汽车机械类外文翻译在混合动力车上系统选择动力传动系统结构和部件尺寸的方法.docx
《汽车机械类外文翻译在混合动力车上系统选择动力传动系统结构和部件尺寸的方法.docx》由会员分享,可在线阅读,更多相关《汽车机械类外文翻译在混合动力车上系统选择动力传动系统结构和部件尺寸的方法.docx(27页珍藏版)》请在冰豆网上搜索。
汽车机械类外文翻译在混合动力车上系统选择动力传动系统结构和部件尺寸的方法
在混合动力车上系统选择动力传动系统结构和部件尺寸的方法
JonasHellgren和BengtJacobson
机械和车辆设计,Chalmers科技大学
版权2000汽车工程协会
摘要
节约能源和制造较少污染性能的汽车,变成越来越紧急的主题。
一个原因就是世界上对快速的运输要求正在增加,全球变暖的危险是一个事实。
混合动力汽车(HV:
s)被提出作为环境友好的候选者超过传统的车辆。
时下,有各种各样的不同类型的混合车和成分集合体,理论上,用无限多的方法限制在规定的尺寸。
没有的简单答案如何做到在一个混合车辆上选择动力传动系统结构而且按规定尺寸安排各组成部分。
这篇文章描述一个方法,动力传动系统综合(DS),有系统地呈现了如何根据具体的要求和条件选择一个适当的动力传动系统。
具体示例:
要求是驱动循环和在自由行驶区,条件是考虑燃料价格,污染交税和贴现率。
最适当的动力传动系统被定义为最具有花费效果的。
总成本被定义为以下的总和:
组成物的成本,燃料成本,外部能源的成本和污染的成本。
遗传基因运算法则被当做一最佳化方法
二个主要类型的动力传动系统在同一情况下比较研究,一个具有柴油机和自动传动系统的传统公共汽车和一个具有不同类型的初级动力源(柴油机或者燃料电池)和储能装置(超级电容或NiMH电池)的串联混合动力公共汽车。
DS提供合理的答案但是需要更进一步确认和发展。
得出的结论是最适当的动力传动系统结构非常依赖要求,条件和当前的技术,也就是HV:
s只是在特别的环境下比传统的较好的车辆。
关键字:
混合的动力传动系统,可供选择的动力传动系统,动力传动系统,动力传动系统结构,混合动力汽车,驱动系统,混合动力电动汽车,组成物,结构,涂上胶水,遗传基因的运算法则,最佳化,模拟。
介绍
为什么使用混合动力汽车
混合动力汽车(HV:
s)有减少燃料消耗和发散的潜能,由于全球变暖和地方污染的影响,这已经是紧急的议题。
气候研究结果被呈现在[1],指出CO2的排放主要来源是车辆运输。
混合动力的潜能是下列事实的结果:
.刹车能量的回收是可能的。
引擎在一最佳的点工作是可能的。
.自由行驶区域能被引进。
.运用电能成为可能(停顿时可以充电)。
混合的驱动系统的一个主要的缺点是花费巨大,如果可以采用的先进技术被采用的话。
不同类型的混合动力汽车
分类混合动力汽车最通常的方法是采用串联和并联混合动力汽车的定义。
在串联混合动力汽车中,来自主动力源(PPU)的所有能量在到达车轮之前都被转化成另外一种形式的能量。
在并联的结构中,引擎扭矩的一部份直接作用在车轮上。
但是这一命名法不总是容易采用因为一些动力传动系统结构既不是清楚的串联也不是并联。
在HV中能量能被几种方式转换和储存:
机械的,水力的,电力的,空气的等等。
大部分测试和有前途的方法是电力,如此的混合动力汽车叫做混合动力电动汽车。
不同的动力传动结构被进一步描述在[2]。
方法的目标
许多模拟工具被采用去深入研究现有的动力传动系统结构。
动力传动系统综合方法的目的是根据要求,条件和现有的技术,去自动地去选用最具有花费效果的个体(有限定好控制策略的动力传动系统)。
这将会使在采用有利的混合的驱动系统条件下的监测成为可能的.具体例子是要求是驱动循环和在自由行驶区,条件是考虑燃料价格,污染交税和贴现率。
图1.要求和条件变换到推荐的个体
DS的另一个目的是支持汽车设计者,举例来说就是为发动机提供一个合适的尺寸或者决定在不同的条件下该如何控制引擎(不是很明显如果HEV被考虑).相似研究被呈现在[3]-[8].DS是比较接近自然的,也就是结果不是限定好的该如何设计一辆汽车,而是更多一个指引方针。
在这篇文章被提到的案例研究中,下列各项动力传动系统结构的类型将会被比较:
一传统的由柴油机和自动变速机构的公共汽车和一串联的HEV。
串联的HEV也有或者柴油机或者燃料电池作为PPU,或者超级电容或者NiMH电池作为储能装置。
DS能够延伸到包括其他混合类型和较多的组成物变化。
选择驱动系统所用方法的描述
研究的目的是用一种公平的方法比较不同的动力传动系统结构。
一些可能组成部件(比如PPU)的尺寸需要去评估。
还有不同的控制策略需要被评估。
这尤其给出了很多组成去比较。
一简单的快速的评估就变的很需要了。
图2描述了DS通常是如何工作的。
一个动力传动系统被具体的动力传动系统结构所限定,举例来说就是具有柴油机和超级电容的串联HEV和它的重要的组成物的尺寸。
一种动力传动系统定义的例子是串联的HEV,被一个200公斤重的柴油机和一个2000公斤重的超级电容所驱动。
对于每一种类型的动力传动系统结构,不同类型的个体,通过改变其组成部分的尺寸和采用不同的控制策略而自动的被生成和评估。
最后,有确定动力传动系统结构和控制策略的个体被呈现。
图2.DS通常情况下如何工作的,评估在很大程度上采用动态模拟和成本计算,成本重量在成本计算中被描述。
最佳化方法
遗传基因运算法则作为最佳化方法被选择,米契尔[9]更进一步描述遗传基因的运算法则。
选择遗传基因的运算法则的理由是:
.因为汽车性能和成本之间没有直接关系,组要一个没有等级限制的方法。
.如果一些动力传动系统结构较好,它应该早就被发现。
.优秀的个体被储存和再使用,也就是说在不同的环境下有竞争力。
.遗传基因运算法则和并联(超级)计算机适合的很好,它在较多的动力传动系统时可能被应用。
这个方法的主要缺点是很难知道最优的方法是否真正被找到,但是我们应该从思想上认识到这样的最优化化方法是决定性的,由于很多因数被评估。
通常来说,遗传基因运算法则是以进化论为基础的:
适者生存,繁荣。
图3描述了在多数情况下的最优化方法。
应用这种方法,一个汽车被动力传动系统和控制策略所限定。
图18展示了最优化方法是如何发展的。
下列的属性被考虑在内:
结构类型,PPU的质量,存储器的质量,放电状态(SOC)的变化,策略类型。
对于一辆传统的汽车,只有PPU的质量是相关的。
图3:
大范围内遗传基因运算法则的工作原理
评估
成本计算
为了评估一个个体,下列目标功能需要考虑:
其中:
comp组成部件成本fuel燃料成本
exl外部能量成本pollution污染成本
Wc,Wf,We和Wp上述成本比重
n负荷数目,每一个负荷是驱动循环的一部分
ri负荷的反应,车辆控制的负荷取1,不能控制取0.1
具有最低成本的个体是最合适的。
当计算组成部件成本时,资本价格,充电的影响和磨损(如果有存储器)也要考虑在内。
通过定义Wc,Wf,We和Wp来改变利润成本。
一般Wc,Wf,We和Wp被设定为1,也就是说总成本被考虑在内。
成本的计算被进一步描述在Appendix4。
负载模拟
评估的基础是动态模拟。
原则是在时间域内运行系统,动态模拟正常地使用一般的数字整合方法,适用于任何的工程学的问题,比如RungaKutta方法。
一特殊化方法在这一个工作中被发展:
负载模拟。
驱动循环被划分为多个负载,负载举例来说1秒内从0到80km/h的一个加速度。
被提出的模拟方法把负载作为一个整体来考虑。
在正常的动态模拟方面,如此的过程将被划分为好多步,每一步0.1一1秒。
使用一个特殊的模拟方法是很可能得到计算时间,这对我们的目的是决定性的。
比较长时间步骤的使用也使控制策略的描述变成更简单。
如此先进的模拟方法的原则被显示在图4中。
图4.评估如何在大范围内被运行。
状态变化表示为x,负载为lc,反馈为r,信息info(比如燃料消耗)和最终价值最后被展现。
一个负载与下列的量一起定义:
恒定加速度,初速度,恒定坡路斜度和时间。
在一个负载中,力被假定为线性地变化。
这将会带来必须在载荷的始点和终点计算力的大小。
这在图7中被举例。
优点是非常快速的计算,大约快1000秒。
缺点是预测失去精度。
在模拟加速度案例中,在一个载荷作用下的行驶距离的误差趋近5%,而如果速度是常数的话,不会产生误差。
在载荷的起点和终点状态改变时也就是力的状态发生变化,误差就会发生。
需要注明的是误差取决于汽车质量(参照图5)也就是说不同的动力传动系统结构会被平等的对待。
图5也展现出载荷模拟对于较重的汽车来说更精确。
图6展现了在理论速度和实际速度之间的差别。
实际的速度是加在车底盘模型上的线性动力作用的结果
位移误差=100%*(实际位移-理论位移)/实际位移。
图表以车底盘模型为基础,稍后描
述,其中Cd*A=0.8m2(对于上面图表描述图5.不同速度和变速下由于汽车质量所引起的位移误差
较轻的汽车,比如轿车)和Cd*A=3.5(对于下面图表描述较重的汽车,比如公共汽车).初速度表示为v0,速度变化为deltav和持续时间deltat。
图6.由于加速度模拟中常力的假设所引起的速度误差,图表是虚构和夸大的。
图7.速度和加速度变换为来自车底盘的力。
图表是虚构的。
系统的动力性是考虑过的因为数据(举例来说SOC)在负载之间被转移。
在一个驱动循环中改变下列条件也是可能的:
额外负载(如乘客的数目),辅助系统的功率,零污染(关掉发动机)和暂时使用电力(停止充电)。
大体上,多数的控制策略在一具体的动力传动系统都能使用。
重要的是选择一个适当的,使动力传统系统的评估更为公平。
在DS中实现的控制策略是基于这样一个思想,每一个动力传动系统如何在PPU和储能器之间分配功率。
目标是找一个好的控制策略,因为找一个最佳的,对于所有的动力传动系统,是非常耗费时间的。
借由被Andersson发明的方法[10],它能被调查离一个最佳的策略有多远。
在选择动力传动系统之后,控制策略可能会更进一步发展。
汽车及驱动系统的模型
汽车的高水平视图
图8.车辆的一般模型。
图8表示了汽车的一个高水平视图。
动力传动系统模型和控制策略取决于动力传动系统结构(举例来说传统的车辆或串联的混合动力车辆).车底盘模型除了质量之外,与动力传动系统结构无关。
Qi是一
量值,或量,描述负载的起点和终点,也就是在每个负载中Qi被计算二次。
在传统的模拟模型,这些量(比如力,扭矩及[或]速度)在小幅时间内被计算。
量的缩写
(举例来说Pe=发动机功率)在表4中被描述.斜体字表示量在一个驱动循环(模拟)之中的改变。
假定
下列的假定已经被做单一化用于加速计算。
第三个适应个案研究。
.对于速度,一般对于机动车辆,动力在一个负载中线性地变化,也就是动力
由于空气阻力的变动被忽略。
.只有存储器的损耗被考虑。
比如PPU的损耗被忽略。
.汽车有行驶1000000公里的生命限制,对城市公共汽车是合理的。
.PPU和存储器的效率取决于功率,存储器假定于SOC和温度无关。
其他的效率
在一个驱动循环中是恒定的。
.对于所有的HEV动力传动系统结构PPU假定尽可能的工作在最佳点。
.PPU或存储器的比功率(千瓦/公斤)是常数,也就是说功率的最大值与重量成正比。
车底盘及环境的模型
图9.作用在车底盘的力
下列的等式,来源于[11],描述了在一个驱动循环中所求力该如何计算。
其中:
a[m/s2],v[m/s]加速度,速度
Cd*A[m2]空气阻力
fr滚动阻力系数
[m/m]坡路斜度
[kg/m2]空气密度
g[m/s2]重力常数
Paux[kW],Pdem[kW]定义在表[4]
PPU的模型
基本理论是通过改变质量缩放比例,使模型与技术无关。
与技术无关意味着像只对集成电路引擎有效的汽缸容量这样的特性不再有用。
下列的数据用来定义PPU模型,适用于传统的和串联的混合动力传动系统结构。
图10.特殊类型的PPU的燃料消耗和污染的渐变图。
图表是虚构的。
.比价格[欧元/公斤].
.燃料价格[欧元/公升],燃料的密度[公升/g]。
.反馈,PPU变更功率的速度[千瓦/(s*公斤)].
燃料消耗量fc,被计算为:
fc=fcoptimalline(specificpower)×eTransmission
其中:
fcoptimalline参照某一功率的最小燃料消耗量
存储器的模型
存储器模型的原则与PPU相同。
下列数据用来定义存储器模型:
图11.某一存储器的效率渐变图
.比能量[千焦/千克].
.公称的(推荐)比功率[千瓦/千克].这避免由于连续的工作存储器处于
非常高的比功率状态。
.比价格[欧元/公斤].
.损耗[欧元/千焦]。
在一传统的车辆上的传动模型
在一个传统的动力传动系统中齿轮箱与一个简单的补偿函数一起做模型,意味着发动机在一个指定的功率不能工作在最佳点。
图12的Transmission是齿轮箱中齿轮数目和驱动循环中速度变化的函数。
图12.补偿函数。
图表是虚构的。
一辆传统的车辆动力传动系统及控制策略的模型
图13.一辆传统车辆的物理动力传动系统模型。
图14.一传统的车辆的数学描述。
图14展示了图13中物理模型的数学描述。
功率为正表示如图中箭头所指方向,比如Pc+Paux大于0表示有功率流入底盘。
下列的等式把数学描述和物理模型联系起来:
ec=Transmission
每步的发动机功率由下式计算:
ec*发动机功率=底盘功率
在一个串联混合动力汽车中驱动系统和控制策略模型
图15展示了串联混合动力车的的最常见的动力传动系统结构。
发动机,传动机构,发电机和转换器可以被燃料电池所替代。
图15.串联混合动力车的物理传动系统模型。
虚线:
无机械的传动装置。
附加的系统被认为是车底盘模型的一部份,不需要总被物理纠正。
图16.串联混合动力车的数学描述。
外部功率源比如电能。
下面的等式把物理模型和数学描述联系起来:
pc=Gear*Generator*Converter*Converter*Motor*Gear
ps=Gear*Generator*Converter
sc=Converter*Motor*Gear
实际的模型一些装置不总是必需的,比如转换器有时是多余的,如果电动机是有直流型的。
动力传动系统只是简单模型因为有些现象比如车轮侧滑和颤动不是很重要。
每个载荷工况属于下面三种状态:
高负荷运转,低负荷运转和制动。
这在图17中被阐明。
载荷工况被不同对待取决于它属于哪一种状态。
Appendix1对此进一步描述。
图17.不同的模型。
载荷工况中的最大功率表示为max(Pdem),平均功率表示为mean(Pdem).从PPU发出的最低燃油消耗量功率表示为Pp_opt.细线对应低功率,粗线对应高功率.
一个矢量"soc_tar",以驱动循环和控制策略为基础,描述了在载荷工况终端储能器应该达到的充电量。
一个特定个体的控制策略决定了:
.矢量"soc_tar"的变动,也就是SOC的最大最小值。
.如果策略是是ON/OFF,连续的或间隔的。
策略是ON/OFF,PPU的功率是Pp_opt或Pidle.在一个连续的控制策略中,PPU的功率近似等于底盘的功率。
如果一个动力传动系统较适应SOC(大能量储存)的小变动并且较适合一个连续的策略,将会自动地被发现。
选择驱动系统的工况研究
模型在Matlab被实现,由于Matlab:
s拥有规范的语言。
假如用一个负荷的16工况,在一个450Mhz奔3的处理器上,评价一个汽车用不了一秒,大约100——500毫秒。
工况中的数据也就是要求和条件在Appendix2中被列出。
图表18阐释了在一个公交路线上汽车随时间变化的情况。
图18.最高(最低)成本,平均成本和最好的结构类型如何与时俱进
车辆是公共汽车。
根据图19和20,DS被应用在两辆不同旅行公共汽车上,一个低速市内旅行公共汽车,一个高速郊区旅行公共汽车。
表一和表二列出了结果,在两种不同工况下最适合的动力传动结构,总的成本也被列出。
图19.低速驱动循环
图20.高速驱动循环
表1.低速驱动循环
表2.高速驱动循环(R=分类)
负载模拟的仿真
表3用VehProp[23]中传统动态模拟的方法,被Dymoia[12]中模拟工具改进过,以提出的载荷工况模拟方法为基础比较了燃料消耗。
在Appendix3中有更多关于动态模拟进行的信息。
对NASA混合运输公共汽车也进行了比较。
Advisor[18]是用作仿真的另外一个模拟工具。
由于比较对象的差异比较并不是真正的公平,比如NASA混合运输公共汽车用的是一个不同的控制策略。
但是它提供了一个精确载荷模拟如何进行的指导方针。
表3中以所提出方法为基础的燃料消耗是合理的。
有趣和重要的是以所提出方法为基础的燃料消耗同其它数据互有关联。
柴油机和超级电容形式的串联HEV被评估。
表3.在Dymola进行的DS和NASA混合运输公共汽车的比较分析
讨论及结论
结果,也就是来自DS的被推荐的动力传动系统应该被认为是合理的。
因为串联混合公共汽车,与一辆传统的公共汽车相较,是更有利润的,在一个低速市内行驶。
这也与常识相吻合,因为不断的启动和停车,再生制动更为合适。
Dymola模拟和NASA混合运输公共汽车自然测试的比较也是很有希望的。
当前DS的主要缺点是:
.评估是不是基于一个最佳的控制策略。
.不可能在一个HEV动力传动系统结构中混台不同类型存储器。
.驱动循环被具体的方式限定,也就是说从驱动循环中测得的信号不可能立刻被使用。
在DS应用的时候,已经被发现最适当的动力传动系统非常依赖于所规定的要求和条件。
说一种动力传动系统结构优于另外一种是毫无意义的。
选择最适当的动力传动系统依赖于驱动循环,可采用的技术,燃料成本。
假如一个HEV较有竞争力,选择构件的尺寸和合适的控制策略也很重要。
存储器成本在总成本中占很大比重。
一个基本的结果就是便宜的电池或者超级电容会使HEV较有竞争力。
在对传动系统比较得出确切结论之前,需要对DS进一步的仿真和发展。
未来工作
为了进一步改良和评估DS,下列工作需要去做:
.DS的进一步仿真。
.增加构件和动力传动系统结构。
.收集用在动力传动系统结构中不同构件的精确数据。
.为每个动力传动系统改进控制策略,适合的才是最好的。