电动汽车增程器设计中的关键共性基础问题研究

Range extended electric vehicle combines the advantages of conventional engine and pure electric driving vehicle, which currently is the best choice of transferring from conventional vehicles to pure electric ones. Considering the critical problem of limited efficiency improvement for existing range extended engines, this project will investigate the important fundamental issues using Atkinson cycle engine as range extended engine for range extended electric vehicle. First, based on the requirement analysis of the vehicle power and overall design of the engine structure, establish the engine thermodynamic and motor finite element simulation models. Second, in order to improve the prediction accuracy of engine working process and performance in the case of a large variety of structure parameters and operating variables, improved knock and flow models will be developed. Neural network optimization models for the engine and generator will be trained and obtained based on simulation results from the engine thermodynamic and motor finite element models. The efficiency effect mechanism of Atkinson cycle engine will be studied based on the artificial neural network models. Finally, a multi-disciplinary design optimization methodology based on artificial neural network models will be proposed. This method is then used to perform the multi-disciplinary coordination optimization and matching for the engine and generator. According to the optimization results of the range extender, a prototype engine and generator system will be set up. Real experiments will be carried out to study the performance of the range extender and to validate theoretical models. This novel research in the areas of engine overall structure design, engine knock and flow prediction models, engine efficiency effect mechanism, and multi-disciplinary optimization methodology, will provide theoretical guidance for the design and optimization of range extender used by electric vehicle.

增程式电动汽车结合了传统内燃机和纯电动汽车的优点，是传统汽车向纯电动过渡的最佳方案。本课题针对现有増程发动机难以提高工作效率的主要问题，研究将Atkinson循环发动机用作増程发动机的关键基础问题。首先，在进行功率需求分析和确定发动机结构的基础上，建立发动机热力学和发电机有限元仿真模型。其次，为了提高结构参数和操作变量大范围变化时的工作过程和性能预测准确性，将研究和改进现缸内流动和爆震预测模型。利用发动机和发电机仿真数据训练和得到发动机和发电机的神经网络优化模型，在此基础上研究Atkinson循环发动机的多学科效率影响机理。最后，提出基于神经网络模型的多学科设计优化方法进行发动机和发电机的多学科协同优化和匹配，根据优化结果搭建样机并进行性能实验和模型验证。本课题在发动机的结构设计，缸内流动和爆震预测模型，效率影响机理和多学科优化方法方面的创新研究，将为电动汽车增程器的设计优化提供理论指导。

电动汽车用増程器的设计要求是重量轻、结构紧凑、噪音低和高效率。本项目针对这个要求对电动汽车増程器设计中的关键共性基础问题进行了深入的研究。首先，増程器用发动机的结构和功率需求和传统汽车发动机有很大不同。増程器发动机不直接驱动车轮，功率需求小，可以单点操作和设计，结构可以更加简单，可以采用集成式缸体和排气歧管等结构方案。第二，为了实现高效率，研究了联合Atkinson循环、EGR和高几何压缩比等技术措施，并研究了影响Atkinson循环发动机性能的主要结构参数、操作变量和外部因素。EGR，进气门晚关和GDI技术的联合使用，可以大大抑制爆燃倾向，实现高几何压缩比，从而实现深度的Atkinson循环，大幅提高热效率。和増程器发动机匹配的发电机的工作点及效率对Atkinson循环发动机的工作点及设计结果也有较大影响，在设计和优化増程器发动机时需要同时考虑匹配的发电机的影响。第三，为了在増程器发动机的设计阶段就实现和发电机的匹配，使増程器系统效率最大，研究了基于神经网络和遗传算法的多学科设计优化和匹配方法，在单个工作点上设计优化増程器发动机的结构参数和操作变量，并同时考虑发电机的结构和工作点效率影响，从而实现在发动机的设计阶段就考虑和发电机的匹配问题，使増程器系统的效率最大化。基于研究的设计优化和匹配方法，増程器发动机的最大热效率可达40.2%，増程器的最大系统效率可达39.2%，远高于传统汽车发动机和现有増程器的效率水平。増程器发动机的高的热效率主要是由于采用Atkinson循环，EGR，高的几何压缩比，以及所有结构参数和操作变量的单点同时优化。本项目对Atkinson循环发动机的效率影响机理和大幅提高増程器用Atkinson循环发动机的效率的技术措施和优化匹配方法进行了深入的研究，并得到了一些重要结论和成果，可以为电动汽车増程器的设计开发提供理论和方法论指导。