混合动力系统优化：结果与分析

对10次运行结果进行统计，将所有解合并后所得最终Pareto最优解分布情况如图6-2所示，其变量取值见表6-3。记发动机效率为E_FC，电动机效率为E_MC，传动系统效率为E_G，系统总效率为E_OSE，所得最终Pareto最优解对应的燃油消耗、污染物排放及系统性能统计结果见表6-4。表6-3与表6-4中第0组数据为所选车型默认设置及性能指标。

图6-2 10次独立运行结果合并后的Pareto最优解分布

a）车型1 b）车型2

表6-3 10次运行结果合并后所得最优解对应的详细参数

（续）

表6-4 10次运行结果合并后所得Pareto最优解对应的系统性能

（续）

观察表6-4的数据可以发现，优化后的系统在保证动力性能的前提下，降低了燃油消耗和污染物排放量。对于车型1，在燃油消耗方面，优化后的系统平均降低了19.6%。在污染物的排放量方面，CO的排放量降幅最大，平均降低了14.6%，最大降低了34.3%；此外，HC的排放量最大降低了9.4%，NO_x的排放量最大降低了16.4%。在系统的效率方面，电动机的效率最少提高了127.8%，最大提高了207.3%。发动机的效率和传动系统的效率没有明显的提升，系统的总效率平均提升了20.6%。对于车型2，优化后的系统燃油经济性普遍得到了改善，污染物CO、HC与NO_x的排放量均有下降，其中，CO排放量最大降低了4.1%、HC排放量最大降低了1.6%、NO_x排放量最大降低了6.9%。对于电动机、发动机、传动系统的工作效率，虽然它们没有一致性地高于优化前的效率，但优化后的系统总效率得到了提高，这表明优化后各子系统匹配更好，也从侧面表明各子系统间的良好匹配对于提高混合动力汽车的整体性能有影响。(www.xing528.com)

选取车型1的第1组优化方案代入仿真系统，并将其与优化前的系统进行比较，图6-3、图6-4与图6-5分别对应电动机效率、发动机工作效率及其工作点分布情况。统计图6-3中工作效率大于0的点发现，优化前效率大于0的工作点只有18个，而优化后效率大于0的点则达174个。正是因为有效工作点的增加，特别是高效率区工作点的增加，使得电动机总体工作效率得到显著提高，这有利于充分利用能量。此外，电动机有效工作点的增多是电动机参与整车驱动程度增加的表现，也从侧面表明蓄电池工作频率在增加，这有利于混合动力汽车在制动时的能量回收与电动机辅助驱动时的能量利用，减少整车行驶过程中的能量损耗，进而减少燃油消耗、降低污染物排放量。

图6-3 车型1优化前后的电动机工作效率对比图

a）优化前 b）优化后（第1组数据）

图6-4 车型1优化前后的发动机工作效率对比图

a）优化前 b）优化后（第1组数据）

观察图6-4可得，优化前发动机工作效率主要集中在[0.1，0.35]区间内，而优化后的发动机效率主要分布在[0.2，0.35]区间内；同时，对比发动机工作点分布图可以发现，优化后，发动机工作点更集中于高效率区。对图6-4与图6-5中的数据进行统计，优化前发动机的有效工作点为961个，而优化后下降为668个。这些数据表明，优化后的发动机工作效率有显著提高。这种发动机有效工作点减少且向高效率区集中的情况，与图6-3中所得出的电动机工作点增加的现象相呼应，是发动机与电动机协调工作的表现。这种协调可充分发挥电动机的性能、改善发动机的工作状况，提升它们的工作效率，进而改善整个系统的性能。同时，发动机瞬间操作减少，有利于降低污染物排放量。

图6-5 车型1优化前后的发动机工作点分布对比图

a）优化前 b）优化后（第1组数据）

上述实验结果表明，所提出的基于Pareto最优原理的混合动力汽车多目标优化进化算法对降低整车的燃油消耗量、减少污染物排放效果显著，电动机和发动机的工作效率以及系统总效率都得到了不同程度的提高。