基于博弈進化算法的混合動力汽車控制策略參數(shù)優(yōu)化.pdf

1、以燃油為動力來源的汽車在給人類帶來便利和經(jīng)濟利益的同時，也導致了嚴重的能源緊缺和環(huán)境污染問題。新能源汽車的開發(fā)和應用成了世界范圍內的新課題和大趨勢?；旌蟿恿ζ囈蚱湓诠?jié)能環(huán)保及動力性能方面的優(yōu)勢，成為現(xiàn)階段各國政府和汽車行業(yè)的研發(fā)熱點。控制策略是混合動力汽車中非常重要的組成部分,直接影響汽車的性能。優(yōu)秀的整車控制策略不僅能夠讓系統(tǒng)滿足動力性能的要求，而且能夠依據(jù)整車的行駛工況合理地調度發(fā)動機和蓄電池的工作狀態(tài)，平衡各個部件間的能量流動，

2、使整車的動力系統(tǒng)具有良好的工作效率，降低燃油消耗和污染物的排放量。針對混合動力汽車控制策略優(yōu)化問題，本文研究基于行為博弈論的博弈進化算法，進而為混合動力汽車控制策略優(yōu)化提供新的有效優(yōu)化方法。主要研究內容為：
　?。?）扼要綜述了當前混合動力汽車控制策略的優(yōu)化方法，簡述了混合動力汽車的典型動力結構及其控制策略。給出了混合動力汽車的仿真方法，介紹了混合動力汽車仿真軟件ADVISOR，并對ADVISOR中的并聯(lián)式混合動力汽車的整車仿真模

3、型及相關主要子模塊的仿真模型進行了說明和分析。
　?。?）介紹了博弈論的基本知識和理論，研究了博弈論中的行為博弈機制，在建立博弈進化模型的基礎上，設計了一種基于行為博弈機制的博弈進化算法（GameEA）,并針對不同的決策境況設計了不同的學習模型：模仿學習與信念學習算子。GameEA算法通過得益期望決定所執(zhí)行的學習操作，通過模仿學習操作實現(xiàn)學習其它個體的目標，通過信念學習算子實現(xiàn)強化學習目標?；谒鶞y試的問題及數(shù)據(jù),可以得出結論:在

4、迭代次數(shù)相同的情況下,GameEA比所選用的三個對比算法具有更好的尋優(yōu)能力,并能獲得精度更高的解。
　?。?）將GameEA算法應用于混合動力汽車控制策略優(yōu)化。以混合動力汽車的加速性能、最大爬坡度、最高車速等動力性能指標為約束條件，以最小化燃油消耗(L/100km)、HC(g/km)與NOx(g/km)排放量、CO(g/km)排放量為優(yōu)化目標，應用所設計的GameEA算法，在Visual Studio環(huán)境下，通過調用 Matlab