混合动力车辆（精选7篇）
混合动力车辆 篇1
刘昕晖认为,油液混合动力技术是将能量以液压能形式储存和释放,适合于载荷比大的工程车辆,对工程机械非常实用。
目前,应用混合动力技术的车辆主要分为油电混合动力车辆(HEV)、油液混合动力车辆(HHV)和机械储能混合动力车辆3种。汽车行业采用较多的是油电混合动力技术,从而被大多数人了解。从技术原理角度看,油液混合动力技术是将能量以液压能形式储存和释放,适合于载荷比大的工程车辆,对工程机械非常实用。
当前,一些世界知名的液压汽车厂商已经开始液压混合动力技术的市场化研发,开发出多种集成化的系统组件和配套元件。国内对于液压混合动力的研究和开发大多还是在理论层面,其关键零部件——液压二次调节元件尚不能实现国内制造,导致该技术的应用受到很大影响。若采用国外的二次元件,整机成本较高,市场接受度低。为此,我们另辟蹊径,提出了一种新解决方案——液压逻辑控制有级变量系统。实验表明,该技术方案能很好的满足车辆制动过程中能量回收的要求,且成本较低。
混合动力技术主要着眼于解决现有车辆存在诸多问题,如发动机工作区域不稳定,低效区多;发动机保留裕量大,“大马拉小车”现象;制动能量浪费,制动器损耗大。目前,对混合动力系统本身的节能潜力评估主要有2种标准,一是用能量存储元件在一次制动时回收的能量比照制动时车辆动能,即能量回收效率;二是用一个能量存储一释放周期内再次转化的动能比照制动动能,即能量再生效率。根据研究与试验数据表示,后者更加科学的反映了混合动力系统的实际节能效果。
液压混合动力系统控制的核心内容是转矩控制。由于蓄能器系统压力随着制动/加速过程产生非线性的变化,为了保证制动/加速过程的制动/驱动扭矩恒定而且可控,二次元件的排量必须根据压力变化实时的改变。转矩控制一直是液压混合动力系统中的技术难题之一。
转矩信号跟踪实验以交变的目标转矩模拟实际驾驶过程中驾驶员各种不确定的制动/加速动作。由于蓄能器压力的非线性变化和系统的信号处理频率等因素,造成了一些信号跟踪失真。如何调整控制这种系统误差,是混合动力车辆控制特性研究中的一个重点。相关的研究问题还包括蓄能器参数优化与系统的匹配、液压二次元件扭矩耦合器速比优化、机械制动和液压再生制动复合控制策略等。
目前,吉林大学和徐州重型机械有限公司共同开发了具有制动能量回收的液压混合动力汽车起重机,且进行了大量试验检测,具体情况如下。
起重机从17.835km/h初始速度开始制动,至车速为0.3km/h时停止制动,期间车速为2.22km/h时蓄能器压力开始下降,蓄能器充气压力7MPa,已充液压力约为13.7MPa,蓄能器容积100L,制动时间约为11.7,制动距离约为28.5m。蓄能器压力开始下降时,二次元件转速约为288r/min。按照制动结束时蓄能器内液压能与开始制动时起重机动能之比,计算能量回收率约为55.63%。
各工况下0～20km/h起步时间节省均在20%以上,最大可节省38%,起步时间明显缩短。各工况下0～20km/h起步加速距离缩短30%左右,最大缩短40%,起步加速距离明显缩短,动力性提升明显。0～20km/h起步加速过程中,控制方式不同,对节油效果影响较大,最大可节油1 8.22%。
除了对起重机上进行制动能量回收外,课题组正在利用液压混合动力进行发动机的能量管理,以改善发动机的工作效率,这对于整机的节能意义将更大。
链接:吉林大学液压混合动力车辆实验台简介
吉林大学自主研发的液压混合动力车辆实验台是国内采用内燃机作为主动力源的装机功率最大的液压混合动力实验平台。目前采用并联式混合动力构型,采用有级变量技术,实验台可直接模拟4.3t车辆0～100km/h范围内工作状况。通过相似计算不仅可进行其他各种以内燃机为主动力源的液压混合动力车辆特性模拟实验,还可进行混合动力系统优化、元件控制特性、能量控制策略、联合制动/加速性能等实验。
单电机式强混合动力车辆控制策略 篇2
强混合动力 (full hybrid) 车辆能够实现混合动力系统的所有功能, 其节油效果在各类混合动力车辆中最佳, 尤其适合启停频繁的城市工况。随着市场对低油耗低排放车辆需求的日益强烈[1], 以及国家相关鼓励措施的出台, 强混合动力车辆的市场前景被普遍看好。
目前国内外的强混方案多采用双驱动电机结构, 如丰田公司的Prius车型[2]和雷克萨斯RX400h车型[3], 以及国内的一汽奔腾B70HEV车型[4]。双电机结构有运行平稳的优势, 但其缺点是成本过高。单电机式结构成本低廉, 但其存在模式切换冲击较大、动态过程控制复杂等问题, 需要一套有效的控制策略对其动态过程进行协调控制。
本文所研究的强混合动力系统, 采用了一种新型的单电机、双离合器式结构。在副离合器位置用限力矩离合器代替了传统干式离合器。基于这种结构特点, 本文提出了强混合动力系统的分层控制系统方案。采用基于优化ICE曲线的整车能量管理策略, 并对行进中启动发动机过程进行动态协调控制。通过仿真分析了整车燃油经济性, 并通过台架试验对动态协调控制进行了验证。
1 混合动力系统结构
本文所研究的强混方案系统结构如图1所示。
单电机结构是本方案一大特点, 不仅较目前常见的双电机结构节约了成本, 其控制过程也相对简单可靠。本方案的另一特点是限力矩离合器的使用, 可以使驱动电机启动发动机的过程平缓可控, 减小对传动系统的冲击。
该方案为前驱结构, 动力系统包括1.5L直列四缸发动机、驱动电机。传动系统包括五挡手动变速器 (MT) 及主减速器。限力矩离合器断开时, 可由驱动电机单独驱动车辆。限力矩离合器接合过程中, 驱动电机可在驱动车辆的同时启动发动机。当接合过程完成后, 发动机与驱动电机可共同驱动车辆行驶。单向离合器使得电机转速不会低于发动机转速, 即保证发动机启动完成后, 限力矩离合器两端没有转速差, 不会造成限力矩离合器的过度滑摩。
车辆控制系统包括多能源总成控制器 (HCU) 、发动机控制器 (ECU) 、电池控制器 (BCU) 、电机控制器 (IPU) , 它们通过CAN总线进行通信。
该强混结构还保留了传统车上的12V启动电机, 以保证动力电池电量过低时发动机能正常启动。
2 分层控制系统
2.1分层控制系统结构
分层控制系统结构如图2所示。
外部输入条件包括驾驶员的操纵意图和车辆运行状态反馈。控制层分为三级, 其中能量管理策略根据外部输入条件判断驾驶员意图, 选择相应的车辆工作模式并对动力系统进行功率分配。发动机、驱动电机及限力矩离合器的工作状态由动态协调系统进行控制, 保证动力系统响应及时且车辆运行平稳。在满足部件工作的转矩、转速等限制条件时, 控制器对各部件输出控制命令。
本研究的核心在于能量管理策略能否有效地发挥该强混方案的节油优势及行进中启动发动机动态过程的控制效果。
2.2能量管理策略
能量管理系统结构如图3所示。
2.2.1 驾驶员意图识别
驾驶员意图识别包括驱动/制动意图判断和需求功率计算。由表1可以确定驾驶员驱动/制动意图。其中, 滑行是指车辆既不提供驱动力又不进行制动的状态。
需求转矩决定于车速与加速踏板行程。其定义曲面采用的是原有某款同级别车型的实测数据。该数据通过滑行、大加速、最高车速等几个关键点的需求转矩情况, 拟合出整个车辆需求转矩曲面, 主要是通过驾驶员的感受来进行调节的[5]。
2.2.2 模式选择
模式选择部分接收输入的驾驶员意图与车辆状态, 根据基于“优化ICE曲线”的控制策略划分的工作区域, 决定车辆的工作模式。
图4所示为发动机Map图上的工作区域划分, 表2所示为根据转矩杂件的工作区域划分。其中, 需求转矩Tr是关于需求转速n的函数;T1、T2、T3分别为纯电动区域上限转矩、经济性充电区域上限转矩、发动机外特性曲线对应转矩。T1、T2分别由下式确定:
(1)
(2)
纯电动区域上限转矩T1与经济性充电上限转矩T2是由仿真结果调整得出的最优值。由于该发动机在外特性线处效率较高, 故外特性曲线对应转矩T3即为发动机驱动区域的上限转矩。当需求转矩超出T3后, 由电机补充额外的转矩。
2.2.3 功率分配
驱动状态下, 根据本方案的双离合器、单电机特点, 定义了车辆的若干种工作模式及其相应的功率分配策略, 如表3所示。其中Tm、Te、Ts分别表示电机转矩、发动机转矩、发动机启动所需转矩, Tch、Te, max表示经济性充电模式下的发动机工作转矩及发动机可以提供的最大转矩。
制动状态下, 在保留传统车辆液压制动系统的基础上增加了电机能量回馈功能。车辆受到的制动力包括液压系统产生的摩擦制动力和驱动电机的再生制动力[5]。前轮受到的制动力如下:
式中, Thf为液压制动系统对前轮的制动力矩;Tmb为驱动电机发出的制动力矩;ig为变速器传动比;i0为主减速器传动比;rw为车轮半径。
图5显示了摩擦制动力矩与再生制动力矩的分配关系。制动踏板开度在10%以内时, 由于空行程和液压系统迟滞, 没有摩擦力矩产生, 此时电机提供制动力矩。随着制动踏板开度增大, 再生制动力矩以一定斜率增大至最大转矩Tm, max, 摩擦制动力矩也逐渐增大。制动强度很大时停止再生制动, 避免干扰ABS正常工作。
2.3行进中启动发动机动态协调控制
车辆处于纯电动运行状态下, 由于加速或爬坡等因素, 需要接合限力矩离合器以启动发动机共同驱动。此时电机在提供车辆行驶所需驱动力的同时, 还需要配合限力矩离合器的接合过程, 提供启动发动机所需转矩, 使发动机从静止到设定转速的过程不超过0.4s[6]。该过程中, 电机转矩与限力矩离合器的接合动作需要动态协调控制, 以保证发动机正常启动且不对车辆的正常行驶造成过大冲击。
当限力矩离合器的结构确定后, 滑动摩擦力矩T只取决于作用于摩擦面上的总压力N, 即取决于限力矩离合器的油压大小。因此对限力矩离合器目标油压的控制可以有效地解决启动过程中对传动系统的冲击问题。
目标压力通过PID控制器进行调节, 传递函数如下:
式中, KP、KI、KD分别为比例环节参数、积分环节参数、微分环节参数。
依据式 (3) , 可以建立离散化的PID控制器模型:
式中, pt、pr分别为目标压力、反馈实际压力 (接合压力) , MPa。
KP、KI、KD参数值通过仿真进行调整, 以得到较好的控制效果。目标压力pt通过台架试验结果调整, 选取合适值。
行进中启动发动机过程的时序如图6所示。其中, t1为启动过程开始时刻;t2为电机加载启动转矩时刻;t3为电机卸载启动转矩时刻。
启动过程中对电机的控制包括加载启动转矩的大小、加载时刻和卸载时刻。其中加载时刻由限力矩离合器油压建立过程决定, 卸载时刻由发动机转速决定, 启动转矩大小通过台架试验选取合适值。表4所示为行进中启动发动机的动态协调控制过程。其中, p0与n0分别为设定的限力矩离合器油压与发动机启动转速门限值。
3 经济性能仿真
3.1仿真系统建立
建立了前向仿真系统, 共包括循环工况、驾驶员模型、车辆控制器、动力系统、传动系统、车辆动力学模型六大模块。
仿真中整车整备质量为1400kg, 发动机排量为1.5L, 最大功率69kW, 电机功率为12kW, 电池容量为6.3A·h。
由于该仿真模型不能对动态过程进行准确模拟, 故只用其进行油耗仿真分析。
3.2仿真结果
在NEDC循环工况下进行仿真分析。对车速跟踪结果、车辆运行模式、发动机工作点、电机工作点、电池荷电状态SOC (state of charge) 等进行了仿真分析, 截取其中430～630s的一段数据如图7所示。
在起步阶段, 电机提供车辆驱动所需转矩, 发动机转矩为零, 为纯电动模式, 此时SOC值降低。随着车速提高, 发动机被启动, 车辆进入经济性充电模式, 电机转矩为负, 处于发电状态, SOC值升高。匀速阶段车辆回到纯电动模式。制动阶段电机进行制动能量回收。
仿真结果表明车辆能够正确地识别驾驶员的驱动/制动需求, 选择合适的工作模式, 能对发动机和电机的输出功率进行合理分配。
采用SOC平衡法对NEDC循环工况下的等效百公里油耗进行了仿真分析。SOC平衡法通过改变SOC初始值, 进行多次仿真, 将SOC变化量与油耗结果进行线性拟合, 找出SOC平衡点, 得出最终油耗。其中初始SOC为0.6时的仿真结果如图8所示。
找出SOC平衡点后, 最终仿真结果如表5所示。表5中的对比车型搭载的是2.0L发动机, 整备质量为1485kg。
由仿真结果可知, 该强混方案在NEDC循环工况下等效百公里油耗较对比车型降低了34%。
4 动态过程台架试验
4.1台架试验系统
台架试验系统如图9所示。其中两台FEV测功机分别模拟左右车轮。ECU、IPU、BCU通过CAN总线与HCU (dSPACE快速原型) 进行数据交换。
图10为试验台架实物图。驾驶员在左侧的防护罩内进行驾驶操作, 监控人员在右侧的防护室内进行监控。
由于该试验台架尚不具备模拟循环工况的功能, 故只用其验证行进中启动发动机动态协调过程, 不进行油耗测试。
4.2行进中启动发动机试验结果
在1～4挡条件下, 电机转速为800～2000r/min范围内, 对车辆行进中启动发动机的过程进行了测试。结果验证了在上述条件下, 电机均能正常地启动发动机, 且能保持车辆驱动所需力矩, 从而也验证了本文行进中启动发动机动态协调控制的可行性。
电机转速在启动过程中会出现一定的波动, 这一波动通过调节限力矩离合器的油压和电机启动转矩的加载与卸载时刻能够得到较好的控制。图11所示为2挡、电机转速为800r/min时的试验结果。
由试验结果可看出, 限力矩离合器油压在0.8s之前缓慢上升, 0.8s之后迅速升高到目标压力。在油压达到门限值p0后, 电机加载启动力矩。加载后, 发动机转速增大, 至启动转速n0后, 开始喷油、点火, 电机卸载启动转矩。发动机从静止到设定转速的时间短于0.3s。发动机与电机转速相同后, 启动过程完成, 进入混合驱动模式。
电机转速的变化反应出启动过程对车辆行驶速度的冲击。由试验结果可以看出, 启动过程中电机转速存在小幅波动, 会导致车速出现变化。这种变化将会对车辆的舒适性造成负面影响。试验过程验证了这一波动可以通过进一步地匹配调试进行调整, 使得发动机启动过程对车速的冲击达到最小, 保证车辆行驶的舒适性。
5 结束语
本文建立了一种新型单电机、双离合器式强混合动力车辆的分层控制系统。通过仿真分析, 验证了所制定的能量管理策略能够发挥此强混方案的节油优势, 使得整车油耗降低达34%。通过台架试验, 验证了行进中启动发动机的动态过程平稳可控, 证明了动态协调控制策略的可行性和有效性。
参考文献
[1]Andreas S, Franz Z, Johannes S.Powertrain Hybrid-ization of a Full Size SUV-a Multifunction Electric4WD Traction Module[C]//EVS23.Anaheim, Cali-fornia, 2008.
[2]Sasaki S, Takaoka T, Matsui H.Toyota’s Newly Devel-oped Electric-Gasoline Engine Hybrid PowertrainSystem[C]//EVS14.Orlando, Florida, 1997.
[3]刘倩.亦动亦净完美随行LEXUS雷克萨斯RX400h[J].时代汽车, 2007 (3) :12-13.
[4]赵京.一汽奔腾推出自主产权全混合动力车奔腾B70HEV[EB/OL].[2009-06].http://auto.sina.com.cn/news/2008-04-12/1310364706.shtml.
[5]周磊, 罗禹贡, 杨殿阁, 等.混联式混合动力车多能源控制系统的开发[J].机械工程学报, 2007, 43 (4) :125-131.
混合动力汽车动力总成设计构想 篇3
1 高压共轨柴油机电控技术简介
高压共轨柴油发动机采用电子控制单元 (Electronic Control Unit简称ECU) 从传感器 (油门位置、转速、大气状态、水温、共轨压力) 获取信息, 结合约束条件, 查找预先设定好的MAP, 调整喷油器的主喷, 预喷和后喷 (可选) 时长, 达到控制喷入气缸油量目的。博世高压共轨柴油机电控系统以转速为输入, 结合转速、油门来控制油量和喷油时间, 高压共轨柴油系统以扭矩为输入, 控制最后的油量和喷油时间。
2 电机驱动系统控制简述
电机驱动系统作为类似发动机功能单元的动力单元通常由电机和电机控制器组成。而电机控制器由电机控制器核心板, IGBT驱动电路, 控制电源, 结构和散热系统, 高压开关控制电路组成。控制器核心板负责接收整车控制器的指令并反馈信息, 检测电机系统内传感器信息, 根据指令和传感器信息产生逆变器开关信号;IGBT驱动电路接收CPU板开关信号并反馈信息 (如各相电流) , 放大开关信号并驱动IGBT, 提供电压隔离和保护功能;控制电源为CPU板和驱动电路提供多路相互隔离的电源;结构和散热系统则为电力电子模块散热, 支撑组件安装并提供环境保护;高压开关控制电路负责接受信号将直流电源能量传递给逆变器, 减少突然接通电路的大电流冲击。
各种电机转矩-转速特性在加减速或速度调节情况下都服从运动学方程Te-TL=J*dn/dt (Te为电磁转矩, TL为负载转矩, J为转动惯量, n为电机转速) , 对于恒定负载或者突加减负载, 只需要控制电机电磁转矩即可。
以某型号永磁同步电机 (额定75kw, 输出扭矩540N.m) 控制为例, 接收扭矩请求后将扭矩控制转化为定子q轴电流PI调节;励磁或弱磁控制部分转换为定子d轴电流PI调节[2]。空载情况下在线修改整车控制器RAM指令, 经过CAN总线发送给电机控制器, 0-1.48秒间发命令扭矩20N.m, 转速上升斜率较小, 1.48秒时刻更改为40N.m命令扭矩, 转速上升斜率变大, 在低速空载情况下电机经过报文发出的扭矩和命令扭矩有差异, 真实值需在测功机上测量。电控发动机和电机控制可实现CAN总线模式下转速和扭矩控制, 发动机ECU其通讯协议遵循SAE J1939, 电机控制通讯协议需要自行设定。
3 整车电控技术原理和设计
基于以上对发动机和电机控制的认识, 在并联式混合动力客车中可类比传统柴油车的控制方式, 由司机加速踏板开度 (即传统车油门) 和制动踏板开度, 发动机及电机转速, 并结合发动机水温等约束条件分配二者扭矩。对于串联或者增程式混合动力客车, 尽可能使得发动机转速位于经济区域, 即主要是发动机转速控制和发电机的扭矩控制。除了发动机和电机自带的ECU, 需要另外设计整车控制器 (Vehicle Control Unit简称VCU) 。
3.1 整车控制原理
串混或增程式系统主要驱动力来自驱动电机, 根据电机转速和加速踏板及制动踏板查询扭矩需求得到驱动电机的需求扭矩, 再结合A-PU (即发动机-发电机系统所能提供的电流限制) 得到电机的目标扭矩, 该目标扭矩由整车控制器经过CAN报文发送给电机控制器, 而电机需求扭矩转化为能量需求并结合电池 (或者超级电容) 电压以及剩余电量SOC转化为APU电流需求, 再经CAN总线实现对发动机转速和发电机扭矩 (或者励磁PWM) 需求。
对于并联混合动力, 由于发动机的转矩响应受瞬态空燃比控制燃油补偿等因素较目标扭矩迟滞, 而电机的扭矩响应在毫秒级, 可认为是瞬变量。若某一时刻目标扭矩是600N.m, 分配给电机和发动机扭矩分别是200 N.m和400 N.m, 必然导致瞬间合成扭矩和目标扭矩差异较大影响舒适性, 以并联式混合动力客车从纯电动切换到发动机单独驱动为例, 电机目标扭矩瞬间变为0, 此时发动机输出扭矩尚未输出到位将导致动力中断, 需要电机转矩补偿或者延缓电机响应。
3.2 VCU硬件结构
设计一款采用freescale S12X系列处理器的VCU, 负责采集挡位, 加速踏板和制动踏板信息, 并根据转速或者车速信息, 发送扭矩命令给电机控制器和发动机ECU (也可用总线油门或者硬件油门信号) ;对于带有自动变速箱的车辆, 需要根据挡位和位置传感器由H桥电路控制离合器或者选档换挡执行器;对于串联式混合动力汽车, 通常需要控制发电机励磁或发电机扭矩需求。
发动机ECU的RAM设计为1-2MB, 单片机自身RAM通常难以达到, 需要另外用地址数据总线扩展, 可标定数万个浮点型变量和若干一维和二维MAP。S12X处理器RAM为64KB, 在标定变量不是特别大的情况设定某个RAM地址区域用于MAP和可调整参数标定, 通常使用CAN Calibration Protocol (CCP) 协议。
3.3 VCU软件结构
在codewarrior下新建工程文件project后, 手工代码完成硬件层驱动程序, 如CAN, AD, PWM等功能。控制策略部分通常采用Matlab Simulink中进行上层算法建模仿真调试, 其软件结构通常分为初始化和步进执行两部分。初始化不进入无限循环只需要执行一次, 而步进执行部分分不同的周期需要在无限循环中执行, 该周期需要在simulinkconfigue中设置且须和project中执行周期一致。然后利用Real-Time Workshop工具箱对上层算法进行自动代码生成。最后需要在Codewarrior集成开发环境中将生成的C代码形式的上层算法与手写代码进行拼接, 整合与调试, 编译连接之后生成在单片机环境下运行的可执行文件, 可通过串口或者CAN下载已经编写bootloader的VCU中。
4 结束语
以扭矩为切入点分析发动机和电机控制的共性从而扩展应用到混合动力汽车研发是本文的主要脉络。建立在Freescale S12X处理器平台的整车控制器可实现simulink算法生成代码, 并通过扭矩命令 (或者转化为发动机油门) 实现对电控发动机和电机的控制可以应用于混合动力汽车开发。
参考文献
[1]黄海燕.汽车发动机试验学教程[M].北京:清华大学出版社, 2009.
混合动力车辆 篇4
混合动力汽车与常规的汽车动力系统存在很大差异,能够将多种动力供应形式相互结合,这种混合动力系统能够节省汽车的油品损耗,并使用清洁能源逐渐的替代油品使用,节省能源的同时也可以解决污染排放的问题。工况法能够将汽车发动机部分的能源使用情况进行对比,按照汽车设计阶段所应用的能源对比检测情况来进行,更深入地对混合动力汽车的动力系统进行评估,包括能源损耗情况,运行使用后的排放情况,通过这种对比可以更深入地了解到在基层中是否存在需要进一步完善的内容,并在混合动力汽车设计阶段采取框架优化的方法来进一步解决。工况匹配法包含了众多的检测内容,例如混合动力汽车在不同荷载情况下的瞬时动力情况,是混合动力汽车发生的重要基础。
2 理论匹配法
2.1 单动力装置车辆动力系统匹配
该种动力系统匹配方法,是根据常用的技术性方法来进行的,会确定混合动力汽车明确的使用需求标准,并在此基础上进行更深入地控制研究,将所得到的参数带入到计算公式中,最终得到与汽车动力标准相匹配的动力系统参数体系[1]。P在公式中会代表混合动力汽车行驶期间的总功率,分别包含了汽车正常行驶、载重行驶以及爬坡行驶时对动力系统的要求,并将各项动力参数分别求出后相加求和,判断在单动力装置车辆设计时,混合动力系统需要满足的使用需求。行驶期间还会产生一部分能源损耗,会通过Paux来进行表示,损耗主要是由空气摩擦导致,因此在计算时可以考虑空气所带来的阻力,将其作为计算期间的具体参数。
2.2 双动力装置车辆动力系统匹配
双动力装置中,由主动力系统与辅助动力系统共同组合而成,正常形式时主动力系统会导通,并向汽车行驶提供动力。但遇到突发情况时,例如在爬坡阶段,需要配合更高的动力系统支持,此时辅助装置会自动导通并提供足够的瞬时动能,达到理想的使用效果,这样混合动力汽车在任何路况上都能够确保稳定行驶,不会影响到使用安全。具体的计算公式如下所示:
其中Ps表示在稳定状态下汽车行驶消耗的功率,也就是混合动力汽车主动力系统的功率情况,将常规形式的功率损耗与风力阻碍带来的损耗功率相加,便能够对主动力系统有完善地了解。PT是瞬时状态下辅助动力系统在短时间内导通并提供动能时的系统参数变化情况,对其进行计算需要将总功率减去公式1中计算得到的稳态动力系统匹配参数。最终所得到的结果中已经去除了阻碍带来的能量损耗,因此能够直接应用在系统参数配合方面,使得汽车的混合动力系统设计能够得到更好地配合。
3 工况匹配法的应用
在混合动力汽车中应用这种研究方法,首先要对基础部分的参数进行全面了解,观察车辆在进行动力系统设计时,是否存在需要进一步完善的内容,将所得到的计算结果与试验所得到的参数进行对比,这样可以在短时间内判断混合动力汽车的动力系统设计是否达到了车辆使用安全规定标准。计算车辆在不同状态下的发动力动力提供参数情况,在此基础上进行全面地参数对比分析,通过这种方法可以帮助技术人员明确在设计理念中需要进一步完善的内容,并促进管理计划在现场得到更好地落实应用。
混合动力汽车中,电能是常用的能源之一,通过电池来将电能存储在其中,与传统的汽车动力提供形式相比较,增加了很多的新内容,也能够更好地适应使用期间需要继续深入完善的内容,包括对电池蓄电能力标准的选择,是否在形式期间可以达到预期的节能指标,以及在系统中是否存在排放污染物质超标的情况[2]。混合动力汽车在我国正处于研发推广的状态,设计阶段也是十分严谨的,任何一项参数对比误差问题,都有可能会影响到系统功能的正常实现,最终造成严重的质量安全隐患问题,导致混合动力汽车不能在汽车行业中迅速地推广。开展工况匹配法来对汽车的综合指标进行评价是十分有效的,能够帮助继续深入地提升使用安全性。
4 结束语
综上所述,工况匹配法兼顾了目标工况和动力性指标对动力系统的要求,既能有效减小发动机的尺寸,又具有良好的节油效果。工况匹配法不仅适合以国内典型城市公交循环为目标工况的混合动力汽车的动力系统匹配,而且也适合以其他单个循环或多个循环为目标工况的混合动力车辆的动力系统匹配,所以对混合动力车辆动力系统的设计和研究具有一定的现实意义。
摘要：在混合动力汽车中,应用工况匹配法来对汽车的行驶情况进行深入研究,有助于实现更理想的动力系统优化设计计划,为汽车投入使用后提供安全保障。文章重点针对混合动力汽车中开展动力系统工况匹配法的具体形式进行介绍,从理论计算与实践应用需要注意的内容来进行。
关键词：混合动力汽车,动力系统,工况匹配
参考文献
[1]季新杰,李声晋,方宗德.单轴并联式混合动力汽车动力系统参数匹配的研究[J].汽车工程,2011,33(3):188-193+202.
混合动力发展三问 篇5
前“车”之鉴会不会在工程机械行业重演?
当全世界都意识到需要在汽车行业推行节能减排的政策之后,混合动力汽车在节能减排方面的表现让人们找到了保护环境的救命稻草。自从2005年丰田将混合动力车型普锐斯带入中国后,本田随即也将思域引入中国,通用、长安、比亚迪、奇瑞等也均宣称要推出混合动力车型,一时间,混合动力汽车在中国市场成为热点。然而时至今日,混合动力汽车在中国市场上表现却没有让人们感到乐观。2007年,国内首款混合动力轿车普锐斯1 000辆的销量与其全球超过百万辆的总销量相比不值一提,人们对于混合动力汽车的迷恋并没有催生巨大的混合动力汽车市场。
在最新出炉的2009年汽车市场8大关键词中,“新能源汽车”入选。2009年3月我国公布的《汽车产业调整和振兴规划》中提出,要实现“形成50万辆新能源汽车产能,销量占乘用车销售总量的5%左右”的具体规划目标和完成“推动纯电动汽车、充电式混合动力汽车及其关键零部件的产业化”的主要任务。《汽车产业调整和振兴规划》公布后,陆续有企业提出要上新能源汽车项目,多家汽车厂商也高调展示自己的新能源概念车。但业内观察人士指出,尽管调子很高,规划很好,但由于研发技术成本高昂和看不到现实市场需求,“发展新能源汽车”的地方厂商大多只是处于“雷声大雨点小”的状态。
与混合动力技术在汽车行业的发展趋势类似,如今混合动力在工程机械行业也掀起了一股热潮。自2003年日立建机第一台混合动力装载机问世以来,工程机械主机企业陆续跟进。詹阳动力在2007年北京第9届BICES展会上推出了我国第一台混合动力挖掘机——JYL621H型轮式混合动力液压挖掘机。至今,工程机械业内已经有10家左右的主机企业推出了混合动力产品。对于混合动力工程机械在中国的发展趋势,国内部分媒体采用了“潮起”、“必然趋势”等字眼,仿佛我们即将进入混合动力工程机械时代。
然而,正如汽车行业面临的问题一样,混合动力工程机械在我国似乎也陷入到了"叫好不叫座”的怪圈。究其原因,可能是用户对产品质量、可靠性、节能效果持怀疑态度以及昂贵的采购成本所致。
用户如何才能接受混合动力?
日立建机龙小平研究员在接受记者采访时表示,“工程机械种类较多,工作特征和负载方式也都不一样。其实有些机械适合于混合动力驱动,有些机械则并不适合于混合动力驱动。即使是适合用混合动力的工程机械,在元件的选择和系统的配置上也都是非常微妙的,并非装上电池和电动机就一定能节省能耗。”质量和可靠性是用户关心的问题,而工程机械又并非快速消费品,作为一种生产工具,能为用户带来价值才是至关重要的。
混合动力是不是只是一个商家炒作概念的噱头,我们不得而知。对于这一点,龙小平研究员表达了自己的担忧,“要告诫用户‘不见兔子不撒鹰’,不要成为市场炒作的牺牲品。”作为媒体,也希望用户在购买时能够保持冷静的头脑,不要被一些商家的过度炒作所诱惑,要根据自己的实际施工需要选择合适的产品。
日立建机龙小平研究员在接受记者采访时表示,“工程机械种类较多,工作特征和负载方式也都不一样。其实有些机械适合于混合动力驱动,有些机械则并不适合于混合动力驱动。即使是适合用混合动力的工程机械,在元件的选择和系统的配置上也都是非常微妙的,并非装上电池和电动机就一定能节省能耗”
记者算过这样一笔账,一台售价80万元的普通20 t级挖掘机,每天工作10 h,按照当今的油价7元/L、每小时油耗9 L、每年280个工作日即2 800 h计算,一年的油耗大约需要17.64万元。据多家制造商公布数据显示,如今面世的混合动力挖掘机节能效率一般在20%～30%,如果按照30%计算,每年节省燃油费用约为5.29万元。而据记者了解,一台20 t级的混合动力挖掘机的成本比普通挖掘机高出50%,如果售价也按高出50%计算,那么用户购买一台混合动力挖掘机大约需要多支付40万元。用户至少需要7年多的时间才能将这40万元的差价通过混合动力技术所节省的油耗弥补回来,这还未计算由于混合动力系统复杂性而增加的维修成本。
如此高昂的成本使用户对混合动力望而却步,也给企业进行混合动力机型市场推广带来了不小的困难。不过,对于混合动力产品的高成本,三一重机总裁助理易迪生表达了自己的乐观看法,“随着技术成熟以及混合动力产品成规模的推向市场后,生产成本和使用成本应该都会降低,高成本不是需要担心的问题。”
面对当前的高成本和技术尚不成熟,企业仍旧信心满满,对未来充满了希望。多家企业建立了自己的研究所或与大专院校合作,承担了此领域国家“863”项目。2010年,随着该项目的结题,最终的试验样机也可能很快就会与大家见面。工程机械作为生产工具,不仅要能够满足用户的生产需要,还要尽量为用户节省成本,带来满意的生产效益。对于用户来说,何时能够购买到既可靠放心、节能降耗又非常实惠的混合动力产品呢?也许只有等到混合动力产品成为市场主流机型的时候才会成为可能。
政策春风能否吹到?
要使用户的使用成本真正降低,仅靠主机制造企业降低生产成本和销售价格还是不够的,这需要国家的扶持。在技术上,国家为混合动力工程机械的研发投入了一定的支持,在产品的市场推广方面,依然需要支持性政策。
如今,虽然保护环境、节能减排已成为发展的主旋律,但是国家对于混合动力工程机械方面的政策仍旧是空白。面对高售价、高维护成本以及政策空白,用户即使对混合动力爱不释手也没有购买的勇气。与混合动力汽车市场类似,混合动力工程机械在国外有一定的市场,特别是在日本。据了解,1997年时,日本丰田开始销售混合动力汽车,每台售价60万日元,每购买一台政府给消费者补贴20万日元。日本2009年4月1日开始实施“环保车减税制度”及“环保车新购及以旧换新补助制度”,以支持节能环保车的国内普及,并实现汽车产业结构转型。两项制度可并用,如以本田的Insight为例,减税及购买补助合计可达38.77万日元,三菱i-MiEV标价为459.9万日元,利用减税和补助金政策后实际只需320.9万日元即可。政策上的支持成为日本发展混合动力的信心,小松、日立、住友、三菱等日本工程机械企业在混合动力方面的技术研究领先于国内企业,混合动力工程机械在日本的发展速度也走在世界的前列。相比较来说,日本的工程机械市场更加成熟,对于混合动力工程机械的接受会更加容易,加之政策方面的支持,混合动力就有了很大的发展空间。
对于混合动力工程机械在国内市场推广方面的困难,易迪生坦言,“主机制造企业需要国家政策方面的支持,希望国家出台政策引导行业发展。”对于主机制造企业期待的国家政策内容,易迪生表示,"主要包括3方面内容:对行业发展进行政策保护;对用户进行财政补贴;对主机制造企业减税。而企业在降低生产成本的同时,主要是在售后提供更加人性化的服务。”国家政策方面的缺失,在一定程度上阻碍了混合动力在工程机械行业的应用及发展。解决这一问题,需要行业协会、主机制造企业以及行业媒体共同呼吁,引起国家相关部门的重视,争取有关政策的早日出台。
当全世界都意识到需要在汽车行业推行节能减排的政策之后,混合动力汽车在节能减排方面的表现让人们找到了保护环境的救命稻草
正如汽车行业面临的问题一样,混合动力工程机械在我国似乎也陷入到了“叫好不叫座”的怪圈。究其原因,可能是用户对产品质量、可靠性、节能效果持怀疑态度以及昂贵的采购成本所致
混合动力车辆 篇6
从氢和空气中含有的氧产生电能和纯水的燃料电池,对其作为清洁和高效发动机的作用,近来引起人们的关注。日本铁道综合技术研究所(RTRI)开发出一种新型燃料电池作动力的铁道车辆,以便将来替代在非电气化区段运营的传统燃油车辆和电动车辆。已经对动力至少足以驱动单个车辆,安装在试验车辆进行运营试验的100 kW燃料电池系统(称之为FC系统)做过介绍。结果确认可达到42 km/h的最高速度,FC系统在波动荷载下能持续发电[1]。然而,在实际运用中却发现一些限定,如输出功率不足,无法达到传统车辆的加速能力,再生能量也无法应用。
在这次研究中,开发一种锂离子电池系统(称之为锂电池),电池用DC/DC变流器(电池变流器)和燃料电池/电池混合系统检测器(混合检测器),将它们与FC系统一起安装在R291系试验车辆上以建立一种混合系统。为提高加速能力、利用再生能量、提供辅助电力,制作了一列由2辆装有这种混合系统的车辆组成的车组。下面介绍这些开发和在不同运行情况下的能量效率和燃料耗量进行评定的结果。
2 燃料电池/电池混合系统的开发2.1
2.1装有这种燃料电池/电池混合系统试验车辆的技术条件
混合前,只用FC系统产生牵引动力,仅用单辆试验车辆组成的车组进行了运行试验。然而,在这次研究中,准备了一种燃料电池/电池混合系统,并用一列由2辆试验车辆组成的车组进行运行试验。图1示出所用的燃料电池/电池混合试验车辆,表1列出它们的主要技术参数,表2示出混合改变和改进的地方。与计划在不久的将来要替代的2辆传统燃油车辆(Kiha-40系,220 hp/车)的输出相比,这些试验车辆的输出得到改善。
2.2 燃料电池/电池混合系统的结构
这里示出各类燃料电池/电池混合结构。图2列出其主要类型。由于A类结构的燃料电池和电池都需要输出功率控制功能,所以,目前不选用这类结构。至于B类和C类结构,牵引逆变器的输入电压随燃料电池和电池的情况而波动,这会影响加速度能力。D类结构在图2所示所有结构中需要的设备最多,而它具有传统牵引系统适应的优点。而E类结构混合控制方法极为简单,但有一些缺点:功率再生只及感应电机的一半,电池不能从燃料电池充电。因此,为从使用普通牵引系统的传统电动车辆开发装有燃料电池/电池混合系统的车辆,就需要D类结构。表3对这些结构做了比较。由于RTRI的感应主电机和静态逆变器(SIV)是为传统牵引系统制作的,所以,有必要选用D类结构。图3示出RTRI的燃料电池/电池混合系统的结构。
2.3 为混合系统开发的锂电池
作为混合系统的电池类型,选用性能更高、可靠性得到改善、目前价格较低的锂离子电池。表4示出锂电池的主要技术参数。所选用的电池模件与Hi-电车(RTRI开发的接触网/电池混合轻轨车辆)所用尺寸和能量相同(图4)。然而,设计了模件的充放电电流密度,以便进行十倍率充放电。采用 1 组 168 节串联连接、2组并联连接的锂离子电池。为抑制这些电池在夏季的温升,设计了安装在轨道上带温度计控制冷却风机的冷却系统。此外,为获得如电池最大电压、最小电压、平均电压、电流、SOC(充电状态)、故障信号和电池温度等电池信息,在各个模件设一个电池观测装置。选择30 Ah电池容量,允许以360 kW功率进行充放电。
2.4 电池变流器的开发
为将锂电池用于混合系统,开发出可将锂电池的电压从600 V转化为1 500 V,且反过来也是一样相互作用的电池变流器。图5为电池变流器,表5列出主要技术参数。对为稳定接触网电压而设计的现场类DC/DC变流器进行了改进,开发出电池变流器安装在车辆地板上。为实际应用,有可能通过特别的设计而制作出尺寸较小的装置。将信号集中于电池变流器以便混合控制,但在将来可将混合控制装置从电池变流器中分开。
2.5 混合设备在试验车辆上的布置
图6示出包括上述FC系统、高压氢气罐系统和其他元件的混合设备在试验车辆上的布置。由于这里的重点是确认混合功能,所以,没有考虑减小尺寸、减轻质量和设备的优化布置。混合系统的所有设备(除高压氢气罐外)都安装在试验车辆的地板上。
2.6 混合监视器的开发
开发出混合监视器用来检测电流量/作业状态并记录测试参数。图7示出试样显示屏。混合监视器与电池管理装置采用RS-485方式进行通信,锂电池寿命的测量和计算采用SOC信号输出的功能。
3 燃料电池/电池混合系统的控制方法
3.1 燃料电池/电池混合控制方法
电池变流器接收牵引逆变器(INV)、锂电池、FC系统和FC变流器的信号,来控制燃料电池变流器(FC变流器)的功率输出和锂电池的充放电。锂电池控制方法使连接到FC变流器、电池变流器、INV和SIV的母线保持稳定电压。如果母线电压超过1 500 V,电池变流器给锂电池充电;如果低于1 500 V,电池变流器使锂电池放电。
对FC变流器的控制方法,预先设定SOC(CEO)的充电指标和SOC(CSO)的放电指标,而后,电池变流器控制FC变流器的输出,以将锂电池的SOC信号保持在CEO值和CSO值之间。车辆速度高于5 km/h 时,视为运行,为接收到随速度而生的再生能量,电池变流器则降低CEO值和CSO值。因此,运行中的SOC值低于静止时(车辆速度低于5 km/h)的值。当车辆在高SOC情况下进行运行试验时,锂电池可提供加速功率。
为接收再生制动的最大功率,将CEO值设定在70%。为避免SOC信号振动产生共振,将CSO值设定在60%(即比CEO值低10%)。确定在30%锂电池情况下,可以在最高速度达到45 km/h时进行运行试验。这些电池变流器的参数也可以改变。
3.2 混合控制用INV的改进
对紧急情况下的混合控制,要求INV具有若干功能(如降低功率)。在这种情况下的混合控制,可对INV增加下列功能:
(1) 如果接收到“电池过充电”信号,INV停止再生制动;
(2) 如果接收到“电池过放电”信号,INV作业降低2个刻度,只用FC系统供电;
(3) 如果INV的输入电压降低,INV降低输出功率,以便保持输入电压接近DC1 500 V。
3.3 从运行试验结果对混合控制的确定
图8示出使用上述混合控制装置进行运行试验的结果。首先,对静止车辆,控制FC变流器以增加60%以上的SOC。第二,车辆开始运行时,根据速度和SOC,控制FC变流器来降低输出功率,以接收再生能量。第三,根据车辆的惯性速度,与实际SOC和目标SOC间的差别相一致控制FC变流器。第四,车辆制动和再生时,控制FC变流器以尽可能小地降低输出功率,用再生能量给锂电池充电。最后,按上述说明,控制FC变流器来增加输出功率,以保持初始控制状况下(高于60%)的SOC值。
4 燃料电池/电池混合系统燃料耗量和效率的评定
依据用如上所述的燃料电池/电池混合试验车辆在试验线路进行运行试验的结果,评定了混合系统的燃料耗量和效率。由于试验线路的长度只有615 m,所以,营业线路的惰行长度并不可靠。因此,用往返作业进行运行试验。此外,由于铁路道口要用1 min以上的时间关闭,所以,运行试验要用很长的时间,这会造成辅助能量的增加。由于这些原因,平均速度(包括停车时间)和燃料耗量往往会低于在营业线路上的。使用上述混合结构和控制方法时,似乎评定燃料耗量和效率的结果随如何进行运行试验和辅助能量而变化较大。对等待SOC恢复情况的结果与无SOC恢复情况的结果进行了对比,还对开启空调作为辅助功率与关闭空调的结果进行了比较。
4.1 对关闭空调时的燃料耗量和各种效率的评定
图9示出用SOC恢复并关闭空调(工况1)进行连续运行试验的结果。在SOC恢复情况下,运行试验可持续的时间可与燃料达到的时间一样长。这里,除第一结果外,依据将SOC保持在60%、进行30次连续运行试验的结果,对燃料耗量和各种效率进行了评定。图10示出无SOC恢复和关闭空调(工况2)试验的结果。在无SOC恢复情况下,SOC值随运行试验的进程而逐渐下降,所以,当SOC值降到30%以下时终止试验。在这种情况下,SOC值从60%降到30%可进行22次运行试验。
在评定中,使用下列公式对燃料耗量和各种效率进行了定义:
燃料耗量undefined
燃料电池效率(净)undefined
再生效率undefined
车辆能量效率undefined
式中:A——加速能量;B——辅助能量;C——电池放电能量,氢能量耗量由低热值(LHV:237 kJ/mol)转换。对工况1和工况2, 表6示出对燃料耗量的评定,表7示出对各种能量的评定,表8示出对各种效率的评定。
注:*氢能量由LHV转换,能量单位(kW·h)。
4.2 开启空调时对燃料耗量和各种效率进行的评定
图11示出无SOC恢复而空调开启(只在1辆车)(工况3)进行连续运行试验的结果。在这种情况下,SOC值从60%下降到30%可进行16次试验。对工况3,表9示出对燃料耗量的评定,表10示出对各种能量的评定,表11示出对各种效率的评定。由于辅助能量最少,所以,工况2的燃料耗量和车辆能量效率高于其他工况的。在每种工况下,FC系统效率只有约50%。在只有空调开、关状态这一差别的工况2和工况3,可以看到燃料耗量只相差1.07(km/kg-H2),而车辆能量效率只相差7.4%。在工况2,SOC从30%恢复到60%要用12 min。而在工况3,则要用15 min。在工况1的每次运行试验,SOC恢复到60%则要用约3 min。RTRI试验车辆的高压氢气罐系统装有约17 kg的氢,所以,车辆可以在不充氢的工况1～工况3的燃料耗量运行55 km～74 km(2辆车)。
注:* 氢能量由LHV转换,能量单位(kW·h)。
5 结论
对安装燃料电池/电池混合系统的2辆车进行运行试验,对各种运行情况的SOC 60%恢复情况和无SOC恢复情况间的燃料耗量和各种效率进行评定。结果确定,后一种情况的燃料耗量和各种效率分别比前种情况好0.8 km/kg-H2和10%。此外,检查空调开、关状态间的差别,确定开启状态比关闭状态的燃料耗量优1 km/kg-H2,车辆能量效率优7%。在运营线,这些值似乎得到提高。正如所预计的,简单确定了车辆能量效率约65%的高性能。在将来的工作中,计划为燃料电池/电池混合系统开发尺寸小的装置,为实际使用确定燃料电池的寿命确定跨度。
参考文献
混合动力车辆 篇7
粮食物流是我国物流产业的重要组成部分,在其流通过程中数量大、牵涉面广。为此,切实解决我国粮食流通费用大、粮食物流成本高的问题,可以提高农民收入,有利于确保国内粮食供求平衡,稳定粮食价格,保障国家粮食安全,具有重要的战略与现实意义。目前,我国粮食流通环节比较多,造成流通成本偏高。因此,科学合理地安排粮食流通路线,降低流通费用,增加粮食物流车辆的有效利用率就成为当务之急,它是提升粮食流通效益的关键。
车辆路径问题(VRP)由Dantzig和Ramser首次提出的[1], 它是交通运输领域研究的一个热点问题。带时间窗的车辆路径问题(VRPTW)是车辆路径问题的延伸,它是在VRP 问题上加了客户服务的时间窗口,它所研究的问题是在客户要求服务的时间窗口内完成任务,从而使配送总成本最小。现实生活中许多问题都可以归结为VRPTW 问题来处理,如物流调度、火车及公共汽车调度等,同时也出现了一些求解算法,例如神经网络、遗传算法和模拟退火等智能化启发式算法, 取得了一些较好的效果[2]。
粒子群算法(PSO)[3]是一种模拟鸟群飞行的仿生算法,有着鲁棒性好,计算简单,体数目少等优点,在各类多维连续空间优化问题上均取得非常好的效果[4]。
本文根据粮食物流的特点,对粮食物流车辆路径问题进行研究,结合粒子群算法和模拟退火算法求解粮食物流车辆路径问题。实验结果表明本文算法的有效性。
1粮食物流车辆路径问题描述及数学模型
1.1问题描述
带时间窗的粮食物流车辆路径问题可描述为:从中心粮库出发使用多台车辆为需求粮库运送粮食,完成任务后返回中心粮库,其中需求和中心粮库的位置已知,需求量已知,要求使完成全部任务的总成本(如距离、费用、时间等)最小。并满足如下约束条件:
(1) 车辆需从中心粮库出发,完成任务后须回中心粮库;
(2) 需求粮库只能被一辆车服务且只服务一次;
(3) 在每条配送路径上需求粮库的需求量之和不得超过此路径车辆的容量;
(4) 完成任务的时间必须在某一时间窗口完成。
1.2数学模型
若用有向图G=<V,E>来表示配送网络,其中V= {0,1,2,…,n}表示包括站点在内的节点集,节点0表示中心粮库,节点1,2,…,n表示各需求粮库;k=1,…,m表示配送车辆,车辆k的容积为qk,一次最大行驶距离为Dk,di表示需求粮库i的需求量;dij表示需求粮库i和j之间的路径长度,运送单位成本为c,中心粮库到各需求粮库的距离为doj。tij表示车辆由需求粮库i到j的直接行驶时间;si表示车辆到达需求粮库i的时间,ti表示车辆在需求粮库i的服务时间,且任务必须在时间窗口[ETi,LTi]完成,其中ETi为最早服务时间,LTi为最迟服务时间。
本文采用文献[1]提出的数学模型,将中心粮库编号为0,需求粮库编号为1,2,…,L;cij表示从需求粮库i到需求粮库j的运输成本,它的含义可以是距离、时间等。定义如下变量:
令PE表示在ETi之前到达需求粮库i的等待时间成本,PL表示在LTi之后到达需求粮库i的单位时间所得到的罚金成本;若车辆在ETi之前到达需求粮库i,则增加机会成本PE×(ETi-si),若车辆在LTi之后到达需求粮库i,则增加罚金成本PL×(si-LTi),于是带时间窗的粮食物流车辆路径问题的模型如下:
s.t:
xi jk=0或1,i,j=0,1,…,n;∀k (6)
yik=0或1,i,j=0,1,…,n;∀k (7)
ETi≤ti≤LTi (8)
其中,式(1)为目标函数,当PE=PL→∞时,以上模型为硬时间窗车辆路径问题;式(2)表示车容量的限制;式(3)保证每个需求粮库由一辆车来完成;式(4)、式(5)表明每个需求粮库都得到车辆的配送服务;式(8)表示时间窗口约束。 上述数学模型的最终优化目标就是:在满足以上各种约束条件的情况下,使总里程之和(Z)最小。
2粒子群算法
粒子群算法(PSO)与其它演化算法类似,也是基于群体迭代的,但它没有交叉、变异和复制等算子,而是将群体中的每一个个体看成是一种没有质量、没有体积的粒子。每个粒子在搜索空间以一定速度飞行。每个粒子根据自身的经验和群体的经验在问题空间向自身历史最好位置和群体中历史最好位置靠近,以此来搜索最优解。每个粒子的位置即可视为空间问题的一个潜在解。PSO算法的数学表示如下[4]:
设总粒子数为n,搜索的空间为D维。第i个粒子位置表示为向量Xi=(xil,xi2,…,xiD),第i个粒子目前搜索到的最优位置为Pi=(pi1,pi2,…,piD),称为个体极值pBest;整个粒子群迄今为止搜索到的最优位置为Pj=(pj1,pj2,…,pjD),称为群全局值jBest;第i个粒子的速度为向量Vi=(vi1,vi2,…,viD),每个粒子的速度和位置分别按公式(9)和(10)进行迭代。
Vid(t+1)=w×Vid(t)+c1×rand()[Pid-Xid(t)]+
(9)
Xid(t + 1) = Xid(t) + Vid(t + 1) 1≤i≤n,1≤d≤D (10)
其中,c1、c2为正常数,称为加速因子;rand()为[0,1]之间的随机数;w称惯性因子,w较大适于对解空间进行大范围探查,w较小适于进行小范围开挖;粒子的位置在第d(1≤d≤D)维的位置变化范围为[-Xmaxd,Xmaxd],速度变化范围为[-Vmaxd,Vmaxd],迭代中若位置和速度超过边界范围则取其边界值;t表示某一次迭代。粒子群初始位置和速度随机产生,然后按式(9)和式(10)进行迭代,直到算法满足迭代终止条件式。
3模拟退火算法
模拟退火算法[8]SA(Simulated Annealing)历史由来已久,Kirkpatrick等成功地将其引入在组合优化领域[9]。模拟退火算法的基本思想为:从一给定解开始,从邻域中随机产生另一个解,接受准则允许目标函数在有限范围内变坏,以一定概率接受新的解。由初始解s和温度控制初始值T0开始,对于t每一次取值,对当前解重复进行“产生新解→计算目标函数差→判断接受”的迭代,经过大量的解变换后,可以求得给定t值时优化问题的相对最优解。减小t的值,当t逐步衰减到当前的温度值T,算法终止时的当前解即为所得到的近似最优解。模拟退火算法在初始温度足够高、温度下降足够慢的条件下,能以概率100%收敛到全局最优值,由于它以概率exp(-△f/Tk)接受较差点,从而具有跳出局部最优解的能力。求解过程如下:
(1) 初始化退火温度Tk(令k=0)产生随机初始解xo;
(2) 在温度Tk下重复执行如下操作,直至达到温度Tk的平衡状态:
①在解x的领域中产生新的可行解x′;
②计算x′的目标函数f(x′)和x的目标函数f(x)的差值△f;
③依照概率min{1,exp(-△f/Tk)}>random[0,1]接受x′,其中random[0,1]是区间[0,1]内的随机数;
(3) 令Tk+1=aTk,k←k+1,其中a∈(0,1),若满足收敛判据,则退火过程结束;否则,转步(2)。
4粮食物流车辆问题混合粒子群算法
4.1粒子表达式的构造
找到一个合适的表达方法,使粒子的位置与问题的解相对应,是实现算法的关键问题。本文借鉴文献[5]的编码思想,构造2n维的空间对应n服务点(需求粮库)任务的VRP问题,每个服务点对应完成服务的车辆和在该车辆路径中的执行次序。将每个粒子对应的2n维向量分成两个n维向量Xv(表示任务的车辆编号)和Xr(表示各任务在路径中的执行次序)。
例如,设VRP问题中需求粮库任务数为8,车辆数为3,若某粒子的位置向量X为:
需求粮库 1 2 3 4 5 6 7 8
Xv 1 2 2 2 3 3 3 3
Xr 1 3 2 1 4 2 1 3
则粒子对应的解路径为:配送车1:0→1→0,配送车2:0→4→3→2→0,配送车3:0→7→6→8→5→0。
此粒子的表达方式可以保证使每个需求粮库都得到车辆的配送服务,并限制每个需求粮库的需求仅能由某一车辆来完成,使解的可行化过程计算大大减少。
4.2混合算法的实现过程
PSO算法易早期收敛速度快,但是在后期收敛速度慢,容易陷入局部极小值,易发散。为此,将模拟退火思想引入粒子群优化算法, 该算法中可以通过控制温度的高低以控制算法突跳能力的强弱,高温下的强突跳性有利于避免陷入局部极小,低温下的趋化性寻优有利于提高局部搜索能力,在每个粒子的速度和位置更新过程中加入模拟退火机制,对粒子群进化后的适应值按Metropolis接受准则接受优化解,同时以一定的概率接受恶化解,从而跳出局部极值,收敛至全局最优解。具体操作流程如下:
步骤1:初始化参数。①粒子群算法参数:加速因子c1、c2,惯性权重w和最大迭代次数itermax,②模拟退火算法参数设定:初始温度T0,终止温度Te,温度递减率a。
步骤2:初始化粒子群。
①随机产生n个粒子的种群, 即随机产生n个粒子的初始位置Xi(t)(i=1,2,…,n)和n个粒子的初始速度Vj(t)(j=1,2,…,n);
②用整数序列化调整函数Adjust()调整所有粒子;
③计算每个粒子的初始评价值,用评价函数Eval评价所有粒子的适应值;
④将初始评价值作为每个粒子的个体历史最优解Pi,并查出各子群内的最优解pBestl和总群体内最优解pBestg。
步骤3:对每个粒子,按照式(11)更新当前惯性因子w,按式(9)和式(10)分别计算速度向量V和位置向量X。
步骤4:计算每个粒子更新后的适应值。
步骤5:计算两个位置所引起的适应值的变化量:△E≤0,接受新值,若exp(-△f/Tk) >random[0,1],也接受新值,否则拒绝,返回步骤2。
步骤6:若接受新值,降温T←aT,否则返回步骤2。
步骤7:输出当前最好解,若有多个最优值,则随机取其中一个为最优解。
5算例与结果分析
根据上述混合粒子群算法,用Matlab7.0编写算法程序。本文中的实验均在P4 2.8G,1GRAM,Windows Server 2003操作系统的计算机上运行。
为验证此算法的可行性,采用文献[6]中的带时间窗的VRP算例。该问题为有一个中心粮库,需要向8个需求粮库运输粮食,任务由中心粮库的3辆容量为8t的车辆完成,客户需求qi,卸货时间si和每个需求粮库的时间窗[ETi,LTi]由表1给出。中心粮库与各需求粮库的距离(单位:公里)由表2给出,单位运输成本为1,要求合理安排路径,使总成本最少。
已知最少运输成本路径为:车辆1路径:0→6→4→0;车辆2路径:0→3→1→2→0;车辆3路径:0→8→5→7→0。总运输成本minZ=910。
文献[6]对该问题用标准遗传算法(种群规模60,交叉概率0.8,变异概率0.05)进行了50 次计算。文献[7]对该问题用基本的PSO算法(离子数为40,c1=c2=2.0,w=0.75,迭代次数为60)进行了50次计算。本文采用混合粒子群算法求解该算例参数设置如下:粒子数为40,c1=c2=1.49445,w=0.729,最大迭代数200,T=5000,退火速度α=0.8,这两种方法和本文的混合粒子群算法运算50次,计算结果如表3所示。
通过算例的验证,可以看出混合粒子群算法对于解决粮食物流车辆路径问题是可行的,能够快速地收敛到全局的最优解。其搜索成功率要远高于GA的24%和基本PSO的46%,同时在平均运输成本和搜索时间方面,本文的方法也优于文献[6]和文献[7]的方法。
6结语
粮食物流配送系统中,合理安排车辆路线可以减少运输成本,提高经济效益。本文将混合粒子群算法应用到带时间窗的粮食物流车辆路径问题中,通过实验和其他算法比较,结果证明此算法性能较好,可以快速有效地求解粮食物流车辆路径问题。该算法已经应用到河南省粮食交易物流市场交通运输领域,取得了较理想的效果。
参考文献
[1]Dantzig G,Ramser J.The truck dispatching problem[J].ManagementScience,1959(6):80-91.
[2]Sarikisd,Powells.Heuristic method for the open vehicle routing problem[J].Journal of the Operational Research Society,2000,51(5):564-573.
[3]Kennedy J,Eberhart R C.Particle swarm optimization[C]//Proc IEEEInternational Conference on Neural Net-works,IV.Piscataway,NJ:IEEE Service Center,1995:1942-1948.
[4]Eberhart R C,Shi Y.Particle swarm optimization:developments,appli-cations and resources[C]//Proc Congress on Evolutionary Computation2001.Piscataway,NJ:IEEE Press,2001:81-86.
[5]Salmen A,Ahmad I,AI-Madani S.Particle swarm optimization for taskassignment problem[J].Microprocessors and Microsystems,2002,26:363-371.
[6]赵燕伟,吴斌,蒋丽,等.车辆路径0问题的双种群遗传算法求解方法[J].计算机集成制造系统,2004,10(3):303-306.
[7]罗先国,侍洪波.非满载车辆路径问题的改进粒子群算法优化研究[J].华东理工大学学报,2006(7).
[8]夏蔚军,吴智铭.基于混合微粒群优化的多目标柔性job-shop调度[J].控制与决策,2005,20(2):137-141.