实验结果分析：进化算法与混合动力系统优化

对运行HEV-MOEA算法所得的10次优化结果进行统计，所得的Pareto最优解见表8-6。观察表8-6的数据可知：

1）在燃油消耗方面，优化后系统的燃油消耗量即目标值f₁的分布范围为[5.783L/100km，7.261L/100km]，比优化前的系统平均降低了15.8%，最高可降低22.6%。

2）在污染物排放方面，优化后的系统其碳氢化合物与氮氧化合物排放量之和即目标值f₂分布范围为[0.668g/km，0.731g/km]，比优化前的排量平均降低了7.7%，最高可降低11.9%；而在改善一氧化碳排放量方面，目标值f₃的分布范围为[1.754g/km，2.593g/km]，比优化前的排放量平均降低了15.4%，最高可降低32.5%。

综合上述数据可知，优化后的系统，燃油消耗和污染物排放量均得到了不同程度的改善。

表8-6 10次优化结果合并所得Pareto最优解

（续）

注：第0组数据为优化前混合动力汽车默认配置及性能。(www.xing528.com)

表8-7为优化前后系统运行效率统计结果。观察表8-7中的数据可知：优化后的系统，发动机及电动机的运行效率均得到了提高，尤其是电动机工作效率由18%提高到67%，系统的总效率由8.7%提高到10.8%，这表明优化后的各子系统得到了更好的匹配。

表8-7 优化前后系统的运行效率统计结果

（续）

图8-2为优化前后发动机工作点分布图及效率统计图。观察优化前后发动机工作点分布情况可知，优化后的发动机工作点处于起动转速以下工作点分布明显减少，发动机的工作点更加集中于高效率区域；这种情况在发动机效率统计图上则表现为：发动机工作点效率分布由优化前的分布区域[0.1，0.35]向区域[0.2，0.35]集中。这表明优化后发动机运行状况得到改善，有更加理想的运行性能。

图8-3为优化前后电动机效率统计图。统计图8-3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，而优化后则达247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。