新能源汽车热管理系统协同优化策略

摘要

针对新能源汽车热管理系统多目标协同的调控需求，提出了一种协同控制策略。首先，基于AMESim平台，构建乘员舱-电池耦合热系统动态仿真模型；其次，将非线性自回归外生输入神经网络引入控制模块，模型预测控制(MPC)以降低压缩机能耗和控制最小化温度偏差为双目标，优化压缩机转速；接着，对阀件等关键执行机构建立基于比例-积分-微分(PID)的动态响应模型，以实现制冷剂流量的分配；最后，将热管理系统模型与MPC控制模型进行联合仿真，在中国轻型汽车测试循环-乘用车工况中对比分析了MPC与PID控制策略对电池和乘员舱温度动态响应的调控效果。研究结果表明：环境温度为35℃时，相较于PID控制，MPC策略能将乘员舱温度的超调量降低0.9℃,且在环境温度为40、 45℃时均未出现超调现象；与PID控制相比，当环境温度为35、 40、 45℃时，一个循环工况下采用MPC策略的压缩机平均温降能耗分别降低了7.2%、 2.4%和3.5%,整体能效表现优于PID控制。该研究为实现整车热管理提供了可靠的控制方法，对新能源汽车优化研究具有较好的参考价值。

关键词

新能源汽车 / 控制策略 / 神经网络 / 热管理

基金资助

国家自然科学基金资助项目(52378094); 洛阳市科技发展计划资助项目(2302035A)