Optimizacija funkcionalnih i upravljačkih parametara hibridnog pogonskog sistema vozila javnog gradskog prevoza

Abstract

Pogonski sistemi savremenih vozila predmet su istraživanja velikog broja naučnika širom sveta. Osnovni cilj istraživanja ogleda se u zadovoljavanju sve složenijih i oštrijih zakonskih odredbi u pogledu toksične izduvne emisije i smanjenja potrošnje goriva, uz zadržavanje povoljnih performansi vozila. Hibridni pogonski sistemi koji, pored motora sa unutrašnjim sagorevanjem, obuhvataju i dodatnu pogonsku mašinu i alternativni akumulator energije, nude velike mogućnosti u pogledu uštede goriva. Od presudne važnosti za ostvarivanje potencijalnih ušteda jesu optimizacija funkcionalnih i upravljačkih parametara sistema. Predmet ove disertacije jeste eksperimentalno i teorijsko istraživanje u oblasti optimizacije hidrauličnog hibridnog pogonskog sistema namenjenog pogonu vozila javnog gradskog prevoza putnika. Važna odlika takvih sistema ogleda se u upotrebi hidro-pneumatskih akumulatora koje karakterišu niske vrednosti specifične energije. Upravo zato, javlja se potreba da se pažljivim izborom parametara akumulatora omogući maksimalno prikupljanje energije kočenja u fazama voznog ciklusa kada će i rezultujuće uštede u potrošnji biti najveće. Formiranjem detaljnog simulacionog modela hidrauličnog hibridnog pogonskog sistema, izvršeno je određivanje uticaja mase elastomerne pene, pritiska prednaprezanja i radne zapremine hidro-pneumatskog akumulatora na stepen korisnosti pogonskog sistema u celini. Takođe, ispitana je mogućnost primene metoda zasnovanih na neuronskim mrežama u procesu izvođenja i primene optimalnog upravljačkog algoritma. Na osnovu snimljenih voznih ciklusa, formiran je optimalan algoritam upravljanja upotrebom referentne metode dinamičkog programiranja koji je potom upotrebljen kao ulazni skup podataka za treniranje veštačkih neuronskih mreža različitih konfiguracija. Primenom funkcionalne optimizacije i predložene metode upravljanja, postignuto je smanjenje potrošnje goriva od 23,9% u smeru kretanja 1 i 25,5% u smeru kretanja 2 i stepen optimalnosti upravljačkog algoritma od 83,7% i 79,8%, respektivno.

Great scientific and engineering effoorts are being invested in improving the fuel economy and emission performance standards of powertrain systems amid ever-increasing legislative pressure. Hybrid powertrain systems, comprising a conventional internal combustion engine and an additional prime mover and its corresponding energy storage system, offeffoer great opportunities for fuel economy improvements. However, functional and control parameters optimization is of crucial importance in order to achieve the full extent of potential improvements. The subject of this dissertation is experimental and theoretical investigation into the ficeld of optimization of a hydraulic hybrid powertrain system intended for the propulsion of a transit bus. TheTheese hybrid propulsion solutions employ hydro-pneumatic accumulators for energy storage, which are characterized by low specific energy values. Because of this, it is of crucial importance to carefully choose the accumulator parameters in order to harness the maximum amount of regenerative braking energy during the deceleration phases that will yield the greatest fuel economy improvement. A comprehensive simulation model of a hydraulic hybrid powertrain system has been devised, which has allowed for the determination of the influfluuence of elastomeric foam mass, preload pressure and accumulator capacity on the resulting powertrain system efficfficciency and the potential fuel savings. For maximizing the achievable fuel savings, a neural network-based control algorithm trained using the optimal control trajectories derived using Dynamic Programming has been investigated. By applying the functional and optimal control optimizations presented in this dissertation, average fuel savings of 23.9% have been achieved in direction 1 of the transit bus driving cycle and 25.5% in direction 2. TheTheese ficgures represent 83.7% and 79.8% of the fuel economy improvements obtained using the unimplementable Dynamic Programming algorithm, respectively.