Professional Documents
Culture Documents
48005
48005
ISME2016-48005
چکیده
مهندسی باشند الزاما جواب بهینه را از لحاظ مصرف سوخت، خودروی هیبريد الکتريکی پالگ اين نوع جديدی از خودروهای
آاليندگیها و عملکرد دينامیکی خودرو ندارد و استفاده از هیبريد الکتريکی هستند که از باتری های با ظرفیت بیشتر
الگوريتمهای بهینهسازی در طراحی و انتخاب اجزاء امری استفاده مینمايند و قابلیت شارژ باتری از برق شهری را دارا
اجتناب ناپذير است [ 1و .]4 هستند .در اين مقاله اندازه بندی بهینه اجزاء خودروی هیبريد
الکتريکی پالگ اين سمند با موتور ملی و ساختار موازی و مفاهیم
اهداف اندازهبندی خودروی هیبرید الکتریکی پالگاین مربوط به آن به روش بهینهسازی کالسیک با استفاده از الگوريتم
اهداف اصلی طراحی خودرو عبارت است از: ژنتیک ( )GAانجام شده است .برای اين کار مدل اين خودرو با
کاهش مصرف سوخت باتریهای لیتیوم يون و کنترلر فازی در نرمافزار ADVISOR
کاهش آاليندههای خروجی ايجاد گرديده و با استفاده از الگوريتم ژنتیک اجزاء خودروی
رعايت قیود عملکرد دينامیکی مورد انتظار از جمله قیود شتاب، سمند هیبريد پالگ اين PHEV10و PHEV20با استراتژی
قید حداکثر سرعت و قابلیت شیبپیمايی کنترلی ترکیبی ( )Blendedبرای مسافت 93/9کیلومتر (12
مايل) از دو سیکل رانندگی TEH-CARو UDDSبهینه
در اين تحقیق ،برای هر مرحله از اندازهبندی اجزاء چرخه محرکه،
گرديده است و با مقادير قبل از بهینه سازی مقايسه گرديده
ضريب اندازهی موتور احتراقی 𝒄 ، 𝑪𝒇.ضريب اندازهی موتور
است .هدف از اندازهبندی ،کمینه کردن مصرف سوخت و
الکتريکی 𝒄 ، 𝑪𝒎.ضريب ظرفیت باتری 𝒄 𝑪𝒃.و تعداد ماژول
آاليندگیها در حین رعايت نمودن قیود عملکرد دينامیکی
باتریها 𝒎 𝑪𝒃.تغییر میکند .از اين چهار متغیر ،سه متغیر
خودرو میباشد.
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 کلیدواژه :خودروی هیبريد الکتريکی پالگ اين ،بهینه سازی
وابسته بودن متغیر چهارم ،يعنی تعداد ماژول باتری 𝒎 𝑪𝒃.اين کالسیک ،الگوريتم ژنتیک ،استراتژی کنترلی ترکیبی
است که اين متغیر بواسطه برد تمام الکتريکی خودرو تعیین می-
گردد .همانگونه که اشاره شده PHEV10 ،نشاندهندهی برد مقدمه
تمام الکتريکی خودرو به مقدار 31مايل میباشد .بنابراين در اولین گام در طراحی خودروی هیبريد الکتريکی پالگاين مدل-
بهینهسازی اجزاء خودروی ، PHEV10ظرفیت باتری و تعداد سازی آن در يک نرمافزار شبیهسازی است تا بتوان با استفاده از
ماژول باتری در طول بهینهسازی بايستی طوری در کنار يکديگر اين مدل ،طراحیهای الزم و بهینهسازی انجام گیرد .در [ 3و ]2
قرار بگیرند تا بتوانند توان مورد نیاز برای رانندگی تمام الکتريکی مدلسازی خودرو هیبريد الکتريکی پالگاين سمند با موتور ملی،
به منظور طی مسافت مورد نظر را داشته باشند .در نتیجه يکی باتری های لیتیوم يون و کنترلر فازی در نرمافزار ADVISOR
از متغیرهای ضريب ظرفیت باتری و تعداد ماژول باتری مستقل انجام گرديده است .در اين مقاله اولین گام برای طراحی بهینه
و ديگری وابسته است .در اينجا ضريب ظرفیت باتری ،متغیری اين خودرو برداشته میشود .اولین گام در طراحی بهینه خودروی
مستقل درنظر گرفته شده است .خودروی مورد استفاده در فرايند هیبريدالکتريکی ،تعیین اندازهی اجزاء اصلی مکانیکی و الکتريکی
اندازهبندی خودروی هیبريد پالگاين موازی سمند با موتور ملی میباشد .به اين مرحله از طراحی اصطالحا اندازهبندی يا
میباشد .در اين خودرو موتور احتراقی 22کیلووات ،موتور سايزبندی اجزاء گفته میشود .سايز اجزاء تأثیر بسزايی در
الکتريکی 79کیلووات و باتریهای 12v 6Ah Saft li-ion عملکرد دينامیکی خودرو و همچنین مصرف سوخت و میزان
بعنوان مبنای اندازهی اجزاء درنظر گرفته شده است. 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 قیود عملکرد دینامیکی
هدف مدنظر طراح دارد .در صورتیکه در بهینهسازی کاهش در اينجا برای رعايت قیود عملکرد دينامیکی خودرو ،قیودی که
مصرف سوخت اولويت داشته باشد ،ضريب w1را بزرگتر از بقیه توسط PNGVارائه گرديده است ،استفاده شده است .اين قیود
درنظر میگیريم تا تغییرات آن تاثیر بیشتری بر روی تابع هدف در جدول 3آورده شده است [.]9
داشته باشد ،ولی اگر هدف از بهینهسازی ،بیشتر کاهش آالينده- در طول بهینهسازی به کمک رايانه ،در هر مرحله که خودرو با
های خروجی خودرو باشد ،ضريب w2و w3را بزرگتر از w1 اندازهی انتخابی ،قیود عملکرد دينامیکی را رعايت ننمايد ،توابع
درنظر میگیريم .اگر همه موارد تشکیل دهنده تابع هدف برای جريمه ای برای هر تخطی از محدوده قیود به تابع هدف بهینه-
بهینهسازی اولويتی نداشته باشند ،تمام ضرايب يک درنظر گرفته سازی اضافه میگردد.
میشود .در اينجا بدلیل اينکه هدف از اندازهبندی اجزاء خودرو
هیبريد پالگاين بیشتر کاهش مصرف سوخت میباشد ،ضريب 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
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
0.8 1
0.8 1
0.7 0.8
0.7 0.8
mc scale
fc scale
mc scale
fc scale
34 2.8
module um
module um
n
n
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
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
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
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
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
” [ ]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