为了减小混合动力汽车的燃油消耗和减少尾气中有毒气体含量,提出了迭代动态规划与自适应神经模糊推理系统相结合的能量管理方法.建立了并联式混合动力汽车动力系统模型,以车速和加速踏板开度为依据给出了换挡策略;建立了能量管理问题模型,使用迭代动态规划方法求解了最优控制律,但是此控制律无法应用于车辆的实时控制;提出使用自适应神经模糊推理系统探索最优控制律与车辆状态间的非线性映射关系,根据车辆状态确定最优控制律,实现了最优控制律的实时控制.使用CCBC工作作为验证工况,与基于规则控制策略、等效燃油消耗最小方法相比,控制方法的百公里油耗分别减少了18.56%、3.93%,且有毒气体含量明显少于另外两种方法,证明了控制方法的优越性.

整车节能减排效果受模糊能量管理策略中各种参数的影响,因此有必要针对模糊控制中的关键参数进行优化。在MATLAB/Simulink环境下搭建面向并联式混合动力电动汽车的驱动模糊控制能量管理策略,将油耗及排放综合最小化作为目标,在C-WTVC循环工况下采用遗传算法求解模糊逻辑控制器最优的模糊规则表和整车动力性参数。利用硬件在环仿真测试系统验证优化后控制策略的有效性,结果表明,采用遗传算法优化后的驱动模糊控制策略可以进一步降低整车的百公里燃油消耗,改善各种污染物的排放,并减小动力电池组SOC值的波动。