號(hào)、整車(chē)速度、變速器輸出力矩、整車(chē)需求功率、比例系數(shù)K共同作為輸入,決定汽車(chē)運(yùn)行所在模式,將DC/DC變換開(kāi)關(guān)、升壓電流限值、降壓電流限值、制動(dòng)壓力、啟動(dòng)信號(hào)作為輸入返回Cruise,完成控制過(guò)程(見(jiàn)圖4)。

4 復(fù)合電源模糊控制策略及仿真驗(yàn)證

4.1 模糊控制策略

4.1.1 模糊控制原理

模糊控制是以模糊集理論、模糊語(yǔ)言變量和模糊邏輯推理為基礎(chǔ)的、從行為上模仿人的模糊推理和決策過(guò)程的一種智能控制方法[9]。

模糊邏輯控制器(FLC,Fuzzy Logic Controller)所采用的模糊控制規(guī)則是由模糊理論中模糊條件語(yǔ)句來(lái)描述的。模糊控制器的輸入通過(guò)模糊化接口(Fuzzy interface)將真實(shí)的確定量輸入轉(zhuǎn)換為一個(gè)模糊矢量,用于控制輸出的求解,由數(shù)據(jù)庫(kù)(Data Base)和規(guī)則庫(kù)(Rule Base)得到模糊控制規(guī)則。數(shù)據(jù)庫(kù)所存放的是所有輸入、輸出變量的全部模糊子集的隸屬度矢量值,若論域?yàn)檫B續(xù)域,則為隸屬度函數(shù)。

4.1.2 模糊控制器設(shè)計(jì)

對(duì)電動(dòng)運(yùn)輸車(chē)復(fù)合能源系統(tǒng)運(yùn)用合理的控制策略,可以使超級(jí)電容發(fā)揮削峰填谷的作用,對(duì)車(chē)輛起步(需要大功率輸出)和制動(dòng)能量回收有重要作用,可減少大電流對(duì)鋰電池的沖擊與損傷,使整車(chē)處于高效運(yùn)行的工作模式。根據(jù)工況,車(chē)輛的工作模式分為驅(qū)動(dòng)、制動(dòng)兩種狀態(tài)。

當(dāng)整車(chē)需求功率Preq>0,車(chē)輛處于驅(qū)動(dòng)狀態(tài)且需求功率峰值較大時(shí),若超級(jí)電容能量充足,可進(jìn)行大電壓放電,單獨(dú)為電機(jī)提供動(dòng)力,滿(mǎn)足汽車(chē)大功率需求;若超級(jí)電容組能量處于中等水平,功率輸出能力有所下降,則超級(jí)電容優(yōu)先提供主要沖擊能量,剩余能量由鋰電池提供;若超級(jí)電容剩余電量小于或等于其下限值時(shí),則由電池組單獨(dú)提供能量輸出。

當(dāng)整車(chē)需求功率Preq<0時(shí),車(chē)輛處于制動(dòng)狀態(tài)。此時(shí)若超級(jí)電容存在能量存儲(chǔ)空間,由于其具有瞬時(shí)充電能力,制動(dòng)能量由超級(jí)電容回收。

復(fù)合電源能量管理系統(tǒng)的模糊控制策略主要與整車(chē)需求功率Preq、鋰電池電量變化SOCbat、超級(jí)電容電量變化SOCsc相關(guān)。根據(jù)3個(gè)參數(shù)實(shí)時(shí)的輸入量,經(jīng)模糊規(guī)則輸出超級(jí)電容功率分配因子K,結(jié)合整車(chē)需求功率Preq共同求出鋰電池輸出功率Pbat及超級(jí)電容輸出功率Psc。系統(tǒng)的功率分配滿(mǎn)足:

Preq=Pbat+Psc

(1)

超級(jí)電容功率分配因子K表達(dá)式滿(mǎn)足公式:

(2)

4.2 基于CSAGA算法的模糊控制器優(yōu)化

4.2.1 遺傳算法

GA(Genetic Algorithm,遺傳算法)源自于對(duì)生物種群繁衍進(jìn)行的模擬,是一種隨機(jī)全局搜索優(yōu)化方法,它模擬了自然選擇和遺傳中發(fā)生的復(fù)制、交叉和變異等現(xiàn)象,從任一初始種群出發(fā),通過(guò)隨機(jī)選擇、交叉和變異操作,使個(gè)體進(jìn)化到更適合環(huán)境的個(gè)體并組成種群,通過(guò)不斷繁衍進(jìn)化,最后得到一群最適應(yīng)環(huán)境的個(gè)體,從而求得問(wèn)題的最優(yōu)解[10]。

4.2.2 優(yōu)化目標(biāo)函數(shù)的選擇

優(yōu)化模糊控制的參數(shù)要選取恰當(dāng)?shù)哪繕?biāo)函數(shù),合適的目標(biāo)函數(shù)不僅能夠減少運(yùn)算量,簡(jiǎn)化算法復(fù)雜度,而且對(duì)整個(gè)模型的優(yōu)化效果有重要影響。所設(shè)計(jì)的復(fù)合電源系統(tǒng)與需求功率共同作用,通過(guò)模糊控制器進(jìn)行電源的輸出功率分配,降低整車(chē)行駛過(guò)程中的能耗;通過(guò)加入超級(jí)電容,減小鋰電池承受的峰值功率輸出和峰值電流。因此,以復(fù)合電源能耗和權(quán)重乘積之和與行駛里程之比為優(yōu)化目標(biāo)函數(shù):

(3)

式中,Pbat為鋰電池輸出功率;Psc為超級(jí)電容輸出功率;D為電動(dòng)車(chē)行駛總里程;w1、w2為待優(yōu)化能耗分配權(quán)重;(t0,tn)為鋰電池放電時(shí)間。

4.2.3 改進(jìn)Tent映射初始化種群

遺傳算法采用隨機(jī)方法產(chǎn)生初始種群,不能保證初始種群能較好地覆蓋待優(yōu)化問(wèn)題的尋優(yōu)空間,導(dǎo)致初始種群分布性較差。故采用結(jié)構(gòu)簡(jiǎn)單、收斂速度快的Tent映射來(lái)產(chǎn)生混沌序列,對(duì)種群進(jìn)行初始化[11]。

因混沌行為是有限的,存在混沌區(qū)間不連續(xù)、生成的混沌序列呈現(xiàn)非均勻數(shù)據(jù)分布等問(wèn)題,Tent混沌映射存在小周期和不穩(wěn)定周期點(diǎn)。為獲得更好性能的混沌系統(tǒng),避免落入小周期點(diǎn)和不穩(wěn)定周期點(diǎn),在原有的Tent映射表達(dá)式上引入隨機(jī)變量:

(4)

式中,N為序列內(nèi)粒子個(gè)數(shù)。

由Tent映射產(chǎn)生的混沌序列具有良好的分布性和隨機(jī)性,根據(jù)得到的[0,1]之間的混沌序列zk,引入至種群初始化過(guò)程中,以獲得分布較均勻的初始化種群,提高算法早期的搜索能力,加快收斂速度:

xk=lk+(uk-lk)zk

(5)

式中,uk、lk分別為zk的上下限。

4.2.4 融合SA思想的選擇算子

在遺傳算法中引入模擬退火思想,對(duì)選擇算子進(jìn)行改進(jìn)。模擬退火算法具有跳出局部最優(yōu)陷阱的能力,即使算法落入了局部最優(yōu)陷阱,經(jīng)過(guò)一段時(shí)間后,也能再跳出陷阱[12],最終向全局最優(yōu)值的方向收斂。融入SA思想的選擇算子流程如下:

(1)選擇父代種群中任意個(gè)體X1、X2,計(jì)算其適應(yīng)度值F(X1)、F(X2)。

(2)引入Metropolis準(zhǔn)則對(duì)進(jìn)化的個(gè)體進(jìn)行甄別,以一定概率接受適應(yīng)度較差個(gè)體,避免陷入局部最優(yōu)和克服初值依賴(lài)性。制定的Metropolis準(zhǔn)則為:

(6)

式中,k為冷卻系數(shù),p為迭代次數(shù),T0為初始溫度。

(3)重復(fù)SA操作直至子代種群數(shù)達(dá)到設(shè)定值。

選擇算子流程見(jiàn)圖5。

圖5 融入SA思想的選擇算子流程圖

4.2.5 自適應(yīng)交叉變異算子

GA采用定值交叉率和變異率,交叉率Pc和變異率Pm的值直接影響遺傳算法收斂性。交叉率越高,產(chǎn)生新個(gè)體越快,但應(yīng)避免破壞適應(yīng)度較高的個(gè)體基因。變異率越高,則算法搜索能力越隨機(jī),可能導(dǎo)致無(wú)法收斂,出現(xiàn)尋優(yōu)困難[13]。對(duì)此,使用單點(diǎn)交叉法,提出自適應(yīng)交叉、變異概率公式:

(7)

式中,Fmax、Favg為群體中最大的適應(yīng)度值和平均適應(yīng)度值;F為要交叉的兩個(gè)個(gè)體中較大適應(yīng)度值;Pc max、Pc min為最大、最小交叉率:

(8)

式中,Pm max、Pm min為最大、最小變異率;g為目前進(jìn)化代數(shù);G為最大進(jìn)化次數(shù)。

為避免交叉、變異操作破壞父代優(yōu)秀個(gè)體,采用精英保留策略,選取父代適應(yīng)度前15%的個(gè)體替代子代適應(yīng)度值后15%的個(gè)體,避免迭代過(guò)程中丟失最優(yōu)解。

4.2.6 CSAGA算法

最終,所提出的CSAGA算法流程圖見(jiàn)圖6。

4.3 復(fù)合電源模糊控制策略

4.3.1 實(shí)驗(yàn)設(shè)計(jì)

為驗(yàn)證CSAGA算法優(yōu)化模糊控制規(guī)則的有效性,加入專(zhuān)家經(jīng)驗(yàn)控制、GA模糊控制[14]復(fù)合電源功率分配為對(duì)照組,使用MATLAB-CRUISE聯(lián)合仿真,使用IDC、FTP75工況進(jìn)行仿真分析。

4.3.2 實(shí)驗(yàn)結(jié)果及分析

圖7為FTP75工況下車(chē)輛性能曲線(xiàn)。CSAGA優(yōu)化結(jié)果相比經(jīng)驗(yàn)?zāi)：刂瓶偤哪軠p少0.017 kWh,鋰電池剩余電量提升2.256%;相比GA優(yōu)化模糊規(guī)則總耗能減少0.008 kWh,鋰電池剩余電量提升0.503%,鋰電池電流均值下降18.7%。

圖7 FTP75工況下車(chē)輛性能曲線(xiàn)

圖8為IDC工況下車(chē)輛性能曲線(xiàn)。純電動(dòng)車(chē)完成一個(gè)循環(huán)工況后,CSAGA優(yōu)化結(jié)果相比經(jīng)驗(yàn)?zāi)：刂瓶偤哪軠p少0.067 kWh,鋰電池剩余電量提升2.084%;相比GA優(yōu)化模糊規(guī)則總耗能減少0.026 kWh,鋰電池剩余電量提升0.503%,鋰電池電流均值下降15.2%。

圖8 IDC工況下車(chē)輛性能曲線(xiàn)

由此可得,隨著時(shí)間的增長(zhǎng),CSAGA算法下的鋰電池與超級(jí)電容相對(duì)于其他算法下的剩余電量會(huì)產(chǎn)生明顯的差距。超級(jí)電容利用效果提升,鋰電池剩余電量得到提高,證明改進(jìn)后的遺傳算法尋優(yōu)能力更強(qiáng),可以更好地抑制沖擊電流對(duì)鋰電池的影響;改進(jìn)的能源控制策略能夠有效提升純電動(dòng)車(chē)的續(xù)航里程,延長(zhǎng)復(fù)合電源儲(chǔ)能系統(tǒng)的使用壽命,經(jīng)濟(jì)性也得到提升。

5 結(jié)語(yǔ)

設(shè)計(jì)了由鋰電池及超級(jí)電容器組成的混合能源電車(chē)供電系統(tǒng),提出了一種基于模糊邏輯和改進(jìn)遺傳算法優(yōu)化的純電車(chē)復(fù)合能源管理控制策略。針對(duì)雙電源系統(tǒng)的耗電量、鋰電池電流波動(dòng)等方面進(jìn)行優(yōu)化;對(duì)GA存在的缺陷,引入Tent混沌映射、模擬退火思想,制定自適應(yīng)交叉變異概率,提出一種新的運(yùn)行算法CSAGA,提高遺傳算法收斂精度、收斂速度。通過(guò)仿真建立模型,在IDC、FTP75工況下進(jìn)行仿真檢驗(yàn)。結(jié)果表明,CSAGA優(yōu)化后的模糊控制策略相比于專(zhuān)家經(jīng)驗(yàn)控制、GA優(yōu)化控制,各項(xiàng)性能指數(shù)得到提高,鋰電池受到的沖擊電流減少。CSAGA算法控制的能量分配策略,能有效提高純電動(dòng)運(yùn)輸車(chē)經(jīng)濟(jì)性,延長(zhǎng)其續(xù)航能力。