بهینه سازی و کنترل خودروهای هیبریدی با در نظر گرفتن جرایم مربوط به آلایندگی و بر اساس الگوریتم Pso

در این مقاله روشی جدیدی به‌منظور بهینه کردن استراتژی کنترل در خودروهای هیبرید موازی ارائه‌شده است. با پیشنهاد یک تابع هدف جدید و به‌منظور مدیریت موثر تقسیم توان بین موتورهای احتراقی و الکتریکی، میزان مصرف سوخت بهینه‌شده و همچنین میزان آلایندگی‌ها نیز با در نظر گرفتن توابع جریمه به حداقل ممکن رسیده است. با استفاده از نرم افزار advisor، به‌عنوان یکی از نرم افزارهای متداول در زمینه شبیه سازی خودروهای هیبریدی و همچنین معادلات غیرخطی حاکم بر این خودروها، یک خودروی هیبرید موازی در چرخه رانندگی شهری آمریکا را شبیه سازی نموده و جهت بهینه کردن استراتژی کنترل از یک الگوریتم توسعه‌یافته بر اساس روش بهینه سازی ازدحام ذرات (pso) استفاده‌شده است. در الگوریتم pso پیشنهادی از ضرایب انقباض و اعمال اثر آینه ای سرعت، جهت افزایش کارایی روش استفاده می گردد. با محدودیت های جدیدی که برای الگوریتم pso پیشنهاد گردیده، نتایج حاصله بهبودیافته است. همچنین نتایج شبیه سازی با نتایج به‌دست‌آمده از الگوریتم های ارائه‌شده در مقالات اخیر مقایسه گردیده است. این مقایسه نیز کارایی و دقت الگوریتم پیشنهادی را در بهینه سازی پارامترهای کنترل که منجر به کاهش مصرف سوخت و آلاینده های خروجی از خودرو شده است، نشان می‌دهد.

Optimization and control of hybrid vehicles with considering penalty factors for emission and based on the PSO algorithm

This paper presents a new approach to optimizing of the control strategy in parallel hybrid vehicles. By proposing a new objective function and in order to efficient management of the power split between the combustion and electrical motors, fuel consumption and the amount of emissions are minimized with considering the penalty functions. Using the ADVISOR software, as one of the most common software used for a hybrid vehicle, as well as nonlinear equations of these vehicles, a parallel hybrid vehicle in the urban driving cycle of the United States is simulated. In this paper, an extended algorithm based on the Particle Swarm Optimization (PSO) is used. In the proposed PSO algorithm, the coefficients of contraction and the mirror effect of speed are used to increase the efficiency of the method. With the new constraints proposed for the PSO algorithm, the results have been improved. Also, simulation results are compared with the results obtained from the algorithms presented in recent papers. This comparison also shows the efficiency and accuracy of the proposed algorithm in optimizing the control parameters that lead to reduced fuel consumption and emissions from the vehicle.