增程式电动汽车动力总成关键技术优化控制

增程式电动汽车增程器发动机多目标优化控制策略流程如图4-8所示。

增程器发动机多目标优化控制策略包括如下步骤：

（1）目标函数的拟合：根据增程器系统台架试验得到的数据，拟合发动机油耗率b_e、增程器机体振动烈度V_s、1m包络面辐射噪声声压级L_PA与增程器转速n_e和有效转矩T_e的关系函数，作为增程器系统多目标优化模型中的目标函数。

图4-8 增程器发动机多目标优化控制策略流程

（2）建立多目标优化数学模型：根据增程器台架试验数据，从其实际运行工况考虑，将增程器工况点的选择范围定于1000～3600r/min、30～110N·m区间，确定多目标优化模型的约束条件，建立多目标优化数学模型。

（3）线性加权多目标优化：线性加权多目标优化遗传算法的思路是首先将多目标问题通过加权的方式变为单目标问题，多个目标函数按照各自权值被加和成一个总的目标函数F（w_j是第j个目标函数F_j（n，T_e）的权重）。(www.xing528.com)

（4）线性加权方案的确定：针对三个目标函数F_be（n_e，T_e）、F_Vs（n_e，T_e）、FL_pA（n_e，T_e），结合经济性、舒适性和平稳性偏好，采用6种典型的权重方案进行线性加权，见表4-3。

表4-3 6种典型的线性加权方案

（5）目标函数的归一化处理：三个目标函数计算出的增程器油耗率、机体振动烈度及辐射噪声声压均采用不同的单位和量标，因此不能通过三个函数直接加权求和得到，应首先对每个目标函数进行归一化处理，再进行加权求和，归一化的方法采用除以最大值法，每个目标函数计算值除以对应最大值后的结果乘以相应加权系数，再进行求和运算。

（6）传统遗传算法寻优：对于加和成的单目标函数，再运用传统遗传算法得到的一个最优解，利用线性加权方法将增程器三目标优化模型简化为单目标模型再利用传统遗传算法寻优，得到对应加权方案的一个最优解，就是对应的优秀工况点。从表4-3中6种典型方案中选择3种方案（对应经济工况点，折中工况点、平稳工况点），再利用传统遗传算法寻优，就得到对应的优秀经济工况点、优秀折中工况点、优秀平稳工况点。