插电式混合动力汽车多目标优化能量管理策略

"插电式混合动力汽车能量管理策略多目标优化 (2011年) - 描述了一种针对插电式混合动力汽车(PHEV)的能量管理策略的多目标优化方法，通过改进的粒子群算法和遗传算法的混合优化，以降低油耗和尾气排放。" 这篇论文探讨了插电式混合动力汽车(PHEV)的能量管理策略对于车辆燃油效率和环境影响的重要性。能量管理策略是PHEV性能的关键因素，因为它决定了电池、发动机和电机之间的能量转换和分配。研究人员基于已开发的PHEV能量管理策略，构建了一个完整的车辆仿真模型，用于模拟不同工况下的车辆运行情况。 为了提高优化效果，论文引入了自适应惯性因子来改进基本的粒子群算法。粒子群优化算法是一种全局优化技术，通过模拟鸟群寻找食物的行为来寻找问题的最优解。然而，基本的粒子群算法可能会陷入局部最优，因此研究人员结合了遗传算法，形成混合优化算法，旨在克服这一局限性。遗传算法模仿生物进化过程中的自然选择和遗传机制，可以搜索更广泛的解决方案空间。 混合优化算法的应用结果显示，它在跳出局部最优解方面表现优秀，且寻优能力显著优于单独使用粒子群算法或遗传算法。通过这种多目标优化，PHEV的油耗和尾气排放量减少了近30%，这表明所提出的策略对提升PHEV的能源效率和环保性能具有显著作用。 论文的作者包括张松、吴光强和郑松林，他们分别来自同济大学汽车学院、东京大学生产技术研究所和上海理工大学机械工程学院。张松和吴光强是主要的研究人员，其中吴光强作为通讯作者，专注于汽车自动变速理论、混合动力传动系统控制技术和仿真研究。 这篇论文为PHEV的能量管理策略提供了一种创新的多目标优化方法，通过混合优化算法实现了燃油经济性和环保性的双重提升，对于推动新能源汽车技术的发展具有重要的理论和实践意义。