‫بیست و چهارمین همايش ساالنه بینالمللی مهندسی مکانیک ايران‪ISME2016،‬‬

‫ايران‪ ،‬يزد‪،‬دانشگاه يزد‪ 7 ،‬لغايت ‪ 9‬ارديبهشت ‪3199‬‬

‫‪ISME2016-48005‬‬

‫اندازه بندی بهینه اجزاء خودروی هیبریدالکتریکی پالگ این‬

‫‪3‬‬
‫وحیدمعدنی پور‪، 1‬جوادقواقی‪، 2‬مهدی نقیان‬
‫‪ -3‬باشگاه پژوهشگران جوان و نخبگان‪ ،‬واحد هشتگرد‪ ،‬دانشگاه آزاد اسالمی‪ ،‬البرز‪ ،‬ايران ‪v.madanipour@gmail.com‬‬
‫‪-2‬دانشجوی کارشناسی‪،‬موسسه آموزش عالی آ‪.‬ب‪.‬آ‪javad.ghavaghi73@gmail.com ،‬‬
‫‪-1‬دانشجوی کارشناسی‪،‬موسسه آموزش عالی آ‪.‬ب‪.‬آ‪mahdi73ngh@yahoo.com،‬‬

‫مهندسی باشند الزاما جواب بهینه را از لحاظ مصرف سوخت‪،‬‬
‫آاليندگیها و عملکرد دينامیکی خودرو ندارد و استفاده از‬
‫الگوريتمهای بهینهسازی در طراحی و انتخاب اجزاء امری‬
‫اجتناب ناپذير است [‪ 1‬و ‪.]4‬‬
‫اهداف اندازهبندی خودروی هیبرید الکتریکی پالگاین‬
‫اهداف اصلی طراحی خودرو عبارت است از‪:‬‬
‫کاهش مصرف سوخت‬
‫کاهش آاليندههای خروجی‬
‫رعايت قیود عملکرد دينامیکی مورد انتظار از جمله قیود شتاب‪،‬‬
‫قید حداکثر سرعت و قابلیت شیبپیمايی‬
‫در اين تحقیق‪ ،‬برای هر مرحله از اندازهبندی اجزاء چرخه محرکه‪،‬‬
‫ضريب اندازهی موتور احتراقی 𝒄‪ ، 𝑪𝒇.‬ضريب اندازهی موتور‬
‫الکتريکی 𝒄‪ ، 𝑪𝒎.‬ضريب ظرفیت باتری 𝒄‪ 𝑪𝒃.‬و تعداد ماژول‬
‫باتریها 𝒎‪ 𝑪𝒃.‬تغییر میکند‪ .‬از اين چهار متغیر‪ ،‬سه متغیر‬
‫مستقل و متغیر چهارم‪ ،‬متغیری وابسته درنظر گرفته شده است‪.‬‬
‫سه متغیر مستقل عبارت است از 𝒄‪ 𝑪𝒇.‬و 𝒄‪ 𝑪𝒎.‬و 𝒄‪ . 𝑪𝒃.‬دلیل‬
‫وابسته بودن متغیر چهارم‪ ،‬يعنی تعداد ماژول باتری 𝒎‪ 𝑪𝒃.‬اين‬
‫است که اين متغیر بواسطه برد تمام الکتريکی خودرو تعیین می‪-‬‬
‫گردد‪ .‬همانگونه که اشاره شده‪ PHEV10 ،‬نشاندهندهی برد‬
‫تمام الکتريکی خودرو به مقدار ‪ 31‬مايل میباشد‪ .‬بنابراين در‬
‫بهینهسازی اجزاء خودروی ‪ ، PHEV10‬ظرفیت باتری و تعداد‬
‫ماژول باتری در طول بهینهسازی بايستی طوری در کنار يکديگر‬
‫قرار بگیرند تا بتوانند توان مورد نیاز برای رانندگی تمام الکتريکی‬
‫به منظور طی مسافت مورد نظر را داشته باشند‪ .‬در نتیجه يکی‬
‫از متغیرهای ضريب ظرفیت باتری و تعداد ماژول باتری مستقل‬
‫و ديگری وابسته است‪ .‬در اينجا ضريب ظرفیت باتری‪ ،‬متغیری‬
‫مستقل درنظر گرفته شده است‪ .‬خودروی مورد استفاده در فرايند‬
‫اندازهبندی خودروی هیبريد پالگاين موازی سمند با موتور ملی‬
‫میباشد‪ .‬در اين خودرو موتور احتراقی ‪ 22‬کیلووات‪ ،‬موتور‬
‫الکتريکی ‪ 79‬کیلووات و باتریهای ‪12v 6Ah Saft li-ion‬‬
‫بعنوان مبنای اندازهی اجزاء درنظر گرفته شده است‪.‬‬
‫چکیده‬
‫خودروی هیبريد الکتريکی پالگ اين نوع جديدی از خودروهای‬
‫هیبريد الکتريکی هستند که از باتری های با ظرفیت بیشتر‬
‫استفاده مینمايند و قابلیت شارژ باتری از برق شهری را دارا‬
‫هستند‪ .‬در اين مقاله اندازه بندی بهینه اجزاء خودروی هیبريد‬
‫الکتريکی پالگ اين سمند با موتور ملی و ساختار موازی و مفاهیم‬
‫مربوط به آن به روش بهینهسازی کالسیک با استفاده از الگوريتم‬
‫ژنتیک (‪ )GA‬انجام شده است‪ .‬برای اين کار مدل اين خودرو با‬
‫‪‬‬ ‫باتریهای لیتیوم يون و کنترلر فازی در نرمافزار ‪ADVISOR‬‬
‫‪‬‬ ‫ايجاد گرديده و با استفاده از الگوريتم ژنتیک اجزاء خودروی‬
‫‪‬‬ ‫سمند هیبريد پالگ اين ‪ PHEV10‬و ‪ PHEV20‬با استراتژی‬
‫کنترلی ترکیبی (‪ )Blended‬برای مسافت ‪ 93/9‬کیلومتر (‪12‬‬
‫مايل) از دو سیکل رانندگی ‪ TEH-CAR‬و ‪ UDDS‬بهینه‬
‫گرديده است و با مقادير قبل از بهینه سازی مقايسه گرديده‬
‫است‪ .‬هدف از اندازهبندی‪ ،‬کمینه کردن مصرف سوخت و‬
‫آاليندگیها در حین رعايت نمودن قیود عملکرد دينامیکی‬
‫خودرو میباشد‪.‬‬
‫کلیدواژه‪ :‬خودروی هیبريد الکتريکی پالگ اين‪ ،‬بهینه سازی‬
‫کالسیک‪ ،‬الگوريتم ژنتیک‪ ،‬استراتژی کنترلی ترکیبی‬
‫مقدمه‬
‫اولین گام در طراحی خودروی هیبريد الکتريکی پالگاين مدل‪-‬‬
‫سازی آن در يک نرمافزار شبیهسازی است تا بتوان با استفاده از‬
‫اين مدل‪ ،‬طراحیهای الزم و بهینهسازی انجام گیرد‪ .‬در [‪ 3‬و ‪]2‬‬
‫مدلسازی خودرو هیبريد الکتريکی پالگاين سمند با موتور ملی‪،‬‬
‫باتری های لیتیوم يون و کنترلر فازی در نرمافزار ‪ADVISOR‬‬
‫انجام گرديده است‪ .‬در اين مقاله اولین گام برای طراحی بهینه‬
‫اين خودرو برداشته میشود‪ .‬اولین گام در طراحی بهینه خودروی‬
‫هیبريدالکتريکی‪ ،‬تعیین اندازهی اجزاء اصلی مکانیکی و الکتريکی‬
‫میباشد‪ .‬به اين مرحله از طراحی اصطالحا اندازهبندی يا‬
‫سايزبندی اجزاء گفته میشود‪ .‬سايز اجزاء تأثیر بسزايی در‬
‫عملکرد دينامیکی خودرو و همچنین مصرف سوخت و میزان‬
‫آاليندههای خروجی از اگزوز دارد‪ .‬بدلیل پیچیدگیهای طراحی‬
‫خودروهای هیبريد‪ ،‬انتخابهايی که تنها مبتنی بر قضاوت‬

‫‪1‬‬
‫بیست و چهارمین همايش ساالنه بینالمللی مهندسی مکانیک ايران‪ISME2016،‬‬
‫ايران‪ ،‬يزد‪،‬دانشگاه يزد‪ 7 ،‬لغايت ‪ 9‬ارديبهشت ‪3199‬‬

‫آاليندهها میباشند‪ .‬مقادير وزنهای ‪ w2 ، w1‬و ‪ w3‬بستگی به‬
‫هدف مدنظر طراح دارد‪ .‬در صورتیکه در بهینهسازی کاهش‬
‫مصرف سوخت اولويت داشته باشد‪ ،‬ضريب ‪ w1‬را بزرگتر از بقیه‬
‫درنظر میگیريم تا تغییرات آن تاثیر بیشتری بر روی تابع هدف‬
‫داشته باشد‪ ،‬ولی اگر هدف از بهینهسازی‪ ،‬بیشتر کاهش آالينده‪-‬‬
‫های خروجی خودرو باشد‪ ،‬ضريب ‪ w2‬و ‪ w3‬را بزرگتر از ‪w1‬‬
‫درنظر میگیريم‪ .‬اگر همه موارد تشکیل دهنده تابع هدف برای‬
‫بهینهسازی اولويتی نداشته باشند‪ ،‬تمام ضرايب يک درنظر گرفته‬
‫میشود‪ .‬در اينجا بدلیل اينکه هدف از اندازهبندی اجزاء خودرو‬
‫هیبريد پالگاين بیشتر کاهش مصرف سوخت میباشد‪ ،‬ضريب‬
‫قیود عملکرد دینامیکی‬
‫در اينجا برای رعايت قیود عملکرد دينامیکی خودرو‪ ،‬قیودی که‬
‫توسط ‪ PNGV‬ارائه گرديده است‪ ،‬استفاده شده است‪ .‬اين قیود‬
‫در جدول ‪ 3‬آورده شده است [‪.]9‬‬
‫در طول بهینهسازی به کمک رايانه‪ ،‬در هر مرحله که خودرو با‬
‫اندازهی انتخابی‪ ،‬قیود عملکرد دينامیکی را رعايت ننمايد‪ ،‬توابع‬
‫جريمه ای برای هر تخطی از محدوده قیود به تابع هدف بهینه‪-‬‬
‫سازی اضافه میگردد‪.‬‬
‫جدول ‪ 3‬قیود عملکرد دينامیکی تعريف شده توسط ‪]3[ PNGV‬‬

‫مصرف سوخت نرمال شده ‪ 1‬و باقی ضرايب ‪ 3‬درنظر گرفته می‪-‬‬
‫شود يعنی‪:‬‬
‫‪𝑤1 = 3 , 𝑤2 = 1, 𝑤3 = 1‬‬

‫مقدار هدف مصرف سوخت در معادله‪ 1 ،‬لیتر در ‪ 311‬کیلومتر‬

‫درنظر گرفته شده است‪ .‬بديهی است که اگر در حین بهینهسازی‪،‬‬
‫مصرف سوخت به مقداری کمتر از اين دست يافته باشد‪ ،‬باز هم‬
‫بهینهیابی اجزاء خودروی هیبرید الکتریکی پالگاین به‬
‫بهینهسازی به سمت کاهش مصرف سوخت سوق داده میشود‪.‬‬
‫روش کالسیک‬
‫برای انتخاب مقادير هدف آاليندههای خروجی در بهینهسازی از‬
‫در بهینهسازی تکهدفه و يا روش کالسیک‪ ،‬اهداف بهینهسازی‬
‫استانداردهای آاليندگی مختلفی میتوان استفاده نمود‪ .‬در اينجا‬
‫در قالب يک تابع هدف ارائه میگردد تا حداقل يا حداکثر گردد‪.‬‬
‫از قسمتی از استاندارد ‪ DELPHI‬که مربوط به خودروهای‬
‫برای اينکه هر هدف را بتوان با هدفی ديگر جمع نمود‪ ،‬هر هدف‬
‫هیبريد الکتريکی است‪ ،‬استفاده گرديده است [‪ .]2‬اين مقادير‬
‫توسط مقدار ايدهال آن نرمااليز شده و با وزنی به تابع هدف اصلی‬
‫هدف آاليندههای خروجی در جدول ‪ 2‬آورده شده است‪ .‬ستون‬
‫اضافه میگردد‪ .‬در انتها وزنها نیز نرمااليز میگردند‪.‬‬
‫‪ LEV2‬اين جدول مربوط به خودروهای هیبريد الکتريکی می‪-‬‬
‫در اينجا هدف از بهینهسازی اندازهی اجزاء خودروی هیبريد‬
‫باشد و در اينجا نیز از اين مقادير استفاده شده است‪.‬‬
‫الکتريکی پالگاين‪ ،‬حداقل نمودن تابع هدفی است که شامل‬
‫جدول ‪ 2‬استاندارد آاليندگی خودروهای سبک و خودروهای‬ ‫مصرف سوخت نرمااليز شده وزندار و آاليندههای نرمااليز شده‬
‫مسافربری ‪]2[ DELPHI‬‬ ‫وزندار میباشند‪.‬‬
‫‪In‬‬
‫‪NMOG CO NOX‬‬ ‫‪PM HCHO‬‬
‫‪g/mi‬‬ ‫تابع هدف‬
‫‪0.075 3.4‬‬ ‫‪0.05‬‬ ‫‪-‬‬ ‫‪0.015‬‬
‫‪LEV2‬‬ ‫تابع هدفی که برای بهینهسازی اندازهی اجزا بکار رفته است‬
‫‪0.090 4.2‬‬ ‫‪0.07 0.01‬‬ ‫‪0.018‬‬
‫بصورت زير است‪:‬‬
‫تابع هدف مذکور در هر مرحله از بهینهسازی محاسبه میگردد‬ ‫‪Minimize J ( x) s. t. hi ( x)  0 , i  1,2,..., ncon‬‬
‫‪xX‬‬
‫و با توابع جريمه حاصل از تخطی از قیود عملکرد دينامیکی (در‬
‫در اين تابع هدف‪ x ،‬متغیرهای بهینهسازی در فضای حل ‪X‬‬
‫صورت وجود تخطی) جمع میگردد‪ .‬اندازهبندی اجزاء به روش‬
‫میباشد‪ X .‬بیانگر مرزهای بااليی و پايینی متغیرها است و )‪hi(x‬‬
‫کالسیک با استفاده ازالگوريتم بهینه سازی ژنتیک انجام گرفته‬
‫بیانگر قیود طراحی است‪ J(x) .‬نیز تابع هدف مورد نظر برای‬
‫است‪.‬‬
‫مینیمم کردن است که بصورت معادله زير میباشد‪:‬‬
‫بهینهیابی با استفاده از الگوریتم ژنتیک‬
‫روند کلی بهینهسازی با الگوريتم ژنتیک را می توان به کمک‬ ‫در اين معادله‪ w1 ،‬وزن مصرف سوخت‪ w2 ،‬وزن آاليندههای‬
‫فرمولبندی زير توصیف کرد [‪:]1‬‬ ‫‪ HC‬و ‪ w3 ، NOx‬وزن آاليندهی ‪ TDC ،CO‬زمان رانندگی‪FC ،‬‬
‫‪ .3‬ايجاد نسل اولیه‬ ‫مصرف سوخت‪ 𝐹𝐶 ،‬مصرف سوخت هدف‪ HC ،‬و ‪ CO‬و ‪NOx‬‬
‫محاسبه مقادير شايستگی برای هر يک از اشخاص نسل حاضر‬ ‫‪.2‬‬ ‫آاليندههای حاصله از رانندگی‪ 𝐻𝐶 ،‬و 𝑥𝑂𝑁 و 𝑂𝐶 مقادير هدف‬
‫انتخاب اشخاص شايسته برای تولید نسل بعد‬ ‫‪.1‬‬

‫‪2‬‬
‫بیست و چهارمین همايش ساالنه بینالمللی مهندسی مکانیک ايران‪ISME2016،‬‬
‫ايران‪ ،‬يزد‪،‬دانشگاه يزد‪ 7 ،‬لغايت ‪ 9‬ارديبهشت ‪3199‬‬

‫نتایج اندازهبندی با الگوریتم ژنتیک و روش بهینهسازی‬ ‫اعمال عملگر آمیزش‬ ‫‪.4‬‬
‫خودروهای هیبريد الکتريکی پالگاين نسبت به سیکل و مسافت‬ ‫‪ .9‬اعمال عملگر جهش‬
‫رانندگی حساسیت بیشتری دارند‪ .‬بنابراين میتوان برای هر نوع‬ ‫‪ .6‬تولید نسل جديد‬
‫سیکل رانندگی و هر مسافتی اندازهبندی بهینه اجزاء را جداگانه‬ ‫‪ .7‬تکرار مراحل ‪ 2‬تا ‪ 6‬تا زمانی که شرط اتمام حلقه ارضاء شود‪.‬‬
‫انجام داد‪ .‬اجزای چرخه محرکه خودرويی که در مسافت خاصی‬ ‫روندبهینه سازی بااستفاده ازاين الگوريتم درشکل ‪ 3‬آورده شده‬
‫از يک سیکل رانندگی عملکرد بهینهای دارند‪ ،‬الزاما برای سیکل‬ ‫است‪.‬‬
‫رانندگی و يا مسافت ديگر‪ ،‬عملکرد بهینهای نخواهد داشت‪ .‬به‬
‫اين منظور اندازهی اجزاء خودروی هیبريد الکتريکی پالگاين‬
‫بايستی بر مبنای مقدار کارکرد متوسط روزانه بهینهسازی گردد‪.‬‬
‫در اين تحقیق فرض شده است که روزانه بطور متوسط خودرو‬
‫‪ 93/9‬کیلومتر يا ‪ 12‬مايل از سیکل شهری را طی میکند‪ .‬در‬
‫نتیجه اندازهی اجزاء خودرو هیبريد پالگاين بايستی طوری‬
‫طراحی گردد تا برای طی اين مسافت حداقل مصرف سوخت را‬
‫نتیجه دهد‪ .‬برای طی اين مسافت روزانه‪ ،‬خودروهای هیبريد‬
‫پالگاين با برد تمام الکتريکی ‪ 31‬مايل و ‪ 21‬مايل برای اندازه‪-‬‬
‫بندی درنظر گرفته شده است‪ .‬دلیل اين انتخاب نیز استفاده از‬
‫خودروی هیبريد برای مسافتی بیش از مسافت برد تمام الکتريکی‬
‫است تا نقش موتور احتراقی و نقش استراتژی کنترلی ترکیبی‬
‫شکل ‪ 3‬روند بهینهسازی با الگوريتم ژنتیک [‪]1‬‬
‫در طراحی خودرو در نظر گرفته شود‪.‬‬
‫نتايج اندازهبندی اجزاء اصلی خودروی هیبريد الکتريکی پالگ‪-‬‬ ‫پارامترهای مورد استفاده در اين الگوريتم و محدودهی متغیرهای‬
‫اين ‪ PHEV10‬با ساختار موازی‪ ،‬باتریهای لیتیوم يون و کنترلر‬ ‫آن در جدول ‪ 1‬آورده شده است‪.‬‬
‫فازی در استراتژی کنترلی ترکیبی‪ ،‬با استفاده از الگوريتم ژنتیک‬
‫برای ‪ 93/9‬کیلومتر از دو سیکل رانندگی ‪ TEH-CAR‬و ‪UDDS‬‬ ‫جدول ‪ 1‬پارامترها و محدودهی متغیرهای مورد استفاده در بهینه‪-‬‬
‫سازی‬
‫شهری در شکلهای ‪ 2‬و ‪ 1‬و جدول ‪ 2‬آورده شده است‪ .‬اين نتايج‬
‫‪row Parameter or variable‬‬ ‫‪Value‬‬
‫مربوط به قبل و بعد از بهینه يابی اجزاء میباشد‪ .‬به دلیل‬ ‫‪1‬‬ ‫‪Number of variable‬‬ ‫‪4‬‬
‫محدوديت در ارائه نتايج‪ ،‬نتايج بهینهيابی ‪ PHEV20‬تنها در‬ ‫‪2‬‬ ‫]‪Fuel converter coefficient [0.1,1‬‬
‫جدول آورده شده است‪.‬‬ ‫‪range‬‬
‫‪3‬‬ ‫‪Motor controller‬‬ ‫]‪[0.1,1‬‬
‫به دلیل اهمیت رعايت قیدهای دينامیکی خودرو‪ ،‬هر ‪ 9‬قید‬ ‫‪coefficient range‬‬
‫عملکردی برای اجزاء قبل از بهینهيابی و بعد از بهینهيابی توسط‬ ‫‪4‬‬ ‫‪Battery capacity‬‬ ‫]‪[2,3‬‬
‫‪coefficient range‬‬
‫الگوريتم ژنتیک محاسبه و در جدول ‪ 4‬بیان گرديده است‪.‬‬ ‫‪5‬‬ ‫‪Population size‬‬ ‫‪20‬‬
‫با مقايسه جدول ‪ 4‬و جدول ‪ 3‬درمیيابیم که تمام قیدهای‬ ‫‪6‬‬ ‫‪Iteration‬‬ ‫‪45‬‬
‫عملکرد دينامیکی خودرو در انتخاب بهینه يافت شده رعايت‬ ‫‪7‬‬ ‫‪Crossover percentage‬‬ ‫‪0.6‬‬
‫‪8‬‬ ‫‪Mutation percentage‬‬ ‫‪0.3‬‬
‫گرديده است و اين نشان از درستی مسیر بهینهسازی است‪.‬‬ ‫‪9‬‬ ‫‪Mutation rate‬‬ ‫‪0.02‬‬
‫‪10‬‬ ‫‪Fitness scaling‬‬ ‫‪Ranking‬‬
‫‪11‬‬ ‫‪Parent selection‬‬ ‫‪Tournament‬‬
‫‪Selection‬‬
‫‪12‬‬ ‫‪FC‬‬ ‫‪3 lit/100km‬‬
‫‪13‬‬ ‫‪HC + NOx‬‬ ‫‪0.068 g/mile‬‬
‫‪14‬‬ ‫‪CO‬‬ ‫‪3.6 g/mile‬‬

‫‪3‬‬
‫بیست و چهارمین همايش ساالنه بینالمللی مهندسی مکانیک ايران‪ISME2016،‬‬
‫ايران‪ ،‬يزد‪،‬دانشگاه يزد‪ 7 ،‬لغايت ‪ 9‬ارديبهشت ‪3199‬‬

‫ب) سیکل رانندگی ‪UDDS‬‬ ‫الف) سیکل رانندگی ‪TEH-CAR‬‬

‫شکل ‪ 2‬مقادير تابع هدف در حین بهینهسازی اندازهی اجزاء خودروی ‪ PHEV10‬با الگوريتم ژنتیک‬

‫‪0.8‬‬ ‫‪1‬‬
‫‪0.8‬‬ ‫‪1‬‬

‫‪0.7‬‬ ‫‪0.8‬‬
‫‪0.7‬‬ ‫‪0.8‬‬

‫‪mc scale‬‬
‫‪fc scale‬‬
‫‪mc scale‬‬
‫‪fc scale‬‬

‫‪0.6‬‬ ‫‪0.6‬‬ ‫‪0.6‬‬ ‫‪0.6‬‬

‫‪0.5‬‬ ‫‪0.4‬‬ ‫‪0.5‬‬ ‫‪0.4‬‬

‫‪0.4‬‬ ‫‪0.2‬‬ ‫‪0.4‬‬ ‫‪0.2‬‬

‫‪0‬‬ ‫‪20‬‬ ‫‪40‬‬ ‫‪60‬‬ ‫‪0‬‬ ‫‪20‬‬ ‫‪40‬‬ ‫‪60‬‬ ‫‪0‬‬ ‫‪20‬‬ ‫‪40‬‬ ‫‪60‬‬ ‫‪0‬‬ ‫‪20‬‬ ‫‪40‬‬ ‫‪60‬‬
‫‪Iteration‬‬ ‫‪Iteration‬‬ ‫‪Iteration‬‬ ‫‪Iteration‬‬

‫‪37‬‬ ‫‪2.5‬‬ ‫‪36‬‬ ‫‪3‬‬

‫‪34‬‬ ‫‪2.8‬‬

‫‪ess cap scale‬‬

‫‪36‬‬ ‫‪2.4‬‬
‫‪ess cap scale‬‬

‫‪module um‬‬
‫‪module um‬‬

‫‪n‬‬
‫‪n‬‬

‫‪35‬‬ ‫‪2.3‬‬ ‫‪32‬‬ ‫‪2.6‬‬

‫‪34‬‬ ‫‪2.2‬‬ ‫‪30‬‬ ‫‪2.4‬‬

‫‪33‬‬ ‫‪2.1‬‬ ‫‪28‬‬ ‫‪2.2‬‬

‫‪0‬‬ ‫‪20‬‬ ‫‪40‬‬ ‫‪60‬‬ ‫‪0‬‬ ‫‪20‬‬ ‫‪40‬‬ ‫‪60‬‬ ‫‪0‬‬ ‫‪20‬‬ ‫‪40‬‬ ‫‪60‬‬ ‫‪0‬‬ ‫‪20‬‬ ‫‪40‬‬ ‫‪60‬‬
‫‪Iteration‬‬ ‫‪Iteration‬‬ ‫‪Iteration‬‬ ‫‪Iteration‬‬

‫ب) سیکل رانندگی ‪UDDS‬‬ ‫الف) سیکل رانندگی ‪TEH-CAR‬‬

‫شکل ‪ 1‬مقادير متغیرها در حین بهینهسازی اندازهی اجزاء خودروی ‪ PHEV10‬با الگوريتم ژنتیک‬

‫جدول ‪ 4‬نتايج بهینهسازی کالسیک اندازه اجزاء با الگوريتم ژنتیک و مقايسه با نتايج قبل از بهینهسازی‬

‫‪4‬‬
 ‫بیست و چهارمین همايش ساالنه بینالمللی مهندسی مکانیک ايران‪ISME2016،‬‬
‫ايران‪ ،‬يزد‪،‬دانشگاه يزد‪ 7 ،‬لغايت ‪ 9‬ارديبهشت ‪3199‬‬

‫‪1‬‬
‫مقادير تابع هدف‪ ،‬اندازهی بهینه اجزاء موتور احتراقی و موتور‬
‫‪SOC before optimization-PHEV10‬‬
‫‪SOC before optimization-PHEV20‬‬ ‫الکتريکی يافت شده‪ ،‬برای مقايسه به ترتیب در شکلهای ‪ 4‬تا ‪6‬‬
‫‪0.9‬‬ ‫‪SOC after optimization-PHEV10‬‬
‫‪SOC after optimization-PHEV20‬‬
‫آورده شده است‪.‬‬
‫‪0.8‬‬

‫‪0.7‬‬
‫‪SOC‬‬

‫‪0.6‬‬

‫‪0.5‬‬

‫‪0.4‬‬

‫‪0.3‬‬

‫‪0.2‬‬
‫‪0‬‬ ‫‪1000‬‬ ‫‪2000‬‬ ‫‪3000‬‬ ‫‪4000‬‬ ‫‪5000‬‬ ‫‪6000‬‬ ‫‪7000‬‬ ‫‪8000‬‬
‫)‪time (s‬‬

‫الف) سیکل ‪TEH-CAR‬‬

‫شکل ‪ 4‬مقادير حداقل يافت شده برای تابع هدف برای ‪93/9‬‬
‫‪1‬‬
‫‪SOC before optimization-PHEV10‬‬ ‫کیلومتر از دو سیکل رانندگی با الگوريتم ژنتیک‬
‫‪SOC before optimization-PHEV20‬‬
‫‪0.9‬‬ ‫‪SOC after optimization-PHEV10‬‬
‫‪SOC after optimization-PHEV20‬‬

‫‪0.8‬‬

‫‪0.7‬‬
‫‪SOC‬‬

‫‪0.6‬‬

‫‪0.5‬‬

‫‪0.4‬‬

‫‪0.3‬‬

‫‪0.2‬‬
‫‪0‬‬ ‫‪1000‬‬ ‫‪2000‬‬ ‫‪3000‬‬ ‫‪4000‬‬ ‫‪5000‬‬ ‫‪6000‬‬ ‫‪7000‬‬ ‫شکل ‪ 9‬مقادير بهینه يافت شده اندازهی موتور احتراقی برای ‪93/9‬‬
‫)‪time (s‬‬
‫کیلومتر از دو سیکل رانندگی با الگوريتم ژنتیک‬
‫ب) سیکل ‪UDDS‬‬
‫شکل ‪ 7‬سطح شارژ باتری قبل و بعد از بهینهسازی برای ‪93/9‬‬
‫کیلومتر از دو سیکل رانندگی مورد نظر‬

‫نتايج نشاندهندهی اين است که در فرايند بهینهسازی با‬

‫استراتژی کنترلی ترکیبی‪ ،‬اندازهی اجزاء به سمتی میرود که‬
‫سطح شارژ باتری در انتهای مسیر رانندگی‪ ،‬حتی االمکان به‬
‫محدوده ی حداقل آن برسد‪ .‬از موتور الکتريکی به نحوی در مود‬
‫کاهش شارژ استفاده میگردد که همزمان موتور احتراقی حداکثر‬
‫در ناحیه بهینه خود کار کند يا کمتر کار کند و از توان باقیمانده‬ ‫شکل ‪ 6‬مقادير بهینه يافت شده اندازهی موتور الکتريکی برای ‪93/9‬‬
‫توسط موتور الکتريکی و باتریها تامین گردد‪ .‬اندازهبندی اجزاء‬ ‫کیلومتر از دو سیکل رانندگی با الگوريتم ژنتیک‬

‫وابستگی زيادی به استراتژی کنترلی ترکیبی انتخاب شده دارد‪،‬‬

‫همانگونه که در نتايج شکلهای ‪ 4‬تا ‪ 6‬ديده میشود‪ ،‬در فرايند‬
‫بگونه ای که اگر اين استراتژی کنترلی تغییر کند‪ ،‬اندازهی اجزاء‬
‫بهینهسازی خودروهای هیبريد الکتريکی پالگاين‪ ،‬هرچه انرژی‬
‫متناسب با آن انتخاب میگردد‪ .‬برخی از سطوح شارژ به حداقل‬
‫بیشتری از جانب باتری در دسترس باشد‪ ،‬موتور احتراقی کوچک‪-‬‬
‫مجاز خود (‪ 29‬درصد) دست نیافته است که نیاز کنترلر به بهینه‪-‬‬
‫تر و موتور الکتريکی بزرگتر‪ ،‬مصرف سوخت کمتر و آاليندگی‬
‫سازی استراتژی کنترلی را نمايان میکند‪ .‬حال اگر برای خودروی‬
‫کمتری خواهند داشت‪ .‬اين نتیجه نشان دهندهی پیشروی‬
‫هیبريد الکتريکی پالگاين با اجزاء بهینه‪ ،‬نتايج استراتژی کنترلی‬
‫بهینه سازی به سمتی است که از انرژی ارزان الکتريکی در‬
‫ترکیبی بهینه شده را با نتايج استراتژی کنترلی متمرکز تمام‬
‫دسترس باتری‪ ،‬در طول سیکل رانندگی استفاده شود و خودرو‬
‫الکتريکی برای مسافت بیش از برد تمام الکتريکی خودرو مقايسه‬
‫بیشتر به سمت خودروی تمام الکتريکی میل نمايد‪.‬‬
‫نمائیم‪ ،‬خواهیم ديد که برای مسافتهای بیش از مسافت برد‬

‫‪5‬‬
‫بیست و چهارمین همايش ساالنه بینالمللی مهندسی مکانیک ايران‪ISME2016،‬‬
‫ايران‪ ،‬يزد‪،‬دانشگاه يزد‪ 7 ،‬لغايت ‪ 9‬ارديبهشت ‪3199‬‬

‫‪70‬‬ ‫‪160‬‬

‫‪60‬‬ ‫‪140‬‬

‫‪120‬‬
‫‪50‬‬

‫‪100‬‬
‫)‪Engine Torque (N.m‬‬

‫)‪Engine Torque (N.m‬‬

‫‪40‬‬
‫‪80‬‬
‫‪30‬‬
‫‪60‬‬
‫‪20‬‬
‫‪40‬‬

‫‪10‬‬
‫‪20‬‬

‫‪0‬‬ ‫‪0‬‬

‫‪-10‬‬ ‫‪-20‬‬
‫‪0‬‬ ‫‪1000‬‬ ‫‪2000‬‬ ‫‪3000‬‬ ‫‪4000‬‬ ‫‪5000‬‬ ‫‪6000‬‬ ‫‪0‬‬ ‫‪1000‬‬ ‫‪2000‬‬ ‫‪3000‬‬ ‫‪4000‬‬ ‫‪5000‬‬ ‫‪6000‬‬
‫)‪Engine Speed (rpm‬‬ ‫)‪Engine Speed (rpm‬‬

‫بعد از بهینهسازی‬ ‫قبل از بهینهسازی‬

‫شکل ‪ 2‬نمودار ‪ map‬موتور احتراقی قبل و بعد از بهینهسازی برای خودروی ‪ PHEV10‬در سیکل رانندگی ‪TEH-CAR‬‬

‫‪70‬‬ ‫‪70‬‬

‫‪60‬‬ ‫‪60‬‬

‫‪50‬‬ ‫‪50‬‬
‫)‪Engine Torque (N.m‬‬
‫)‪Engine Torque (N.m‬‬

‫‪40‬‬ ‫‪40‬‬

‫‪30‬‬ ‫‪30‬‬

‫‪20‬‬ ‫‪20‬‬

‫‪10‬‬ ‫‪10‬‬

‫‪0‬‬ ‫‪0‬‬

‫‪-10‬‬ ‫‪-10‬‬
‫‪0‬‬ ‫‪1000‬‬ ‫‪2000‬‬ ‫‪3000‬‬ ‫‪4000‬‬ ‫‪5000‬‬ ‫‪6000‬‬ ‫‪0‬‬ ‫‪1000‬‬ ‫‪2000‬‬ ‫‪3000‬‬ ‫‪4000‬‬ ‫‪5000‬‬ ‫‪6000‬‬
‫)‪Engine Speed (rpm‬‬ ‫)‪Engine Speed (rpm‬‬

‫بعد از بهینهسازی‬ ‫قبل از بهینهسازی‬

‫شکل ‪ 9‬نمودار ‪ map‬موتور احتراقی قبل و بعد از بهینهسازی برای خودروی ‪ PHEV10‬در سیکل رانندگی ‪UDDS‬‬

‫”‬ ‫[‪ ]3‬پايان نامه کارشناسی ارشد‪ ،‬وحید معدنی پور‪، 3192 ،‬‬ ‫تمام الکتريکی‪ ،‬بهترين انتخاب برای کاهش مصرف سوخت و‬
‫مدلسازی و شبیهسازی خودرو هیبريد الکتريکی پالگ اين“ ‪،‬‬ ‫آاليندگیها‪ ،‬استفاده از استراتژی کنترلی ترکیبی است‪.‬‬
‫دانشگاه علم و صنعت ايران‬ ‫برای اثبات بهینه بودن نتايج حاصله‪ ،‬نمودار نواحی کارکرد موتور‬
‫[‪ ]2‬منتظری‪ ،‬مرتضی ‪ ،‬معدنی پور‪ ،‬وحید‪ ” ،‬مدلسازی و شبیهسازی‬ ‫احتراقی (‪ )map‬و سطح شارژ باتری‪ ،‬قبل و بعد از بهینهسازی‪ ،‬در‬
‫خودروی هیبريد الکتريکی پالگ اين با موتور ملی“ ‪ ،‬بهمن ‪،92‬‬ ‫شکلهای ‪ 2‬و ‪ 9‬آورده شده است‪ .‬ضرايب اندازهی موتور احتراقی و‬
‫مجموعه مقاالت هشتمین همايش بینالمللی موتورهای درونسوز‪، ،‬‬ ‫موتور الکتريکی و ظرفیت باتری‪ ،‬قبل از بهینهسازی يک درنظر گرفته‬
‫پژوهشگاه صنعت نفت‪ ،‬تهران‪ ،‬ايران‪ICICE08_098 ،‬‬ ‫شده است‪.‬‬
‫‪[3] Ehsani, M., Gao, Y. and Emadi, A., “Modern‬‬
‫‪Electric, Hybrid Electric, and Full Cell Vehicles,‬‬ ‫نتیجهگیری‬
‫‪Fundamentals, Theory, and Design”, Second Edition,‬‬
‫در اين مقاله پس از مدلسازی خودروی هیبريد الکتريکی پالگ اين‬
‫‪CRC Press (2010).‬‬
‫‪[4] Simpson, A., “Cost-Benefit Analysis of Plug-In‬‬ ‫سمند با موتور ملی و ساختار موازی‪ ،‬باتریهای لیتیوم يون و کنترلر‬
‫‪Hybrid Electric Vehicle Technology”, October 2006,‬‬ ‫فازی‪ ،‬به بهینهسازی اندازهی اجزاء (اندازهبندی) خودروی موردنظر‬
‫‪22nd International Battery, Hybrid and Fuel Cell‬‬
‫‪Electric Vehicle Symposium (EVS-22), Yokohama,‬‬ ‫پرداخته شده است که در اين فرايند‪ ،‬اندازهی اجزاء مورد نظر با‬
‫‪Japan‬‬ ‫استفاده از الگوريتم بهینهسازی ژنتیک بهینه گرديده است‪ .‬نتايج‬
‫‪[5] Madanipour, Vahid, Montazeri-Gh, Morteza and‬‬ ‫نشان دهنده بدست آمدن اندازه اجزاء بهینه میباشند که در حین‬
‫‪Mahmoodi-k, Mehdi, “Optimization of the component‬‬
‫‪sizing for a plug-in hybrid electric vehicle using a‬‬ ‫رعايت قیدهای عملکرد دينامیکی خودرو‪ ،‬مصرف سوخت و آاليندگی‬
‫‪genetic algorithm”, 2015, Proc IMechE Part D:J‬‬ ‫کمتری دارند‪.‬‬
‫‪Automobile‬‬ ‫‪Engineering,‬‬ ‫‪IMechE,‬‬ ‫‪DOI:‬‬
‫‪10.1177/095440701559225‬‬
‫مراجع‬

‫‪6‬‬