【机情无限 精彩毕设】机械2025届毕业设计(论文)中期检查优秀案例分享第十三期——基于工况识别的燃料电池汽车能量管理策略研究
学生姓名:宫照为
班 级:热能2021-01班
指导教师:祝乔
毕设题目:基于工况识别的燃料电池汽车能量管理策略研究
一、概况
1.选题意义
随着全球汽车工业的迅速发展,对传统能源的需求也在不断加大,同时带来的环境污染与能源短缺等问题也日益严重。传统能源中大多如煤炭、石油等是不可再生能源,据统计这些能源占世界能源消耗大约90%,如果汽车工业的发展长期依赖这些传统能源,那么对环境的污染以及能源的短缺是不可避免的,这也势必造成汽车工业的衰退。在这全球能源短缺与环境污染的背景下,我国也在不断探索新型清洁能源,大力发展新能源汽车。
混合动力汽车是由两个或两个以上的动力能源并联或串联组成的多能源汽车,大多数以内燃机为主要动力源。该车在一定程度上降低了污染排放与节约传统能源,但因其仍需使用化石燃料,并不能彻底解决能源短缺与环境污染的问题。
质子交换膜燃料电池(Proton exchange membrane fuel cells, PEMFC)是目前燃料电池领域研究较为成熟的一种,这种电池有着鲁棒性好,对运行条件不挑剔和效率高的优点,已被广泛应用于汽车领域。
混合动力系统作为多能源动力系统,其运行需要能量管理系统控制各个能源部件协调合作,这极大的影响着汽车运行的效率、燃料消耗和电池寿命。因此在混合动力汽车的使用中,选用合理的能量管理策略是必须的。
本论文以质子交换膜燃料电池与蓄电池构成的 “电 - 电” 混合系统为研究对象,围绕工况识别在能量管理策略中的作用与效果展开研究,旨在通过工况识别对复杂工况的实时分辨,实现复杂工况下能量的高效分配与系统性能优化。
2.任务分解
本研究内容分解为以下几个方面:
首先,构建燃料电池汽车的模型。针对燃料电池、蓄电池、电机等关键部件,分析其工作特性与能量流动关系,建立部件动态模型,并基于 MATLAB/Simulink 或 AVL Cruise M 等仿真平台搭建系统仿真架构,为能量管理策略的设计与验证提供基础。
其次,设计基于工况识别的能量管理策略。学习随机森林理论,在MATLAB软件中编写代码构建工况识别器并验证其准确度。以复杂工况循环——本文采用WLTC工况(WLTC工况又称“全球统一轻型车辆测试循环”,是2017年用全球多家实验室共同制定的,符合现代轻型电动车辆实际行驶工况的全球统一标准)——为工况识别器输入,将其划分为多种常见行驶工况的组合。
最后,针对每种分类后工况制定能量管理策略,以在不同分类工况下燃料电池的输出功率为输出变量,实现对燃料电池 “削峰填谷” 式的功率分配:当需求功率较低时,优先由蓄电池供电以减少燃料电池频繁启停损耗;当需求功率较高或 SOC 低于阈值时,燃料电池输出基值功率并补充蓄电池能量,避免电池过度放电。同时,结合系统安全约束(如 SOC 上下限、燃料电池最小功率限制),设计基于工况识别的能量管理策略以达到更低的等效氢气消耗量、延长电池寿命与更好的动力性能。
二、已完成工作
ü 了解了设计的相关背景,对课题关键理论进行学习理解;
ü 在祝教授的指导下明确设计要求、设计步骤和设计执行过程中的注意事项;
ü 完成了对相关资料的调研,学习了相关论文中的设计思路,完成了论文外文文献翻译工作;
ü 对毕业设计整体工作思路以及工况识别器的建立方法进行思维导图绘制;
图1 训练工况识别器的思维导图
ü 完成了燃料电池混合动力汽车设计选型,以及对主要结构参数的设计计算;
ü 使用matlab编写代码,训练工况识别器;
随机森林工况识别器模型(伪代码) |
1. 设置随机种子为42,定义样本数 num_samples = 1000,创建特征矩阵 features(3000行×6列),创建标签向量 labels(3000×1) 2. 生成三类工况数据 3. 城市工况 4. for 每个特征列: 5. 生成正态分布数据(例:平均速度 N(25,5)) 6. 设置前1000行标签为"城市" 7. 市郊工况 8. for 每个特征列: 9. 生成正态分布数据(例:平均速度 N(40,8)) 10. 设置中间1000行标签为"市郊" 11. 高速工况 12. for 每个特征列: 13. 生成正态分布数据(例:平均速度~N(100,10)) 14. 设置后1000行标签为"高速" 15. 数据预处理 16. 将矩阵转换为数据表格: 17. 添加特征名称:平均速度、速度标准差、最大速度、怠速时间比例、加速度标准差、最大加速度 18. 添加标签列DrivingCycle 19. 划分数据集: 20. 按7:3比例分割为训练集train_data和测试集test_data 21. 训练随机森林模型 22. 设置模型参数: 23. 树数量num_trees = 100 24. 最小叶子样本min_leaf = 5 25. 训练模型: 26. 使用TreeBagger算法 27. 输入:训练集特征和标签 28. 启用特征重要性计算 29. 预测测试集标签: 30. 获取预测结果predicted_labels和概率分数scores 31. 计算准确率: 32. 比较预测标签与实际标签 33. 输出准确率百分比 34. 可视化: 35. 绘制混淆矩阵 36. 绘制特征重要性条形图 37. 保存训练好的模型到文件:random_forest_model.mat |
表1 工况识别器训练代码
ü 对设计的工况识别器的准确度进行了验证,并导入WLTC工况数据进行识别。
图2 利用工况识别器对测试集数据识别得到的混淆矩阵 图3 特征重要性得分
图4 WLTC工况的速度—时间图像
图5 对WLTC工况的识别结果
二、下一步工作计划
1.在CRUISE-M软件中,使车辆分别使用单一工况循环(城市、市郊、高速)进行仿真计算,得到车辆在此工况下的SOC变化量和整车功率消耗。
2.利用MATLAB软件,分别为三种工况制定能量管理策略(燃料电池与动力电池的功率分配)。
3.加入工况识别器与能量管理策略后,整车运行WLTC工况进行仿真计算,对比分析SOC变化量与等效氢气消耗量,评估优化效果。
问题一:对于更加复杂的工况循环,我该怎么对其进行分析并制定能量管理策略?
回答:对于更加复杂的工况循环,可利用工况识别器将其转化为几种常见工况片段的组合。在对应的工况下,执行相应的能量管理策略。即可实现对复杂工况循环下的能量管理。
问题二:我的能量管理策略的目标是达到更小的SOC变化量以及更低的等效氢气消耗量,在这里包含了对多个参数的控制,如果最终的结果相互矛盾——控制了SOC的变化量,却导致等效氢气消耗量上升——这种情况如何解决?
回答:对多个量的控制情况下,不同量的权重不同,在这里我以降低等效氢气消耗量作为主要实现的目标,并在此基础上尽可能减小SOC的变化,这里应存在一个最优解,也是我的能量管理策略要实现的目标。
在进行毕业设计的过程中,我查阅了大量相关文献,并且系统的学习了决策树与随机森林理论,了解了工况识别器的工作原理,成功训练了基于随机森林理论的工况识别器模型,并保证了工况识别的准确程度。
同时,我深入的学习使用MATLAB软件和CRUISE-M软件,来完成毕业设计的相关仿真计算。此外,进行毕业设计相关工作的经历也培养了我的团队合作能力,在毕业设计期间,积极与导师、师兄和同学沟通交流,共同解决了如何实现MATLAB与CRUISE-M联合仿真的难题。
在毕业设计过程中,我也有不足之处,比如在毕业设计初期没有很好的规划时间安排,导致前期进度较慢,后期工作集中;在整个毕业设计工作中,我也认识到了自己知识储备的不足,对很多理论知识并不了解。
我认为毕业设计不只是为了毕业而完成,同时也是对自己整个本科期间所学习的知识的一次综合考察。同时也是我接触到的第一个有着明确目标和意义的任务。这更需要我认真的对待毕业设计,争取尽可能把它做好。
在进行毕业设计的工作过程中,我的导师祝乔教授和胡浩钦师兄以及陈梁师兄给了我很多指导和帮助,使我明确了毕业设计的工作方向,并且能更顺利的进行毕设工作。
在这里我要特别感谢导师的悉心指导、师兄的协作支持,以及学院提供的资源保障。