开题报告书瞬时优化能量管理策略

1、毕业设i1（论文）开题报告（适用于工科类、理科类专业）瞬时优化能量管理策略课题名称参数优化设廿副标題学院（系）汽车学院专 业车辆工程（汽车）学生XX 学号2013 年3 月_日、毕业设廿(论文)课题背景(含文献综述)1.1课題研究的意义融合了纯电动汽车和混合动力汽车优点的增程式电动汽车(EREV, Extended Range Electric Vehicle )是在目前最具应用前景的低排加、低能耗汽车之一。增程 衣电动汽车的基础是纯电动汽车，增程器(Range Extender, RE)是能够发电且给车 裁动力蓄电池充电的稱助能最装置。肖动力电池电量充足时,汽车以纯电动模式 行般;当纯电动汽

2、车的动力电池电量不足时，增程器开始工作，给动力电也充电 或直接驱动电机，从而大幅提高电动汽车续驳里程。目前关干增程式电动汽车能量管理策略的研究是该领域的核心和关律所在。 整车能量管理策略不仅与整车的总油经济性和动力性能密切相关，而且对整车动 力系统部件性能的发挥都有着重要的影响。目前国内外对于增程式电动汽车能量 管理策略的研究较少，控初策路还不成熟，利用智能算法对已有控制策略»fftt 化，便优化后的车辆表现岀更好的经济性和排故性能，是当前研究控胃策峪的热 点之-。1.2 S 14电池增程式电动汽车动力系貌结构轮毅电机辅助用电器整车控制器iJ 丿(酋电池严制器：)机械连接轮毂电机增程

3、式电动汽车的结构如图1.1示。增程式电动汽车主要由电力驱动子系 统、主能源子系统、舖助子系统和増程器单元皿个部分组成，前三个部分与纯 电动汽车相同。电机 控制 器轮釵电机图1 igfU电动汽车动力系统结构图1.3增程式电动汽车能量管理策略増程式电动汽车能量管理策略(Energy Control Strategy)在实质上是实现双能 量源之風能量流的协调和分配，使倡整车的燃油经济性和排故等达到最优。1.3.1 程器独立于原车电源增程器只负责驱动电机，而不给和力蓄电池侠电。这种能量策略算法简单，易 实现，鲁棒性好，减少了能量从增程器到原车动力蓄电池的传递硕失。该控制策路 适合干选用蓄电池作为增程器

4、的悄况。对于便用热机或燃料电池增程器。孩控斟 策略不能保证増程器和原车电源得到最ftKH.难以获得整车系统效率最优。1.3.2増程器与原车电源耦合这种悄况下能量控制策路主要有以下几种形式：a. fi器模式。增程器启动后,在设定的工作点(如最低油耗或排故点)按恒 定功率输出，一部分功率用于驱动电机，另一部分功率为蓄电池充电。当蓄电池 组SOC±升到所设定SOC上限值时，RE再次关冈或怠速运行。该腔制策略的优 自是塔程器可以工作在低排朋或低油耗区域，缺点是蓄电池朋电电流波动较大, 目经常处干深度笊电循坏状态，对蓄电池使用寿金不利。b. 功率眼廠模式。该控斟策略下，RE的启停不(2与蓄电池

5、SOC有关，同时 参考车轮功率需求以及RE肖前工作状态。当车轮需求功率高或蓄电1S0C值偏 (KM, RE会开启。仅当蓄电也SOC高于预设上陨阀值，RE关冈。同时设定一些 状态保持区。该区域内，RE前一时刻开启，则保持开启；前一时刻关BI,駅保持 关冈。RE 一旦工作，綸出功率I®车轮负裁功率变化。该腔制策略的优点是将与 电池充放电有关的蓄电池组损失降低，但是RE可能頫繁启停。低负我区的排放 性能和效率受到影响。c. fiifl器+功率跟随模式。该控抽策略是枷两种策略結合起来使用。RE和 蓄电iftfil作在相对高效区域。兼BIRE排放和蓄电也寿命冋题。即当车辆行驶 需求功率大时，釆

6、用功率跟册控制策略，避免蓄电池大电流朋电；当车辆行坡需 求功率小时，根据当时的SOC状态，关PARE,提高系筑效率，改善St filod. 优化算法控制策峪。上if腔制策略简单易实现、鲁棒性好，但是无法使系统 整依加料经济性或排放最隹。因此提出基干优化算法的等效加料消耗控制策路。 该控制策略將蓄电池充、放电il程消耗的电能折算J® RE所消耗或存储的能量. 与RE实际燃油消耗组成系统总的滋油消耗模型。廿算此模塑最小值，选取此最 小值所对应的点作为当前RE的工作点。使用该控制策略可以得到更好的系统滋 油经济性但在实际使用中等效滋料消耗量难以准确估算。e. 智能控胃策略。运用典型智能控制

7、方法。如模«®ffi控制、神经网络控翎、 遗传算法控制等。將负裁所需功率流在动力蓄电池和RE之同进行B配。例如运 用模控制对电asoc.车速.re ft率等参数进行模wifta理,同时利用 神经网络的学习能力对隶凤函数和控制规m»fi优化调整，将功率分配因子作为 控制器的输岀。对于增程式电动汽车，目前恒温器能量管理策略(Thermostat Energy Management Strategy, TH)的应用最为普遍。文献【14】将恒温器策略应用于内滋 HI增程式电动汽车，并采用经典遗传算法对恒温器策略中的内滋机工作扭拒上下 限和蓄电池工作区SOC上下限呱个控制参

8、数进行了优化。文献15采用恒温 器能量管理策略控制内滋机增程器的功率输出，增程器始终以恒定功率输出，用 干对蓄电池充电或者直接地动电机。文献【40】提出三种不同类型的改良恒温器 策略，用于控制内燃机增程器的功率输出点，HI增程器工作在某一较高功率输岀 自上，在选定的三个工作点之间转换以及按照设定的工作点曲线上工作。文献 41建立了贈程式电动汽车的整车模型,果用恒温器策略利用AVL Cruise和 Matlab/Simulink工具进行了联合防真。1.4生物启发贰it算方法及研究现状由于混合动力汽车的运行模式较为复杂,控制策略还不成熟，利用智能算法 对已有控制策K»fi优化，使优化后的

9、车Ifi表现出更好的经济性和排笊性能，是 当前研究控制策略的热点之_。大自然给人1以许多启迪，人1从生物界的各种自然现象或过程中获得灵 感，提岀了许名用以解决夏杂优化间题的新方法，这些方法因其高效的优化性能, 对问體依顿性较小等有自，收到各领域的广泛关注和应用。人们将逆种启发应用 干生物行为的计算方法称之为生物启发式计算。在最近较为成功的生物启发式it算方法有遗传算法、人工神经网络、模糊系 统等。近年来，人们通过对社会塑生物辞体行为的模#1提岀了一类新塑的生物启发 式it算方法一IS休智能算法。辞体智能用辞体优势，在没有集中控制，不提侠 全局模里的前提下，为寻找夏杂冋題解决方案提侠了新的思路。

10、II体智能领域具 有代表性的两种算法为：启发于鸭蚁寻径的蚂蚁算法，鸟类觅食行为的 PSO(Particle Swarm Optimization)算法。也子IS算法、遗传算法、进化算法等已被证明适合应用于混合动力控抽参数 的优化。PSO粒子群算法与遗传算法相比具有更高的搜索效率，且算法简单、易 干实现。1.4.1遗传算法遗传算法由美国Michigan大学的J. Holland教授T 1975年提岀的，其思想来 «TiS尔文的自然SS化论和孟您尔摩根的H体遗传说。遗传算法是一种IS机优化算法，但它不是简单的価机比较搜索，它是通过对 染色体的评价和对染色体中的基因作用，有效利用已有的信息

11、来摘导下一代的染 色体向更优秀状态的进化。遗传算法求解冋題时，将问题的求解过程视为染色体 适者生存的过程，通il染色It一代一代的不斷进化(包括选择、交叉、变异等操 作)实观对坏境的适应，保留优良个体，潸汰劣质个休，最终收敛到"最适应坏 境"的个tt,U而找到冋題的最优解或满恵解。其主要特点是直接对给枸对象进 行操作，不存在求导和函数连续性的限定;具有内在的鞠并行性和更好的全局寻优 能力;采用m率化的寻优方法,能自动获取和指导优化的搜索空同，自适应地i0整 搜索方向，不需要晞定的规！M。遗传算法的这些性质，已被人们广泛地应用于组合 优化、机器学习、信号处理、自适应控制和人工

12、生金等领域。蹶着混合动力汽车 研究的深入，遗传算法也被引入了混合动力汽车的设廿中来吧Piccolo等率先将遗传算法应用于混合动力汽车能量管理策略的参数优化吧 同期美国国家可再生能源实验室(NREL)的Wipke等也进行了应用包枯遗传算法在 内的不同优化方法对混合动力汽车的能量管理策略参数进行优化的研究汽给果 表明，遗传算法比较适合混合动力汽车能量管理策略的参数优化，并取得了 一些初 步成果。胡晓琳将遗传算法与传统梆度算法SQP相结合，发挥遗传算法的全局搜索能 力和梯度算法收敛快的优势，开发了两种視合算法GA.SQP.I和GA.SQP.il'221,«真计 算的结果表明该方法显

13、普提高了原车的加料经济性。但文中其采用的基于 ADVISOR仿真軟件平台的优化过程相当冗长，目混合算法程序代码并未进行优 ItoS.M.TaghiBathaee1231等人基于遗传算法研究燃料电池汽车的助率分配的优化 方法,给果表明基于GA的控制比传竦的逆辑门限控制提高9.7%的经济性,并且便 加料电池和蓄电池工作曲线更平坦，即工作区同在很小的X围内变化，但这种基于 GA的控制只能在在离线仿真上实现，并不能应用于实时控制。徐即绚从加料电池增程式电动汽车动力系筑结构出发，基于ADVISOR平台 建立了整车仿真模里，并甘对恒温器能量管理策略控射参数只能凭经验确定的不 足，在特定工况下，以满电满气狀

14、态下的续驶里程最长为优化目标，以策略控斟 参数加料电池输出功率、蓄电池SOC上下限值为优化变量，利用自适应遗传算 法对其进行了优化。分别研究了上述三个优化变量对整车燃油经济性的影晌以及 不同初始蓄电池SOC状态下所得到的优化結果变化，并对其原因进行了分林说 明。(S遗传算法也存在着一些不足之处，如早熟、廿算量夫和被优化对象参数强 关联等。1.4.2 U智能优化算法M 20世纪90年代初,就产生了模81自然生物辞体(swarm) fi为的优化 技术。1991年M. Dorigo等从生物进化的Hl理中受到启发，通过模jfl蚂蚁的寻径 行为,提出了蚁辞优化方法;1995年R. C. Eberhart

15、和J. Kennedy在Reynolds和 F. Heppner鸟8?聚集模塑基础上提岀的了粒子辞优化算法。这些研究可以称为辭 休智能(swarmintelligence)。通常单个自然生物并不是智能的，但是整个生物辭 体朋表现出处理夏杂问題的能力，祥体智能就是迪些0!体行为在人工智能问趣 中的应用。1.4.2.1蚂蚁算法蚂以是一类社会性很强的生物，它们辞体生活、共同觅食。在觅食过程中每 只蚂蚁单独行动，蚂以之同通过信息素的释放来对觅食的軌迷进行"记忆"，一旦 某一条珈迷发现了食物，影么其它蚂驭就会向逆条道路进行聚集，这条道路上 的信息素的量就会增名。如果在觅食的il程中刚

16、蚁发现不同路径的距离有远、 近的区别，则蚂蚁就会选择最近的路径进行觅鼠并把3-ti况通11路径上信息素 量的大小通知给其它蚂蚁。受到蚂蚁觅食现象的启发,Colomi、Dorig o等T 1991 年首次提出了蚁算法，并用这一算法解决了一系列组合优化问题。吴静波、X承御等人建立了履带式混合动力汽车串朕式动力系统模塑，并 针对车辆结构形式，在逆辑门限值控斟的基础上提岀一种前向功率控斟的控制策 略,it对控制策略参数优化中存在的冋題，提岀一种遗传蚁辟算法的控制策略参 数优化的新方法。基于优化设it的思想,以最小燃油消耗量为目标函数，建立控 制参数优化问题的数学模型，然后结合遗传算法和驭辟算法各自的优

17、虎提岀遗 传以群优化算法,并对控翎策略参数优化foait数值求解。结果表明,优化后 车辆燃油消ft» 14.9%,说明该方法可以找到一组全局最优的参数，大大缩短控制 参数的实车标定时间。尹安东、赵韩)等人以并朕式混合动力客车(PHEB)为研究对象，设itTtt整 车需求转拒与发动机最佳转拒之差以及趙级电容荷电状态为输入，以发动机转 矩为输岀的模刪腔制器，并应用遗传一蚁辟算法对其进行隶憾度函数和控翎现则 优化。基干MATLAB/Advisor建立PHEB模19控制策略模里和整车模型,并对优化 前后的实例PHEB性能进IlTifi真分折。研究结果表明，优化后的模刪腔制策略 能昭满足设廿要

18、求，且等效燃料消耗量比优化前降KT10.2%o1.4.2.2 粒子群优化算法(Particle Swarm Optimization, PSO )也子IS优化算法是一种有效的全局寻优算法，它的产生来源于简化的社会模 里模#1。它是在鸟群、鱼群和人类社会的行为规律的启发下提出的。粒子辟算法中，每一个优化冋題的解看做是捜累空同中的一只鸟，即"粒 子"。首先生成初始种然后通过选代找到最优解。在每一次迭代过程中，粒 子将限踪两个"險值"来更新自己，一个是粒子本身找到的最优解，另一个是整 个种群目前找到的最优解,这个根值即全局最优解。粒子IS优化算法具有进化计算和

19、IS依智能的特点，是基于耕体智能理论的优 化算法，通过辞体中粒子间的合作与竞争产生的辟体智能荷导优化搜索。与传统 的进化算法相比，粒子II算法尿留了基干种辟的全局搜索策略，但是其采用的 "速度-位移"模型操作简单，避免了夏杂的遗传操作，它特有的记忆使其可以 动态限踪当前的搜索悄况说1整搜索策略。由于毎代种群中的解具有"自我"学习 提高和向"他人"学习的双重优点,从而能在较少的选代次数内找到最优解。粒 子II由干其算法简单、易于实现、设置参数少、无需悌度信息等特自，其在连续 非线性优化冋题和组合优化问题中都表现岀良好的效果。作为新兴林智

20、能算 法，自从提出之后，在短期内迅速得到了国际演化计算研究领域的认可，并且由 干其在解决夏杂的组合优化类问题方面所貝有的优越性能，因而被广泛地应用于 工程设it与优化领域。林潇、X君i,12,U混合动力汽车能量管理策路优化为目的，建立了丰田 PriusPlug-in混合动力汽车的MATLAB/Simulink数学模型,用数学公式描述了系 筑优化控制问體，并采用粒子群优化算法对该包含众多约束条件的非线性优化问 SiSfiT求辭，得到每f时间片上的发动机最优工作点，并利用PSAT专业软件 对比分析了基本里优化控制算法、改进型优化腔樹算法和规则控抽算法等的控制 效果及滋油经济性。结果表明，经过粒子辞

21、优化后的PlugTn混合动力汽车在不 牺牲汽车各隕性能的前提下能提高动力系筑工作效率。X松、吴光强冏等人在开发的PHEV能量管理策略基础上，建立整车仿真模 里。他们采用了一种非线性动态自适应愦性因子，使其廠粒子的目标值动态变化, 对基本粒子IS算法为克服单一优化算法的国有缺陷,稱改进粒子群算 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。优化给果表明，该算法能有效跳岀局部最优，其寻优能力明显高于 基本粒子H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减少 近 30% o吴剑、X承软271等人针对一种并联式混合动力轿车，以混合驱动系统需求转拒

22、 和电池组荷电状态(SOC)为输入，以发动机转矩为输出，枸建了能量管理模糊控制 器，并以总的等效滋油消耗为优化目标，利用粒子辟算法对模糊隶屈度函数参数 和模刪控制规则进行优化。基T ADVISOR的仿真研究表明,与未优化的模需能 量管理策略相比，经过优化的模刪能量管理策略能附更有效地降低混合动力汽车 的燃油消耗，更好地控胃电泡组SOC的变化.谢长君、全书海画在基于粒子群优化模栅控制器的电动汽车再生胃动控對 策路研究一文中，为提高电动汽车一次续驭里程，引人双锂离子电池级供电模 式和电HI再生制动能量回收系貌，设it电动汽车的动力系统箱构。通过湘电动汽 车制动模式进行分析，提出了基于粒子群优化算法

23、的电机對动力矩模WI控制策«i 并给出粒子辞优化策略的算法实现，根据系统反债信息粒子辭优化技术动态调节 量化因子和比例因子，以获得最佳控制效果，并增强其鲁棒性和稳定性。通il硬 件在坏仿真，证实了该控制策峪能提高能量利用率。邓元望、陈可亮岡提岀了基干模#1退火粒子辟算法的混合动力车参数优化， 分别采用多层次参数甘描算法(MLPS)和SAPSO模抄退火粒子群算法湘并朕式 混合动力逆辑门限控制策略的控制参数进行优化，以这到提高煬油经济性和降低 排放的目的,并观察电池SOC的变化悄况。将优化后的车U TESTCITY-HWY 測试循坏进行仿真,并将箱果与优化前的车辆的仿真结果进行对比。结果

24、表明, 经MLPS算法优化后，燃油消耗和HC与NO?排故分别下降了 11.98%. 6.01%和 4.03%,但CO排放增加了 25.18%；经SAPSO算法优化后，燃油消耗和HC、C0与 N0o排故分别下降了 13.61%、9.57%、27.78%和18.53%,且电也荷电状态(SOC) 比MLPS优化略高。说明SAPSO算法在混合动力车控JM参数优化效果上明显优 于MLPS算法。1.5基干损失功率最小的瞬时优化能量管理策即1)瞬时优化能量管理策略是针对滋料电池增程式电动汽车特殊的动力系貌而 设廿的，它以瞬时助率损失最小算法为基础,进行离线计算以获得所需能量管理 控制规则，然后呆用BP神经网

25、络对能量管理控制規Mjjffffl合。经仿真试验发现原始的瞬时优化能量管理策略容易陷人局部最优辭，因此引 人滋料电池功率增益系数K,使得策略的控斟给果更加趋近全局最优解。加料电池功率增益系数是与氢气消耗量有关的幕函数pdi燃料电池与蓄电池一起应电时的最小功率Padj系数调节助率（卩讷 > 卩恥）”2max氢气最大怫量“2con氢气消耗量SO"SOCp5S0Craige为了解决解决燃料电泡功率增益系数带来的蓄电iftilS问，题使用限制部分 加料电池输出功率的方法。为了解决电量击穿"现象，并且在未发生"电量击 穿”现象时获僖更优的续驶里程,作者2定义了 IKS

26、OCg料电池增益系数G：PadjSOC)rdisPadj_SOC-低SOC燃料电池增益系数的调节功率（Padj_SOC > Pdis ）W"蓄电池SOC上限S0Cpresent蓄电池SOC现值S°fe蓄电itti SOC的幅值（SOC上、下眼之同的差值）。双加料电池功率增益系数K与G及其切换条件的确定与车辆的行般工况密 切相关，目前它们的调整功率值是根据经验选取的,具有比较大的主观性，并没 有对其进行深人研究及优化设计，无法获得全局最优值。基于最小損失助率的瞬时优化能量管理規則在廿算时涉及的整车状态参数 砸着实际的行製实时得变化，对干功率增益因子K号G的优化廿算涉及大

27、量复 杂的非Sttit算，是师时间和工况不断改变的动态优化冋題，於需要搜索算法能 够根据改变的坏境进行动态的非线性搜索。粒子群算法是一种基于辟体智能的新 里演化廿算技术，不过名依顿于求解冋題的信息，它不要求目标函数连续或者可 愉分，能够在夏杂空间中实施有效的非线性搜索，因此它适用于增程式电动汽车 的参数优化rOo pso需要调整的参数少，给构简单,逆有利于引人功率增益因 子的控JI策18在工程上的实现。因此,本论文利用粒子祥算法对瞬时优化参数 进行优化设it,以目标续般里程作为优化的目标函数，优化控制器的功率贈益因 子,JJ、而得到最优的整车燃油经济性。二、毕业设廿（论文）方案介绍（主要内容）

28、2.1学习掌握"滋料电池增程式电动汽车瞬时能量管理策BT控制思想及方法2.2 了解生物启发式算的各种方法以及他们的研究现状和优缺点2.3 »究粒子群优化计算方法的原理以及实现方法2.4用MATLAB编写功率增益因子粒子屛算法优化程序2.5粒子SI算法与ADVISOR增程衣滋料电池电动汽车整车模里联合仿真2.6仿真结果分析三、毕业设廿(论文)的主要参考文献1 胡瑾瑜，来珂,章桐.基于神经网络的増程式电动汽车能量管理策Hf研究J. XX大学学报:自然科学版，2011 , 29(6):829-8322 李丽，牛奔.粒子辟优化算法M,：冶金工业.20093 杨淑莹，X桦.群体智能与

29、仿生廿算一atlab技术实现M,电子工业， 20124 郭文忠，陈国龙.离散粒子辞优化算法及其应用M,清华大学,20125 吴韶建，関元芳增程武电动汽车的曲念与设it方案机棟工程与自动化， 2010 (5 ), 209-2136 纪震.粒子滞算法及应用M,：科学,20097 李颖.Simulink动杏系嫌建模习仿真(第二版)M, XX： XX电子科技大学, 20098 Wagener A, Korner C, Seger P. Cost function based adaptive energy management in hybrid drivetrainsC. Proceedings o

30、f the 18th International Electric Vehicle Symposium, 20019 Xtfj力，X平平，越韩，田芳，徐小东，昊迪基于离散动态规则的PHEV®油经济性全局最优控制J.汽车工程,2010,32 (11 ), 923-92710 Salman, Mutasim, Maneng Chang and Jyh. Shin Chen. Predictive energy management strategies for hybrid vehiclesC. 2005, Chicago. IL United states: 21-2511 林潇，X君

31、浊基于粒子群算袪的Plug-in視合动力汽车能量管理策IS优化研 究J.XX 汽车，2011,5,12-1712 X松，吴光強，X松林，插电式混合动力汽车能量管理策H多目标优IUJJ.同济 大学学报,2011 ,Vol.16(7):1035-104413 乐文峰.遗传算袪在混合动力汽车能量管理策BSfiEM优化中的应用D.XX： 同济大学,2007【14周苏，牛址高，陈岡祥等增程式电动汽车动力系筑设计与仿真研究(j.n车 工程,2011,33(11)： 924-929.15 Ke SONG, Jing ZHANG, Tong ZHANG. Design and Development of a

32、 Pluggable PEMFC Extended Range Electric VehicleC.Mechanic Automation and Control Engineering (MACE), 2011 Second International Conference, 2011.1144-114716 Gelman D J, Per rot T L. Advanced heat engines for range extender hybridvehiclesJ. SAE Technical Paper, 1993, 93004117 Tate E D, Harpster M 0,

33、Savagian P J.The Electrification of the Automobile: From Conventional Hybrid, to Plug-in Hybrids, to Extended-Range Electric VehiclesJ. SAE Technical Paper, 2008, 2008-01-045818 Antonio Piccolo, Luciolppolito, V'mcenzoGali, AlffedoVaccaro. Optimismion of energy Flow Management in Hybrid Electric

34、Vehicles via GeneticAlgorithms. 2001, IEEE/ASME International Conference on Advanced Intelligent Mechatronics Proceedings19 Wipke K, Markel T, Nelson D. Optimizing Control Strategy and Degree of Hybddization for a Hydrogen Fuel Cell SUV, The 18th International Electric Vehicle Symposium, 200120 浦金欢,

35、股承良，X建武.遺传算法在混合动力汽车控制策略优化中的应用J. 中国机械工程，2005, Vol.16(7):648-65121 ffl VI林演化计算在混合驱动系筑优化中的应用,XX理工大学硕士学E论 文,200422 S.M.MeMiAnsarey, M.MohsenMohammadian and S.M.TaghiBathaee, Power Flow Distribution For Hybrid Fuel Cell Vehicle Via Genetic Algorithm Method,SAE, 200423 Bufu Huang, Xi Shi, YangshengXu. Par

36、ameter Optimization of Power Control Strategy for Sedes Hybrid Electric Vehicle, 2006 IEEE Congresson Evolutionary putation24 Hasanzadeh,B.Asaei,A.Emadi. Optimum Design of Series Hybrid Electric Buses by Genetic Algorithm, IEEE ISIE 200525 徐群群.魅料电池增程式电动汽车瞬时优化能量管理策略研究D, XX： XX 同济大学,201326 吴剑，X承慧，X细新.

37、基于粒子群优化的并朕式混合动力汽车模糊能量管 理策略研究J控翎与决策，2008, Vol.23(1):46-5027 谢长君，全书海,姚拎.基于粒子辭优化模控胃器的电动汽车再生齣动控 制策略研究J. XX Sit 学学报，2008, Vol.23 ,669-67228 邓元望，陈可亮,邙加强.基于模折退火粒子辟算法的混合动力车参数优化 J.汽车工程，2012, Vol.34(7), 580-58429 周美兰，X宇，杨子发，康嫦.带压缩因子粒子辞优化的視合动力汽车模糊 能量管理策KJ.电机与控制学报，2011, Vol.15(11), 67-7230 吴静波，X承宁，邹淵，李军求.基于遗传蚁I

38、I算法的履带式混合动力车辆 控制参数优化J.车用发动机,2009, (3), 44-4831 尹安东，赵寒,XJT基于遗传-煎辭算法的PHEB控超参数优化J.中国机 械工程，2011, Vol.22(14), 1755-175932 Hi J君，强文义胡林St基于改进粒子8?算法的PID参数优化与仿真J.控 制工程，2006, Vol.13(5), 429-43233 Nuesch. T, Ott. T, Ebbesen. S, Guzzella. L. Cost and Fuel-Optimal Selection of HEV Topologies using Particle Swarm Optimization and Dynamic Programming J, American Control Conference, 2012,1302-130734 Hegazy. 0, Van Mierlo, J. Optimal power management and powertrain ponents sizing of fuel cell/battery hybrid electric vehicles based on particle swarm optimisati