一种新型 ML-模糊控制系统用于优化 PHEV 燃油效率并在多样化驾驶条件下延长电动续航

为实现更绿色的交通未来，本研究引入了一种创新控制系统用于插电式混合动力车辆 (PHEV)，该系统利用机器学习 (ML) 技术预测纯电动模式下的能源消耗，并优化不同运行模式（包括纯电动、串联混合、并联混合和内燃机运行）下的功率分配。模糊逻辑决策过程支配车辆控制系统。该系统的性能在各种驾驶条件下进行了评估。关键发现包括显著提升纯电动模式效率，实现了约 84 公里的电动续航延续，使用 80% 的 20 kWh 电池包。 在 WLTC 驾驶循环中，该控制系统将燃油消耗降至 2.86 L/100km，显示出约 20% 的汽油当量燃油消耗降低。对车辆性能在离散驾驶速度处的评估突显了有效的能源管理，显示出在低速时车辆电池充电、在高速时放电，表明优化的能源恢复和消耗策略。初始电池电荷水平显著影响车辆性能。90% 的初始充电使车辆能够延续全电动运行，将燃油消耗降低约 2 L/100km。实时驾驶模式分析揭示了显著变化，其中较短、较慢的循环因优先电动推进而要求较低的燃油消耗，而较长、较快的循环则增加内燃机的使用。该控制系统还适应了不同的电池状态健康 (SOH) 条件，较高的 SOH 促进更长时间的电动模式使用，降低总燃油消耗最高可达 2.87 L/100km。