进化算法与混合动力系统

进化算法（Evolutionary Algorithms，EA）是一个“算法簇”。尽管它有很多的变化，有不同的遗传基因表达方式、不同的交叉和变异算子、特殊算子的引用，以及不同的再生和选择方法，但它们产生的灵感都来自于大自然的生物进化。与传统的基于微积分的方法和穷举法等优化算法相比，进化计算是一种成熟的具有高鲁棒性和广泛适用性的全局优化方法，具有自组织、自适应、自学习的特性，能够不受问题性质的限制，有效地处理传统优化算法难以解决的复杂问题^[52]。

进化计算包括遗传算法（Genetic Algorithms）、遗传规划（Genetic Program-ming）、进化策略（Evolution Strategies）和进化规划（Evolution Programming）四种典型方法。前两种方法比较成熟，现已广泛应用，进化策略和进化规划在科研和实际问题中的应用也越来越广泛。有关进化算法的详细原理及计算流程，请参见本书第2章。

文献[53]利用自适应惯性因子对基本粒子群算法进行改进，为克服粒子群算法的缺陷，设计了由进化算法和改进的粒子群算法组成的混合优化算法，并对并联式混合动力汽车控制策略进行优化。仿真结果表明，文献中所设计混合算法的全局巡游能力优于粒子群算法和进化算法，优化后整车燃油经济性和污染物排放性能均有较大幅度提高。文献[54]设计了一种自适应进化算法，针对进化算法容易早熟的缺陷，将模拟退火算法与带自适应交叉和变异算子的进化算法组成混合算法，并以最小化油耗及排放为目标，以整车动力性能为约束建立了混合动力汽车非线性优化模型。仿真及优化结果表明，文献中所设计的自适应进化算法可有效对混合动力汽车进行优化，改善燃油经济性及排放性能。文献[55]在CRUISE仿真软件中建立了混合动力电动城市客车整车动态性能仿真分析模型，将汽车燃油经济性和污染物排放指标通过加权整合为一个优化目标，运用进化算法对混合动力系统控制策略参数进行全局优化，精确确定出控制策略参数，改善了整车的燃油经济性和污染物排放。文献[56]基于CRUISE仿真软件建立轻度混合动力汽车仿真模型，以变速器速比为优化参数，以汽车动力性能和百公里油耗为优化目标，采用带精英策略的快速非支配排序遗传算法进行全局寻优。仿真结果表明，优化后的混合动力汽车满足动力性能指标，并具有较好的燃油经济性。文献[57]在设计并联混合动力汽车（PHEV）能量管理策略、建立了整车仿真模型并利用自适应惯性因子对基本粒子群算法进行改进的基础上，将改进粒子群算法和遗传算法组成混合优化算法，并将该混合算法应用于PHEV能量管理策略的多目标优化。优化结果表明，该算法能有效跳出局部最优，其寻优能力明显高于基本粒子群算法和遗传算法，优化后的PHEV油耗和尾气排放相对于优化前有减少。文献[58]为带双离合器和单轴转矩耦合的某并联混合动力汽车开发了模糊控制策略，采用遗传算法对转矩分配模糊控制器进行了优化。它们在MATLAB/Simulink和ADVISOR环境下基于试验数据建立了仿真模型，并进行了NEDC循环下只考虑经济性的控制策略优化和综合考虑经济性和排放性能的多目标控制策略优化。结果表明，应用遗传算法对模糊控制策略进行多目标优化后，油耗及整车排放都有明显降低。文献[59]针对气动燃油混合动力汽车两种动力源的协调控制问题，在阐述了该类型车的控制策略的开发原则的基础上，提出了用于切换工作模式的门限值的控制策略，应用非支配遗传多目标优化算法获取了混合工作模式下的转矩分配比的MAP图，实现了混合工作模式的转矩实时优化分配，其控制策略能够在满足气动燃油混合动力车驱动性能的前提下，实现混合动力各种工作模式的正确切换，完成气动发动机耗气量和内燃机油耗、排放的优化控制。

上文提到的混合动力汽车优化，其均为单目标优化或者是借助某一方法将多个目标函数转变成一个单目标函数，存在以下缺陷：

1）虽然能够获得待优化问题的有效解，但是较难准确地得出决策者认可的满意有效解。(www.xing528.com)

2）如果采用决策者参与到求解过程的交互规划法，虽然最后输出结果趋近决策者主观要求，但也存在引入主观因素、不易于操作等问题。

3）如果采用按目标函数的重要性排序后的结果运用单目标优化技术求解的分层求解法，那存在的问题就更多。一方面，不同的目标优先排序就会导致不同的解，难以调控目标优良性与重要性之间的差异；另一方面，非线性多目标优化，所有目标的最优解都存在等值线（面）的情况非常少，无法优化到最后一层。

为避免设置权系数，文献[60]研究了基于强度Pareto进化算法（SPEA2）的有约束并联式混合动力电动汽车（PHEV）参数优化方法。该方法基于Pareto支配性原理判定候选方案的优劣，采用ADVISOR仿真PHEV，并将仿真所得的燃油消耗量与污染物排量作为候选方案的目标值。试验结果表明，该方法所获得的控制策略与传动系统参数，在提高PHEV工作效率、整车性能及降低燃油消耗与污染物排放等方面效果显著。而文献[61，62]针对混合动力汽车用符合电源系统的构型及其控制策略，在分析确定满足整车动力性能要求和工程约束下复合电源参数的范围的基础上，以动力性指标为约束，以能耗最小、电源成本最低和电池峰值电流最小为目标函数，采用多目标进化算法对复合电源参数进行了多目标优化。仿真结果验证了优化的有效性。对复合电源和单一电池的功能样机进行了循环工况试验。结果表明，复合电源系统的电池负荷与电流比单一电池低，有利于电池寿命和电源效率的提高。