BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC NHA TRANG

VŨ THĂNG LONG

NGHIÊN CỨU TỐI ƯU HÓA THIẾT KẾ ĐỘ LỚN
VÀ THAM SỐ ĐIỀU KHIỂN NGUỒN NĂNG LƯỢNG
HỆ ĐỘNG LỰC XE HYBRID

Ngành đào tạo: Kỹ thuật cơ khí động lực
Mã số: 62520116

TÓM TẮT LUẬN ÁN TIẾN SĨ

Khánh Hòa – 2015


Công trình được hoàn thành tại Trường Đại học Nha Trang

Người hướng dẫn khoa học:

PGS.TS. Nguyễn Văn Nhận

Phản biện 1 :

Phản biện 2 :

Phản biện 3 :

Luận án được bảo vệ tại Hội đồng đánh giá luận án cấp trường họp tại
Trường Đại học Nha Trang vào hồi ….. giờ, ngày … tháng … năm …


3


Chương 1
TỔNG QUAN VỀ Ô TÔ HYBRID VÀ NGHIÊN CỨU
TỐI ƯU HÓA HỆ ĐỘNG LỰC CỦA Ô TÔ HYBRID
Tối ưu hóa thiết kế độ lớn của các nguồn năng lượng thuộc hệ động lực của ô
tô hybrid: Hệ động lực của ô tô hybrid có ít nhất hai loại nguồn động lực khác nhau đó
là động cơ đốt trong và động cơ điện có cùng một chức năng chính là cung cấp động
năng cho bánh xe chủ động của xe, ngoài ra hệ động lực cần có hệ thống sản xuất và
lưu trữ điện là máy phát và ắc qui. Độ lớn của ICE, EM và máy phát trong luận án này
được hiểu là công suất có ích lớn nhất. Độ lớn của ắc qui chính là dung lượng tổng
cộng của ắc qui. Tối ưu hóa độ lớn các thành phần cơ bản của hệ động lực là việc xác
định công suất lớn nhất hợp lý của ICE, EM, máy phát và dung lượng ắc qui nhằm
thỏa mãn mục tiêu tối ưu đề ra.
Tối ưu hóa tham số điều khiển nguồn năng lượng của hệ động lực ô tô hybrid:
Được hiểu là việc xác định và kiểm soát chế độ làm việc của các nguồn năng lượng
sao cho đạt được các mục tiêu mà phương án hybrid có thể mang lại.
Các nghiên cứu về tối ưu hóa trên ô tô hybrid hiện nay tập trung vào:
- Thiết kế và chế tạo các mô hình ô tô và một số thành tố cơ bản của hệ động lực
ô tô hybrid.
- Nghiên cứu tối ưu tham số điều khiển: Phương pháp tối ưu hóa sử dụng giải
thuật phân tử; Phương pháp tối ưu hóa sử dụng giải thuật di truyền (GA-Genetic
Algorithm) và Phương pháp sử dụng giải thuật mô phỏng quá trình ủ của kim loại
(SA-Simulated Annealing)
- Nghiên cứu về tối ưu hóa thiết kế độ lớn nguồn động lực: Tối ưu hóa nguồn
động lực cho ô tô hybrid kiểu nối tiếp sử dụng giải thuật di truyền kết hợp với giải
thuật tìm kiếm cục bộ SQP (Sequential Quadratic Programming) ; Tối ưu hóa nguồn
động lực cho ô tô hybrid kiểu song song sử dụng ba giải thuật: Giải thuật phân chia

5


Chương 2
TỐI ƯU HÓA THIẾT KẾ ĐỘ LỚN VÀ THAM SỐ ĐIỀU KHIỂN
NGUỒN NĂNG LƯỢNG HỆ ĐỘNG LỰC Ô TÔ HYBRID BẰNG
GIẢI THUẬT ĐÀN ONG
Chương 2 trình bày mô hình tối ưu hóa độ lớn các nguồn năng lượng và các tham
số điều khiển hệ động lực của ô tô hybrid được cấu thành từ động cơ đốt trong và động
cơ điện. Những thông tin cơ bản về giải thuật đàn ong, một số nội dung cải tiến giải
thuật đàn ong cơ sở do NCS thực hiện và phương pháp sử dụng giải thuật đàn ong trong
bài toán tối ưu hóa riêng lẻ các tham số điều khiển và bài toán tối ưu hóa đồng thời độ
lớn của các nguồn năng lượng và các tham số điều khiển hệ động lực ô tô hybrid được
xem là cơ sở lý thuyết của phần mô phỏng thực nghiệm được trình bày ở Chương 3.
MÔ HÌNH TỐI ƯU HÓA ĐỘ LỚN NGUỒN NĂNG LƯỢNG VÀ THAM SỐ
ĐIỀU KHIỂN HỆ ĐỘNG LỰC Ô TÔ HYBRID

Hình 2-1: Mô hình tổng quát tối ưu hóa cho ô tô hybrid sử dụng MDO
6


NCS sử dụng phương pháp Tối ưu hóa thiết kế đa ngành (Multidisciplinary
Design Optimization - MDO) để giải bài toán tối ưu hóa đồng thời nhiều tham số của
hệ động lực hybrid được cấu thành từ nhiều thành tố có đặc điểm cấu tạo và nguyên lý
hoạt động rất khác nhau theo sơ đồ trên Hình 2-1.

G ( X )  w1.FC  w2 .HC  w3 .CO  w4 .NO
w  w  w  w  1
 1
2


Y 
CO ( X ) 


 NO ( X ) 

(2.3)

Trong đó :
G(X) là hàm mục tiêu cần tối ưu
hl(X) ≤ 0 và kq(X) ≥ 0 là các điều kiện ràng buộc về tính năng động lực học của xe
XCZ-i (i = 1 ÷ n) là tập các biến về độ lớn các thành phần cơ bản của hệ động lực,
bao gồm công suất có ích lớn nhất của ICE, EM, EG và dung lượng AQ
XCS-j (j = 1 ÷ m) là tập các biến về tham số điều khiển nguồn năng lượng
Y là tập biến đầu ra gồm suất tiêu thụ nhiên liệu FC; hàm lượng phát thải các chất
HC, CO và NO.
Quá trình tối ưu hóa độ lớn các nguồn năng lượng và tham số điều khiển hệ động
lực ô tô hybrid trong luận án này thực hiện bằng phương pháp “thử và sai” có định
hướng theo giải thuật tối ưu được lựa chọn. Quá trình này gồm rất nhiều vòng lặp, tại
7


mỗi vòng lặp BỘ TỐI ƯU sẽ gán các giá trị cụ thể của mỗi biến cần tối ưu của X trong
miền giá trị được giới hạn bởi giới hạn dưới và giới hạn trên ở phương trình (2.2)
nhằm tạo một “ứng viên” tối ưu để đưa vào khối THIẾT BỊ đã được mô hình hóa.
Chiến lược điều khiển sẽ xác định điểm làm việc của các nguồn năng lượng theo từng
thời điểm của chu trình vận hành. Kết quả đầu ra Y của khối THIẾT BỊ sẽ xác định
được lượng tiêu thụ nhiên liệu FC, hàm lượng các chất độc hại HC, CO, NO trong khí
thải và tính năng động lực học của ô tô. Các thành phần của biến đầu ra Y sẽ được đưa

 Bước 8: Kết thúc quá trình tìm kiếm nếu điều kiện hội tụ thỏa mãn, nếu chưa thỏa
mãn thì quay lại Bước 2. Điều kiện hội tụ ở đây là fitness lớn nhất trong quần thể mới
sau mỗi vòng lặp không thay đổi sau một số vòng lặp qui định hoặc sau N vòng lặp.
Để ứng dụng BBA vào bài toán đặt ra ở trên, hàm fitness Fn(X) được sử dụng để
đánh giá độ phù hợp của lời giải. Fn(X) là trị số nghịch đảo của hàm mục tiêu G(X),
những lời giải có “fitness” lớn sẽ cho hàm mục tiêu G(X) nhỏ và ngược lại. Tuy nhiên
việc tìm lời giải cho G(X) nhỏ nhất nhưng vẫn phải thỏa mãn điều kiện ràng buộc về
tính năng động lực học của xe. Trong BBA, việc lựa chọn lời giải tốt nhất chỉ dựa vào
Fn(X), do đó để xét thêm điều kiện ràng buộc về mặt động lực học thì hàm Fn(X) ở
phương trình (2.22) đã được NCS đưa thêm 3 hàm phạt Ci(X) (xem phương trình 2.24)
để xét điều kiện về tính năng động lực học của Việt Nam theo TCVN 4054 : 2005 và
22 TCN 307 – 03. Những lời giải (ứng viên) cho kết quả vi phạm điều kiện ràng buộc
sẽ làm giảm Fn(X), nên khả năng được lựa chọn của nó cũng sẽ bị thấp đi.

Fn( X ) 

1
3

G ( X )   ki . Ci ( X )



1
G' ( X )

(2.22)

i 1



vmax , θmin và t200m là yêu cầu vận tốc tối đa, độ dốc tối thiểu của đường mà xe phải
leo được và thời gian cho phép từ khi xe khởi hành cho đến khi đi được 200m
GIẢI THUẬT ĐÀN ONG DỰA TRÊN PHEROMONE (PBA)
Tương tự như khi sử dụng BBA vào bài toán tối ưu, hàm fitness Fn(X) là trị số
nghịch đảo của hàm mục tiêu G’(x). Hàm phạt ở (2.28) được NCS đưa vào (2.27) để
xét thêm điều kiện ràng buộc về tính năng động lực học của xe.
Giá trị fitness tại vị trí Sj được tính như sau:
fitness( S j )( x ) 

1
3

G ( S j )( x )   ki . Ci ( S j )( x )



1
G ( S j )( x )
'

(2.27)

i 1

C1 ( S j )( x )  max(0; vmax  Velocity ( S j )( x ) ) / vmax

C2 ( S j )( x )  max(0; min  Slope( S j )( x ) ) /  min

C3 ( S j )( x )  max(0; Time( S j )( x )  t200 m ) / t200 m

e 1

i

i 1

(2.30)

ph( S j , t  1) . f s ( S j ) 

.m.e

(2.32)

ph(S j , t )  ph(S j , t  1) .   f s (S j ) . nb (S j , t )

(2.34)

e

  ph(Si , t  1) . f s (Si ) 




i 1

Trong đó:
fs(Sj) là số điểm (fitness score) tại vị trí Sj
m là số lượng ong trung bình tại từng vị trí tìm kiếm trong e

vận hành FTP do EPA xây dựng;
(4) Đánh giá độ tin cậy của phương pháp tối ưu hóa hệ động lực hybrid bằng giải
thuật đàn ong.
NỘI DUNG MÔ PHỎNG THỰC NGHIỆM
TT Danh mục các mô phỏng thực nghiệm
Mô phỏng thực nghiệm trên Honda Insight 2000

1

2

3

4

Tối ưu hóa riêng lẻ tham số điều khiển bằng giải thuật BBA theo chu trình vận
hành áp dụng cho ô tô con ở Việt Nam (CECDC).
Tối ưu hóa riêng lẻ tham số điều khiển bằng giải thuật BBA theo chu trình vận
hành FTP.
Tối ưu hóa riêng lẻ tham số điều khiển bằng giải thuật PBA theo chu trình vận
hành CECDC.
Tối ưu hóa riêng lẻ tham số điều khiển bằng PBA theo FTP.
12


Tối ưu hóa đồng thời độ lớn nguồn năng lượng và tham số điều khiển bằng

5

BBA theo CECDC

định trong điều kiện Việt Nam có dạng như sau :
 Min  G ( X )   Min( FC )

vmax  120km / h

  min  11%
t
 200 m  20, 4 s

Khi tối ưu riêng lẻ tham số điều khiển sử dụng giải thuật BBA và PBA (Bảng
3-7; 3-8; 3-9 và 3-10 phần Phụ lục):
-

Giải thuật BBA và PBA đã xác định được các bộ trị số tham số điều khiển mới

ở cột (1), (2) và (3) so với bộ tham số điều khiển hiện tại của xe Honda Insight 2000 ở
cột (0) theo chu trình vận hành CECDC và FTP. So sánh giá trị của FC, vmax, min và
13


t200m của các kết quả do BBA và PBA tìm thấy và giá trị của FC, vmax, min và t200m của
xe Honda Insight 2000 nguyên bản, chẳng hạn so sánh giá trị của cột (1) và cột (0) ở
Bảng 3-7; 3-8; 3-9 và 3-10 cho thấy khi sử dụng bộ trị số tham số điều khiển mới này
sẽ cải thiện được FC, đồng thời cho tốc độ tối đa vmax, khả năng leo dốc min và thời
gian tăng tốc t200m tương đương so với xe Honda Insight 2000.
-

Khi tối ưu riêng lẻ tham số điều khiển theo chu trình vận hành CECDC và FTP

thì độ lớn nguồn động lực được giữ nguyên. Do tổng công suất cực đại của ICE, EM

thành phần cơ bản hệ động lực (biểu diễn qua hệ số tỉ lệ fc_trq_scale, mc_trq_scale và
ess_cap_ scale) và tham số điều khiển mới từ cột (1) đến cột (5) trong Bảng 3-11; 314


12; 3-13 và 3-14 so với độ lớn nguồn động lực và tham số điều khiển hiện tại của xe
Honda Insight 2000 ở cột (0).
-

Do yêu cầu về tính năng động lực học (vmax, min, t200m) sau khi tối ưu thấp hơn

so với xe Honda Insight 2000 nguyên thủy nên công suất cực đại yêu cầu của xe sau
khi tối ưu giảm đi nhiều. Chẳng hạn với độ lớn nguồn động lực ở cột (1) trong Bảng 311 thì công suất cực đại của ICE chỉ còn 45% và công suất cực đại của EM bằng
30,5%, dung lượng yêu cầu của AQ còn 97% so với xe nguyên bản, do đó làm cho FC
giảm đi 1,721 lít/100km (giảm 34,5%).
-

Việc sử dụng hàm phạt (2.24) và (2.28) do NCS đề xuất đã cho kết quả tối ưu

tìm được có tốc độ tối đa vmax, khả năng leo dốc min và thời gian tăng tốc t200m đều
thỏa mãn điều kiện ràng buộc về mặt động lực học phù hợp điều kiện của Việt Nam,
đồng thời BBA và PBA cũng tìm được FC nhỏ nhất tương ứng.
-

Hệ số hybrid HF trên các ô tô hybrid hiện nay thường nằm trong khoảng (0,1 –

0,5), trong đó hệ số hybrid của 5 bộ kết quả do BBA và PBA đề xuất ở Bảng 3-11; 312; 3-13 và 3-14 có giá trị xấp xỉ với hệ số hybrid trên xe Honda Insight 2000 hiện
nay.
-

Với mỗi chu trình vận hành khác nhau, BBA và PBA sẽ tìm được trị số độ lớn

t200 m  20,5s



Trong đó FC , HC ,

CO

và

NO

là giá trị chuẩn hóa của FC, HC, CO và NO.

Khi tối ưu riêng lẻ tham số điều khiển sử dụng giải thuật PBA (Bảng 3-15
phần Phụ lục):
(1). Trọng số wi có ảnh hưởng nhiều đến kết quả tối ưu riêng lẻ tham số điều
khiển. Cụ thể :
- Lượng tiêu thụ nhiên liệu FC nhỏ nhất tìm được sau mỗi quá trình tối ưu, ứng
với một bộ trị số cụ thể của wi (i = 1 - 4), tỉ lệ nghịch với trọng số w1 đi kèm với FC
trong hàm mục tiêu (xem Hình 3-6). Khi w1 = 0,85, giá trị FC do PBA tìm được giảm
đi 0,858 lít/100km (12,5%) nhưng khi w1 = 0,1 thì giá trị FC nhỏ nhất mà PBA tìm
thấy lại lớn hơn 0,171 lít/100km (2,5%) so với FC hiện tại trên xe Toyota Prius 1998.

Hình 3-6. Ảnh hưởng của w1 đến FC
16


4


trình cháy tốt hơn sẽ làm cho FC và HC giảm nhưng nhiệt độ cháy cao tạo điều kiện
thích hợp để hình thành NO (xem Hình 3-9). Khi w1 = 0,85 và w4 = 0,05, giá trị NO do
PBA tìm được lớn hơn 0,012 g/km (5,7%) so với NO hiện tại trên xe Toyota Prius
1998 nguyên bản, nhưng khi w1 = 0,1 và w4 = 0,3 thì giá trị NO nhỏ nhất mà PBA tìm
thấy lại giảm đi là 0,07 g/km (33,2%) so với NO hiện tại trên xe Toyota Prius 1998
nguyên bản.

18


Hình 3-9a. Ảnh hưởng của w1 đến NO

Hình 3-9b. Ảnh hưởng của w4 đến NO
(2). Khi tối ưu riêng lẻ tham số điều khiển thì độ lớn nguồn động lực được giữ
nguyên. Do tổng công suất cực đại của ICE, EM trên xe Toyota Prius 1998 nguyên
bản lớn hơn rất nhiều so với công suất tổng cộng yêu cầu để xe Toyota Prius 1998
đồng thời thỏa mãn cả 3 điều kiện ràng buộc về mặt động lực học của Việt Nam. Do
đó, việc sử dụng hàm phạt ở phương trình (2.28) chưa có ý nghĩa thực tiễn, các kết quả
tối ưu tìm được đều có khả năng leo dốc tối thiểu luôn lớn hơn rất nhiều so với qui
định là 11%, yêu cầu vận tốc cực đại vmax cũng luôn lớn hơn 120 km/h và thời gian
tăng tốc t200 luôn nhỏ hơn 20,5s.
Khi tối ưu đồng thời độ lớn nguồn động lực và tham số điều khiển sử dụng
giải thuật PBA (Bảng 3-19 phần Phụ lục):
19


(1). So với tối ưu riêng lẻ tham số điều khiển, khi tối ưu đồng thời độ lớn các
thành phần cơ bản hệ động lực và tham số điều khiển cho xe Toyota Prius 1998 thì
trọng số wi không có ảnh hưởng đáng kể đến trị số FC, HC, CO và NO do PBA tìm
được. Theo Bảng 3-19, mặc dù PBA tìm được 3 bộ kết quả tối ưu có độ lớn nguồn

62520116

Nghiên cứu sinh:

Vũ Thăng Long

Người hướng dẫn: PGS.TS Nguyễn Văn Nhận
Cơ sở đào tạo:

Trường Đại học Nha Trang

Nội dung :
(5) Phát triển mô hình tối ưu hoá đồng thời, đa mục tiêu các thành phần cơ bản của
hệ động lực và tham số điều khiển;
(6) Phát triển phương trình fs(Sj) (2.30), nb(Sj,t) (2.32) và ph(Sj,t) (2.34) của giải
thuật Đàn Ong;
(7) Xây dựng các hàm phạt phản ảnh điều kiện ràng buộc về mặt động lực học cho
giải thuật Đàn Ong để giải bài toán tối ưu đặt ra.
(8) Xây dựng một mô-đun chương trình bằng Matlab để kết nối giải thuật tối ưu
với phần mềm ADVISOR, có áp dụng cho điều kiện Việt Nam.

Người hướng dẫn

Nghiên cứu sinh

21


Abstracts


2. V. T. LONG, N. V. NHAN, (2012), “Bees-algorithm-based optimization of
component size and control strategy parameters for parallel hybrid electric
vehicles”, International Journal of Automotive Technology, 13, 7, 1177 – 1183.
3. V. T. LONG, (2012), “Application of Bees Algorithm for simultaneous
optimisation of HEV key component sizes and control strategy”, The 2nd
international conference on automotive technology, engine and alternative
fuels, ISBN: 978-604-73-1496-6, 37 – 43.
4. Vu Thang Long (2013), “Research on Control Strategy of Series Hybrid
Electric Vehicles”, The 3rd International Conference on Sustainable Energy,
2013, ISBN: 978-604-73-1990-9
5. V. T. LONG (2013), “Research on Control Strategy of Series Hybrid Electric
Vehicles”, International Journal of

Renewable Energy and Environmental

Engineering, ISSN 2348-0157, Vol. 01, No. 01, October 2013
6. V. T. LONG (2015), “Application of a pheromone-based bees algorithm for
simultaneous optimisation of key component sizes and control strategy for
hybrid electric vehicles”, International Journal of Swarm Intelligence and
Evolutionary Computation, USA, Vol. 04, Issue 01, 2015
7. Vu Thang Long (2015), “Application of a Pheromone-based Bees Algorithm as
an optimizer of Multidisciplinary Design Optimization for Powertrain
Component Sizing and Control Strategy Parameters for Hybrid Electric
Vehicles – Toyota Prius 1998”, The 14th Conference on Science and
Technology, International Session on Transportation Engineering, HCM City
University of Technology
8. V. T. LONG, MS. PACKIANATHER (2016), “Application of a PheromoneBased Bees Algorithm as an Optimizer Within a Multidisciplinary Design
Optimization System for Powertrain Component Sizing and Control Parameters
for Hybrid E-Vehicles”, International Journal of Transportation Engineering
and