基于DCT的并联混动汽车动力系统多参数优化研究

插电式混合动力汽车动力系统参数匹配会极大的影响车辆动力性与经济性，本文对一款搭载双离合自动变速器的并联式插电混合动力汽车进行了参数匹配，搭建了整车模型，并对整车的动力性及经济性进行了验证。针对混合动力汽车传动系统参数对经济性和排放性的影响，首先将双离合自动变速器传动比作为优化对象，设置相应的动力性约束，采用遗传算法通过Isight、Cruise和Matlab三软件联合优化，降低了油耗和排放，进一步的，对换挡规律也进行优化，最终将燃油消耗量降低6.54%，优化效果明显。

插电式混合动力汽车通过多种动力源的组合，可以在不降低车辆动力性能的前提下降低油耗和减少排放。多能源动力系统的高效运行首先依赖于混合动力系统的合理匹配，而对匹配参数进一步优化也是提高整车性能的关键。

参数优化时，采用不同优化算法的优化效果和时间也有所不同。Li，Liang 等针对插电式混合动力客车动力系统和控制参数同时优化的经济性和动力性平衡问题，提出了一种新的混合遗传算法提出了一种将增强遗传算法(EGA)与模拟退火算法(SA)相结合的混合遗传算法(HGA)。

定义解的相对误差距离来表示标准遗传算法(SGA)、EGA 和HGA 的性能。在两个行驶循环中进行优化仿真结果表明，该算法具有较好的收敛速度和全局搜索能力[1]。Chen Yong 等针对并联式混合动力汽车动力系统的发展，提出了参数匹配与优化方法[2]。根据插电式混合动力汽车的性能，确定了发动机、电机、传动系传动比和电池参数的优化范围，提出了基于分析目标级联(ATC)的两级优化问题。在系统层面，对整车燃油经济性进行优化， 此时动力性为约束条件。优化后的参数级联到子系统作为优化目标，在子系统层面，最终的驱动和传动设计进行了优化，结果表明：燃油经济性有所提高，动力性能保持在原有水平。V. T. Long 等采用蜜蜂算法(BA)对并联式混合动力汽车的关键部件尺寸和控制策略进行了优化。在满足约束条件下，根据BA 调整关键部件尺寸和控制策略参数，使燃油消耗和排放的加权总和最小。结果表明， BA 优化后可在不牺牲车辆性能的情况下降低油耗和排放。此外，BA 能够定义具有高收敛速度的全局解[3]。

周云山等找出5 个对经济性和排放性影响最大的参数，建立多目标优化模型，优化得到Pareto 最优解集，结果表明，优化后百公里油耗降低25.3%，CO 与HC 排放分别降低35.5%，13.7% [4]。高建平等针对优化速度较慢问题，建立了响应面近似模型作为优化时的替代模型，使用多岛遗传算法(MIGA)和序列二次规划算法(NLPQL)组合算法进行优化。结果表明：在维持动力性指标前提下，百公里油耗降低了7.20%，优化速度相比之前提高30 倍[5]。屈俊凯等针对一种新型的行星混联式动力系统中的各组成部件进行了参数匹配与优化，优化结果表明，在车辆动力性变化不大的情况下，经济性提高了19.3% [6]。余佳衡等针对BA 与GA 等算法优化周期长、寻优能力弱等缺陷，将包含精英策略的遗传算法和模拟退火算法相结合对动力系统部件参数进行优化， 使节油率高达16.6%， 且发动机工作点更多分布在高效区[7]。

潘龙帅等针对标准循环工况下制定的能量管理策略不能达到经济性较优的问题，采集了真实工况块并构