基于Pareto最优原理的混合动力汽车多目标优化

上海交通大学学报（自然版） ›› 2012, Vol. 46 ›› Issue (08): 1297-1303.

基于Pareto最优原理的混合动力汽车多目标优化

杨观赐1,2,李少波1,2,璩晶磊1,郭观七3,钟勇2

（1. 贵州大学教育部现代制造技术重点实验室，贵阳 550003； 2. 中国科学院成都计算机应用研究所，成都 610041； 3. 湖南理工学院信息与通信工程学院, 湖南岳阳 414006）

收稿日期:2011-10-28 出版日期:2012-08-31 发布日期:2012-08-31
基金资助:
教育部新世纪优秀人才支持计划(NCET090094)，国家高技术研究发展计划(863)项目(2009AA043203)，国家自然科学基金资助项目(60975049)，贵阳市科技局科技计划项目（筑科合同［2012101］27号）

Multi-objective Optimization of Hybrid Electrical Vehicle Based on Pareto Optimality

YANG Guan-Ci-1, 2 , LI Shao-Bo-1, 2 , QU Jing-Lei-1, GUO Guan-Qi-3, ZHONG Yong-2

(1. Key Laboratory of Advanced Manufacturing Technology of Ministry of Education, Guizhou University, Guiyang 550003, China; 2. Chengdu Institute of Computer Applications, Chinese Academy of Sciences, Chengdu 610041, China; 3. College of Information and Communication Engineering, Hunan Institute of Science and Technology, Yueyang 414006, Hunan, China)

Received:2011-10-28 Online:2012-08-31 Published:2012-08-31

摘要/Abstract

摘要： 介绍了混合动力汽车（HEV）相关知识，建立了以最小化燃油消耗、HC+NOx排放量和CO排放量为目标的3目标优化模型,提出了基于Pareto最优原理的混合动力汽车多目标优化进化算法.该算法采用实数编码,以ADVISOR为HEV的仿真软件获得各候选方案目标值,基于Pareto支配性原理判定候选方案的优劣,并设计了可以调整待优化变量有效位的机制以保证优化所得的候选方案具有可实现性.针对不同车型的仿真实验结果表明,所提出的算法能够较好地解决混合动力汽车多目标优化问题,可以获得一组具有低燃油消耗与低污染物排放的Pareto最优解供决策者选择.

关键词: 混合动力汽车, 带约束多目标优化, Pareto最优原理, 进化算法

Abstract: Some basic theories about hybrid electric vehicle (HEV) were introduced. The multiobjective optimal model for minimizing the fuel consumption, the sum emission of HC and NOx, and the CO emission was established. A multiobjective evolutionary algorithm for hybrid electrical vehicle based on Pareto optimality (HEVMOEA) was proposed. HEVMOEA uses real coding method to represent gene, and employs ADVISOR to simulate HEV to obtain the value of each objective of candidate solutions, and adopts the Pareto dominance principle to evaluate each solution. A method was put forward to specify the significant digits of variables to guarantee the realizability. A series of simulation results show that HEVMOEA is capable of solving the multiobjective optimization design of HEV, and is promising to provide a set of alternative Pareto optimal solutions characterized with better fuel economy and emission performance for designer.

Key words: hybrid electrical vehicle, constrained multiobjective optimization, Pareto optimality, evolutionary algorithm

中图分类号:

杨观赐1, 2, 李少波1, 2, 璩晶磊1, 郭观七3, 钟勇2. 基于Pareto最优原理的混合动力汽车多目标优化[J]. 上海交通大学学报（自然版）, 2012, 46(08): 1297-1303.

YANG Guan-Ci-1, 2 , LI Shao-Bo-1, 2 , QU Jing-Lei-1, GUO Guan-Qi-3, ZHONG Yong-2. Multi-objective Optimization of Hybrid Electrical Vehicle Based on Pareto Optimality[J]. Journal of Shanghai Jiaotong University, 2012, 46(08): 1297-1303.

参考文献

［1］Schouten N J, Salman M A, Kheir N A. Energy management strategies for parallel hybrid vehicles using fuzzy logic［J］. Control Engineering Practice, 2003, 11(2): 171177.
［2］张博,李君,高莹,等.Plugin混合动力汽车能量管理策略全局优化研究［J］.中国机械工程, 2010, 21(6): 715720.
ZHANG Bo, LI Jun, GAO Ying, et al. Study on global optimization of plugin hybrid electric vehicle energy management strategies［J］. Chinese Journal of Construction Machinery, 2010,21(6):715720.
［3］Wipke K, Markel T, Nelson D. Optimizing energy management strategy and degree of hybridization for a hydrogen fuel cell SUV［EB/OL］.［2011827］.http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.9.3029.
［4］孔庆,崔纳新,吴剑,等.基于神经网络的并联式混合动力汽车控制策略［J］.系统仿真学报, 2009, 28(18): 5831 5835.
KONG Qing, CUI Naxin, WU Jian, et al. Control strategy for parallel hybrid electric vehicles based on neural network［J］. Journal of System Simulation, 2009, 28(18): 58315835.
［5］Musardo C, Rizzoni G, Staccia B. AECMS: An adaptive algorithm for hybrid electric vehicle energy management［C］∥Proceedings of the 44th IEEE Conference on Decision and Control, and the European Control Conference. New York: IEEE, 2005:18161823.
［6］Montazerigh M, Poursamad A. Application of genetic algorithm for simultaneous optimization of HEV component sizing and control strategy［J］. Int J Alternative Propulsion, 2006, 1(1): 6378.
［7］Bazzi A M, Krein P T. Review of methods for realtime loss minimization in induction machines［J］. IEEE Transactions on Industry Applications, 2010, 46(6): 23192328.
［8］Montazerigh M, Asadi M. Optimization of AMT gear shifting strategy in hybrid electric vehicles［J］. International Journal of Vehicle Autonomous Systems, 2009, 7(12): 117.
［9］杨观赐，李少波，璩晶磊，等.基于MOEA的PHEV控制策略与参数优化［J］. 华中科技大学学报：自然科学版,2012,40(5):114119.
YANG Guanci, LI Shaobo, QU Jinglei, et al. Control strategy and parameters optimization of PHEV using MOEA［J］. Journal of Huazhong University of Science and Technology: Natural Science Edition, 2012, 40(5):114119.
［10］杨观赐，李少波，璩晶磊，等.基于进化算法的带约束混合动力系统多目标优化［J］.四川大学学报：工程科学版,2012,44(3):141146.
YANG Guanci, LI Shaobo, QU Jinglei, et al. Constrained parallel hybrid system multiobjective optimization based on evolutionary algorithm［J］. Journal of Sichuan University: Engineering Science Edition, 2012,44(3):141146.
［11］浦金欢,殷承良,张建武. 并联型混合动力汽车燃油经济性最优控制［J］. 上海交通大学学报, 2006, 40(6): 947 951.
PU Jinhuan, YIN Chenliang, ZHANG Jianwu. Fuel optimal control of parallel hybrid electric vehicles［J］. Journal of Shanghai Jiaotong University, 2006, 40(6): 947951.
［12］曾小华,王庆年,王伟华. 混合动力汽车能耗最优数学建模与仿真［J］. 系统仿真学报, 2007, 19(18): 43094325.
ZENG Xiaohua, WANG Qingnian, WANG Weihua. Modelling and simulation of energy loss minimization for hybrid electric vehicle［J］. Journal of System Simulation, 2007, 19(18): 43094325.
［13］于新宝,李少波,杨观赐,等. 基于强度Pareto进化算法的有约束并联混合动力汽车多目标优化［J］.计算机应用,2011(11)：30913093.
YU Xinbo, LI Shaobo, YANG Guanci, et al. Multiobjective optimization of constrained parallel hybrid electric vehicle based on SPEA2 ［J］. Journal of Computer Application, 2011(11)：30913093.

[1]	崔思远, 李浩, 范翔宇, 倪磊, 侯佳航. 基于AMDE-DMPC算法的多无人机协同目标搜索方法[J]. 空天防御, 2025, 8(6): 35-44.
[2]	庞福滨, 嵇建飞, 吴贤强, 周孟夏, 颜伟, 许东. 特快速暂态过电压对二次侧共模干扰建模[J]. 上海交通大学学报, 2025, 59(6): 812-820.
[3]	. 基于改进差分进化极限学习机的锂离子电池健康状态估计[J]. J Shanghai Jiaotong Univ Sci, 2025, 30(2): 252-261.
[4]	董德金, 王常成, 蔡云泽. 基于改进多目标进化算法的栅格地图路径规划[J]. 上海交通大学学报, 2025, 59(10): 1558-1567.
[5]	苗镇华1, 黄文焘2, 张依恋3, 范勤勤1. 基于深度强化学习的多模态多目标多机器人任务分配算法[J]. J Shanghai Jiaotong Univ Sci, 2024, 29(3): 377-387.
[6]	周炳海，刘文龙. 考虑能耗和准时的混合流水线多目标调度[J]. 上海交通大学学报, 2019, 53(7): 773-779.
[7]	刘昊，丁进良，杨翠娥，柴天佑. 基于择优学习策略的差分进化算法[J]. 上海交通大学学报, 2017, 51(6): 704-708.
[8]	刘汉1，尹成友2，范启蒙2. 基于储能的超宽带天线分析与设计[J]. 上海交通大学学报, 2017, 51(5): 619-.
[9]	彭程,朱剑昀,陈俐. 基于模型参考控制的混合动力汽车模式切换 [J]. 上海交通大学学报, 2017, 51(10): 1196-1201.
[10]	杨路春, 杨晨俊, 汪志强, 李学斌. 基于分解的进化算法和多变量分析技术在船型参数设计中应用[J]. 上海交通大学学报, 2016, 50(8): 1200-1206.
[11]	牛礼民，叶李军，阮晓东. 混合动力汽车多能源动力总成的智能体控制技术[J]. 上海交通大学学报（自然版）, 2015, 49(08): 1108-1113.
[12]	梁俊毅，张建龙，马雪瑞，殷承良. 基于多混沌算子遗传算法的混合动力汽车控制策略优化[J]. 上海交通大学学报（自然版）, 2015, 49(04): 442-449.
[13]	刘鹏1，朱建新1，储爱华2，周兴叶2. 基于热模型的动力电池热故障诊断系统[J]. 上海交通大学学报（自然版）, 2015, 49(04): 487-493.
[14]	王文全，王超，黄胜，侯远杭，胡玉龙. 大型舰船主尺度方案生成及优选[J]. 上海交通大学学报（自然版）, 2013, 47(06): 916-922.
[15]	杨观赐1, 2, 马鑫1, 李少波1, 2, 钟勇2, 于丽娅1. 重用抗体优良片断的免疫进化算法 [J]. 上海交通大学学报（自然版）, 2012, 46(02): 239-244.