AVL-Cruise从入门到秃头-如何建立一个增程式电动汽车模型

2023-10-12 09:50

本文主要是介绍AVL-Cruise从入门到秃头-如何建立一个增程式电动汽车模型,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

学海无涯,回头是岸

目录

0.前言

1.增程器控制策略

恒温器控制策略

多点控制策略

功率跟随控制

2.基于Function模块的恒温器控制策略实现

增程器控制

Function模块代码

发动机负载控制

信号连接

3.仿真结果

4.结语


0.前言

本文转载自公众号:王浮生不怕生。原文链接:

AVL-Cruise仿真教程-如何建立一个增程式电动汽车模型

什么是增程式电动汽车,GB/T 19596-2017是这样描述的:一种在纯电动模式下可以达到其所有的动力性能,而当车载可充电储能系统无法满足续航里程要求时,打开车载辅助供电装置为动力系统提供电能,以延长续航里程的电动汽车,且该车载辅助供电装置与驱动系统没有传动轴(带)等传动连接。

简言之,增程增程式电动汽车就是搭载辅助供电装置的电动汽车,其具有与纯电动汽车完全相同的驱动系统架构。那么,我们可以简单认为:增程式电动汽车与纯电动汽车控制的核心区别在于增程器控制,即发电机和发动机的控制。

1.增程器控制策略

增程式电动汽车的运行模式可以分为两种:纯电模式、增程模式。在纯电动模式靠电池的能量驱动车辆行驶,增程模式下由增程器为驱动电机提供驱动电能,同时多余的电量为电池充电。因此增程模式下能量管理控制策略增程模式下的控制策略主要有以下几种:恒温器(也称为恒功率、单点)控制、多点控制、功率跟随模式控制策略等,工程上常将多个策略结合起来使用,高校相关课题可能会用到模糊控制等优化控制策略和智能控制策略。

恒温器控制策略

恒温器控制策略又称为单点控制策略或恒功率控制策略,通常通过SOC控制其开启与关闭。SOC低于启动设定阈值时增程器启动,发动机在预设的工作点按恒定功率输出;SOC达到停机设定阈值时增程器关闭。增程器的工作点通常设置在发动机高效区域,并根据NVH等性能进行设定。

多点控制策略

控制方式与恒温器控制策略类似,区别在于多点控制策略预先选定多个高效工作区域的发动机功率值,可以根据不同的SOC及驾驶员驾驶意图来确定相应的工作点。

功率跟随控制

发动机的功率跟随控制策略根据对象又可以分为跟随负载或跟随SOC。发动机的运行沿着固定曲线变化,可以连续的改变发动机的功率值,一般选择最佳燃油经济性时候的发动机功率曲线为目标跟随曲线。

本文旨在探讨通过Function模块完成增程器控制策略的建模思路,为简化建模,采用相对较为简单的恒温器控制。

2.基于Function模块的恒温器控制策略实现

前面我们说到增程式电动汽车与纯电动汽车控制的核心区别在于增程器控制,驱动控制可认为与纯电动汽车控制方式一致,这里我们以《AVL-Cruise纯电动汽车仿真建模教程-能量回收策略的实现》中的模型为基础,建立增程式电动汽车仿真模型。

在原EV模型中增加Engine、PID Control、Function及Electic Machine模块,其中Engine和Electic Machine模块组成增程器,PID Control用于控制发动机负载,Function用于建立增程器控制策略。模块具体参数设置不做赘述,这里主要讲解通过Function模块建立增程器控制策略的思路。

增程器控制

根据以上前文描述,恒温器控制策略中主要包括三个控制参数:蓄电池SOC下限(增程器开启阈值)、蓄电池SOC上限(增程器停机阈值)、增程器开启后的恒定输出功率

控制策略主要执行以下任务:通过监测电池荷电状态控制增程器启动与停机,当SOC低于开启阈值时(本模型策略里设定为30%)增程器启动发电,为驱动电机提供能量,多余的电能充入电池储存;当SOC达到停机阈值时(本模型策略里设定为80%)增程器停机。其控制流程如下:

模型中通过Function模块控制发电机扭矩,通过PID Control模块控制发动机转速。根据上述控制思路,可确定Function模块输入输出变量,

输入变量:SOC

输出变量:发动机启动指令,发电机扭矩

Function模块代码

/*double realTime;*//*INTERNAL*/double APUStart;/*INPUT*/double SOC=a[0];/*OUTPUT*/double EngSwitch;double GenTrq;/*C-CODE*//*初始化*/if(realTime<=0.0){APUStart=0 ;}/*增程器启停控制*/if(SOC<30){APUStart=1;}if(SOC>80){APUStart=0;}/*增程器工作点控制*/if(APUStart==1){EngSwitch=1;GenTrq=-80;}if(APUStart==0){EngSwitch=0;GenTrq=0;}y[0]=EngSwitch;y[1]=GenTrq;

发动机负载控制

PID Control是根据给定值和实际输出值构成控制偏差,将偏差按比例、积分和微分通过线性组合构成控制量,对被控对象进行控制。这里的定值和实际输出值分别为发动机目标转速和发动机实际转速,被控对象为发动机负载。

本模型中的PID Control设置如下,从参数设置中可以看出,本模型中仅采用了比例控制。

信号连接

参数设置完成后将发动机负载信号、启停信号分别连接至PID Control模块, Function相应端口,发电机Desired Torque信号连接至Function相应端口,如下图所示。

3.仿真结果

建立完成后的车辆模型如下:

如下图所示为发动机工作状态,

【时刻1】:开始时刻电池SOC高于30%,车辆为纯电动模式;

【时刻2】:当电池SOC低于30%时发动机启动为驱动电机提供能量,富裕的能量为电池充电,车辆进入增程模式。

【时刻3】:当SOC高于80%时,增程器关闭,车辆重新进入纯电动模式。

4.结语

本文以增程式电动汽车的恒温器控制策略为例,介绍了通过Function模块建立增程器控制策略的方法,并在前文建立的纯电动汽车模型的基础上建立了增程式电动汽车模型。

需要注意的是,本文旨在探讨通过AVL Cruise软件进行增程式电动汽车的仿真建模思路,在建立模型的过程中忽略了若条件,如发动机启停过程控制、电池功率限制等,对于工程项目而言本文所述模型并不具备所需精度,请慎用。

同时,由于Function模块的限制,对于模式转移、发动机启停过程控制实现较为复杂,特别是面对多点或复合策略时。而simulink的Stateflow正是处理状态转移控制的优秀选手,我们在后续以多点和功率跟随控制策略为例,探讨基于联合仿真方式的增程式电动汽车建模方法,请持续关注。

本文由“王浮生不怕生”原创,拒绝任何形式的抄袭及转载!

关注同名公众号:王浮生不怕生,获取模型。

看完了吧,关注拿来吧你!

这篇关于AVL-Cruise从入门到秃头-如何建立一个增程式电动汽车模型的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/195018

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

数论入门整理(updating)

一、gcd lcm 基础中的基础,一般用来处理计算第一步什么的,分数化简之类。 LL gcd(LL a, LL b) { return b ? gcd(b, a % b) : a; } <pre name="code" class="cpp">LL lcm(LL a, LL b){LL c = gcd(a, b);return a / c * b;} 例题:

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

Java 创建图形用户界面(GUI)入门指南(Swing库 JFrame 类)概述

概述 基本概念 Java Swing 的架构 Java Swing 是一个为 Java 设计的 GUI 工具包,是 JAVA 基础类的一部分,基于 Java AWT 构建,提供了一系列轻量级、可定制的图形用户界面(GUI)组件。 与 AWT 相比,Swing 提供了许多比 AWT 更好的屏幕显示元素,更加灵活和可定制,具有更好的跨平台性能。 组件和容器 Java Swing 提供了许多