乘员舱热舒适性智能控制乘员舱舒适温度自适应
结合车速预测的汽车空调系统控制
基于健康考虑的空调系统通风与温度协同控制
系统模型的搭建-整体控制系统
控制策略与结果——自适应模糊PID控制框架
SLPTC( self-learning of passengers’ thermalcomfort)控制策略框架: AMESIM环境下,汽车空调以及乘员舱温度控制系统模型搭建: 控制策略与结果——自适应模糊PID控制AMESIM环境下基于规则的反馈开关(On-off)控制器与模糊PID控制器的搭建 根据空调系统与乘员舱系统热模型原理,在AMESIM平台上搭建了空调系统-乘员舱系统模型,并基于所搭建的仿真系统。根据传统 on-off控制器的控制逻辑以及模糊控制,在AMESIM中结合空调与乘员舱系统分别搭建了on-off控制器与模糊控制器,对其进行了仿真控制,并用于与本研究提出先进的智能舒适自适应控制方法进行比较。 AMESIM环境下客舱舒适温度自适应控制器控制效果对比SLPTC 控制策略可以根据热喜好对乘员舱自主降温,当舒适温度适应好后,驾驶员无需设置目标温度,空调系统会根据历史热喜好数据自动调控最舒适温度,并且会根据工况变化而变化。同时SLPTC控制效果好,波动较小。能耗NO-OFF控制策略的能耗最高,共消耗了2.89 kW·h能量;模糊PID控制策略能耗其次,其能耗为2.19 kW·h;而基于热舒适性自适应控制策略的能耗仅为1.97 kW·h,较ON-OFF和模糊PID策略分别节约了31.8%和10.0%。 控制策略与结果——结合车速预测的模型预测控制( IMPC )模型预测控制(MPC)优点:
改进的结合车速预测的模型预测控制控制策略框架: 结合车速预测,MPC控制器能够更为准确地对未来乘员舱温度进行控制,加上人体舒适自调节,使得电动汽车温度控制更为智能化,人性化。 提出改进的IMPC控制器与纯MPC控制器对比结果: 车速预测结果: 温度控制结果: 能耗对比: 健康座舱——基于健康性考虑的空调系统通风与温度协同控制
改进的结合车速预测的模型预测控制控制策略框架: 健康性考虑的空调系统通风与温度协同控制控制策略与结果——健康性考虑的空调系统通风与温度协同控制在打喷嚏的情况下,得出循环通风最适合的通风风量与通风时间: 不同控制策略的乘员舱温度控制结果: 不同控制策略下乘员舱内病毒含量与感染概率结果: 不同策略下通风风门控制结果: 不同策略下压缩机与风扇转速控制结果: 不同控制策略能耗对比: 根据对比结果,可以看出:协同控制策略相比于不通风和全通风的综合性能最佳 电池低温散热系统及其控制电池冷却系统——电池低温散热系统及其控制策略建立电池包的电-热-老化多状态模型,并对其进行验证,与热管理系统结合,对电池的热特性和老化特性进行优化。 基于模型预测控制(MPC),设计电池低温散热系统的智能模型预测控制策略,将电池维持在最佳的目标温度下,并结合车速预测模型,以达到延长电池寿命,提高散热系统效率节约冷却能耗的目标。 自适应目标温度 由于电池的老化特性、冷却系统的能耗受到环境温度和目标温度的影响,利用Pareto边界找到不同环 境温度下的最优的电池温度参考值(不受工况的影响),在保证SOH前提下节约冷却能耗。 为了展示智能模型预测控制器(IMPC)性能的优越,在变化的环境温度下,与on-off控制器、普通MPC以及带有VSP的MPC进行对比。我们发现,IMPC的能耗相对于on-off减少了24.5%,相对于普通MPC减少了14.1%,而且它的SOH要比这两者要分别高0.016%和0.008%;对于MPC+VSP,虽然它的能耗要高出10.6%,但是SOH 也提升了0.012%。因此我们可以认为IMPC的综合性能最优。 乘员舱与电池协同冷却控制策略整车热管理——乘员舱与电池协同冷却控制策略环境温度35℃,太阳辐射强600W/m2,空调内循环模式,电池温度on/off控制,乘员舱目标温度24℃,在US06动态工况下仿真结 冷却优先级策略---不同蒸发器风量对电池降温的影响 环境温度35℃,太阳辐射强度1000W/m2,乘员舱初始温度55℃、电池初始温度36.5℃,以模拟经高温暴晒后的车辆状态对比,压缩机以315Kpa为目标,水泵以最高转速运转,对比不同蒸发器风量对电池降温影响。 不同环境温度下仿真结果 与未考虑优先级策略对比 分析结论:电池进入优先冷却其降温速率明显变快,相比之下对应环境温度35℃、38℃和40℃下电池可分别提前约56s、115s和155s到达35℃。乘员舱温度在电池优先冷却的阶段降温速率变慢,但当电池降至低于35℃系统判定电池退出优先冷却并对乘员舱优先冷却后,乘员舱温度快速下降,乘员舱总的降温时间基本不受影响。 |
|
来自: xingqingzl > 《空调》