新型功率分流混合动力系统能量管理预测优化

针对新型双模功率分流混合动力系统,为改善拟搭载样车的能量经济性,开发了基于模型预测控制的实时优化能量管理策略并进行了仿真验证。通过分析各动力源在不同工作模式下的转速转矩关系,建立了功率分流系统模型。通过分析该构型方案在不同功率分流模式下的机械点,得到系统效率随传动比的变化关系,并基于发动机稳态燃油消耗特性曲线建立了其数学模型,基于安时积分法建立了动力电池一阶等效模型。根据已有的发动机模型及动力电池模型,建立了功率分流混合动力系统短时域预测模型,预测了有限时域内电池荷电状态及发动机燃油消耗率的变化。最后,基于预测时域内等效燃油消耗最小提出系统在混合动力模式下发动机工作点的最优决策律,并基于该最优决策律开发功率分流混合动力系统模型预测能量管理策略,实现了各动力源转矩的实时最优分配。设置预测时域和控制时域均为3s,新欧洲行驶工况仿真结果表明,该控制策略可实现能量管理的实时滚动优化,其百公里油耗为4.95L,相比于基于规则能量管理策略下的百公里油耗5.364L,可提升整车大约7.7%的燃油经济性。     

基于显式随机模型预测控制的功率分流式混合动力 车辆能量管理策略

混合动力车辆的能量管理策略对提高燃油经济性十分重要.为了提高功率分流式混合动力车辆的燃油经济性以及能量管理策略的实时性,设计了基于显式随机模型预测控制的能量管理策略.首先利用马尔科夫链预测车速,通过简化控制模型,把非线性的能量管理问题转化为线性二次优化问题,建立了以预测域内能量消耗最小为目标的随机模型预测策略(SMPC);然后通过参数化求解得到显式随机模型预测控制策略,该策略既保持了随机模型预测控制方法的优势,又提高了计算速度;最后在多个工况下进行仿真,对提出的能量管理策略的有效性进行验证.仿真结果表明:与基于规则的控制策略相比燃油经济性最高可提高28.64%,同时该策略在仿真中的平均计算时间为3.1 ms,具有实时运算潜力.     

新型功率分流混合动力系统能量管理预测优化

针对新型双模功率分流混合动力系统,为改善拟搭载样车的能量经济性,开发了基于模型预测控制的实时优化能量管理策略并进行了仿真验证。通过分析各动力源在不同工作模式下的转速转矩关系,建立了功率分流系统模型,通过分析该构型方案在不同功率分流模式下的机械点,得到系统效率随传动比的变化关系,并基于发动机稳态燃油消耗特性曲线建立了其数学模型,基于安时积分法建立了动力电池一阶等效模型。根据已有的发动机模型及动力电池模型,建立了功率分流混合动力系统短时域预测模型,预测了有限时域内电池荷电状态及发动机燃油消耗率的变化。最后,基于预测时域内等效燃油消耗最小提出系统在混合动力模式下发动机工作点的最优决策律,并基于该最优决策律开发功率分流混合动力系统模型预测能量管理策略,实现了各动力源转矩的实时最优分配。设置预测时域和控制时域均为3s,新欧洲行驶工况仿真结果表明,该控制策略可实现能量管理的实时滚动优化,其百公里油耗为4.95L,相比于基于规则能量管理策略下的百公里油耗5.364L,可提升整车大约7.7%的燃油经济性。     

新型功率分流混合动力系统能量管理预测优化

针对新型双模功率分流混合动力系统,为改善拟搭载样车的能量经济性,开发了基于模型预测控制的实时优化能量管理策略并进行了仿真验证。通过分析各动力源在不同工作模式下的转速转矩关系,建立了功率分流系统模型,通过分析该构型方案在不同功率分流模式下的机械点,得到系统效率随传动比的变化关系,并基于发动机稳态燃油消耗特性曲线建立了其数学模型,基于安时积分法建立了动力电池一阶等效模型。根据已有的发动机模型及动力电池模型,建立了功率分流混合动力系统短时域预测模型,预测了有限时域内电池荷电状态及发动机燃油消耗率的变化。最后,基于预测时域内等效燃油消耗最小提出系统在混合动力模式下发动机工作点的最优决策律,并基于该最优决策律开发功率分流混合动力系统模型预测能量管理策略,实现了各动力源转矩的实时最优分配。设置预测时域和控制时域均为3s,新欧洲行驶工况仿真结果表明,该控制策略可实现能量管理的实时滚动优化,其百公里油耗为4.95L,相比于基于规则能量管理策略下的百公里油耗5.364L,可提升整车大约7.7%的燃油经济性。     

车路协同的插电式汽车预测能量管理策略研究

为进一步改善插电式混合动力汽车(plug-in hybrid electric vehicle, PHEV)的能量经济性,提出了一种考虑市区道路交通信息的经济车速规划方法及基于模型预测控制(model predictive control, MPC)的能量优化管理策略。以某款P2构型的PHEV为研究对象,基于市区路口信号灯配时状态信息,分别采用动态规划与高斯伪普法优化求解经济车速。根据规划出的经济车速,提出了基于MPC的优化能量管理策略,其利用Dijkstra算法求解最优转矩分配。结果表明：对比基于规则的分段三角函数法,2种经济车速规划算法分别可降低6.31%、7.03%的PHEV等效油耗。基于MPC的优化能量管理策略相比于基于规则的能量管理策略可进一步提升4.98%的能量经济性。     

基于车速预测的燃料电池客车能量管理策略

燃料电池客车的能量管理策略对提高能量经济性具有十分重要的作用。本文基于某示范运行的燃料电池客车运行数据,使用径向基神经网络算法对未来行驶车速进行预测,并应用凸优化算法和模型预测控制思想构建整车实时能量管理策略,同时比较了动力电池充放电两种状态下的等效氢耗量,与实车运行数据相比,有效地提高了整车的能量经济性。     

新型插电式混合动力轿车能量管理策略优化

针对一款新型插电式混合动力轿车,以燃油经济性为目标,设计了其能量优化管理策略并进行了仿真验证。首先,建立了整车前向仿真模型;其次,综合考虑驾驶员需求、车辆及各部件状态,设计了基于规则的能量管理策略;再次,使用等效燃油消耗最小算法(ECMS)进一步优化转矩分配;最后,通过离线仿真和硬件在环仿真对上述策略进行测试验证。结果表明:与基于规则的能量管理策略相比较,优化后能量管理策略在新欧洲行驶工况(NEDC)下油耗降低4.29%;同时硬件在环试验也表明,所开发的等效燃油消耗最小(ECMS)控制策略能够在车载控制器中实时运行。     

基于工况与粒子群优化的增程汽车能量管理策略开发

为了进一步提高增程式电动汽车(extended range electric vehicle,EREV)的燃油经济性,在满足驾驶性能和车辆动力要求的前提下,根据低速、中速、高速典型工况下发动机功率分布分析,提出一种基于自适应权重粒子群算法(adaptive weighted particle swarm optimization,AW-PSO)优化的三点式最优功率控制策略。为验证其经济性能,基于MATLAB/Simulink开发动力系统模型以及整车能量管理策略。基于驱动成本理论,在多种国际标准工况下进行仿真对比,结果表明：相比功率跟随策略而言,基于工况的三点式功率控制策略实现平均12.95%的成本节省,而AW-PSO优化策略下平均节约成本提升到21.44%。     

基于强化学习和路况信息的燃料电池汽车能量管理策略

为提升整车经济性和耐久性,提出了一种基于强化学习和路况信息的燃料电池汽车能量管理策略。首先,根据关键部件参数搭建了动力系统模型,并根据城市道路工况特征在VISSIM软件中搭建交通模型并提取了车辆行驶数据及路况数据。其次,将路况数据作为输入,利用长短期记忆神经网络对车速进行预测。最后,基于强化学习算法,将预测车速、加速度以及动力电池荷电状态作为输入,燃料电池系统功率作为输出进行能量管理策略的设计。仿真结果表明,所提策略的百公里氢耗量与动态规划策略相比仅相差1.27%,且燃料电池系统的平均功率波动降低了5.01%,因此可有效提升整车的经济性和耐久性。     

混合动力挖掘机能量管理系统控制策略研究

针对最优控制理论设计的混合动力挖掘机最佳燃油控制策略具有全局寻优计算量大、需提前预知系统所有工况状态的不足,本文提出一种实时最佳燃油能量管理策略,对发动机的"转速-功率-燃油耗率"进行数值建模,在直流母线电压稳定的约束下,计算使发动机高效运行的储能系统功率补偿量,并作为控制决策输出;随后,采用有限控制集模型预测控制实现储能系统在该控制决策下的快速功率控制.仿真验证了该方法的有效性和正确性;工程试验表明,该策略在挖掘机平地轻载、重载旋转工况下的燃油耗量分别为传统机型的82.2%和77.6%,可供实际设计参考.     

预知交通信号的电动汽车分层能量管理策略

在城市路况下,电池和超级电容复合电源电动汽车会对信号灯判断不准确而频繁起停,造成额外的能量消耗。基于智能交通系统中预知交通信号信息的应用场景,本文提出了一种分层能量管理方法。首先,根据交通信号信息,上层车速设计策略优化车速,得到车辆经济参考车速,避免车辆在信号灯区域频繁起停。其次,基于经济参考车速,设计了一种基于非线性模型预测控制的下层能量管理策略,合理分配电池及超级电容的功率输出,并有效跟踪经济参考车速,降低电池功率的变化率。最后,对所提出的车速设计和能量管理策略进行仿真分析,并搭建实验平台进行验证。研究结果表明:分层能量管理策略使等效燃油经济性提高了3.24%,降低了电池能耗,并且减少了车辆急加速或急减速情况,提高了驾驶舒适性。     

基于DK聚类模型的多工况速度预测器

车辆速度预测能为新能源汽车的能量管理策略提供重要的信息，但要准确地预测车速存在诸多困难。为克服交通状况、车辆类型和驾驶员意图等确定或随机因素对车速预测造成干扰的问题，提出了一种基于DK(DTW-based K-means)聚类模型的多工况速度预测器，该预测器通过DK模型对车速序列进行工况划分，并结合一维卷积神经网络和长短期记忆神经网络预测各工况下的未来车速。基于所提出的预测器，讨论了不同的输入序列长度及聚簇数对该预测器的影响，并比较了该预测器与其他常用模型的性能。结果表明，该预测器具有较好的多工况适应性，预测精度比其他模型更高。     

网联环境下的燃料电池混合动力汽车能量管理

为了缓解城市交通拥挤和减少能源消耗,本文提出一种基于智能交通信息的燃料电池混合动力汽车(FCHEV)分层能量管理策略。利用车联网技术获取目标车辆的路况信息,建立交通信号灯正时模型,获取最优目标车速。基于目标车速,获取车辆的需求功率,分层设计自适应等效消耗最小策略和模型预测控制方法,实现对3种能量源需求功率的最优分配。通过仿真和实验验证所提能量管理策略的有效性。研究结果表明：该策略能够有效避免红灯前频繁启停,燃料经济性和续航里程分别提高了9.83%和5.13%。     

基于速度预测与自适应差分进化算法的混合动力汽车能量管理策略

为提高单行星排构型的混合动力汽车（hybrid electric vehicle, HEV）的燃油经济性,降低车辆燃油消耗量,提出了一种基于门控循环单元神经网络（gated recurrent unit neural network, GRU-NN）速度预测模型与自适应差分进化（adaptive differential evolution, A-DE）算法的能量管理策略,在模型预测控制（model predictive control, MPC）框架下预测未来车辆的行车速度,将整个工况内的全局优化求解问题转化为在预测时域内的局部优化求解,以发动机燃油消耗量最低与行车过程电池荷电状态（state of charge, SOC）平衡为目标,利用A-DE算法实现预测域内的最优控制序列求解。仿真结果表明,在实车采集的道路工况下,基于GRU-NN与A-DE算法的能量管理策略相较于ECMS燃油消耗量减少了4.55%,相较于动态规划燃油经济性达到了93.04%。     

基于需求功率预测的混合动力越野车能量管理

为了优化混合动力越野车多动力源动态响应控制与燃油经济性,以需求功率为关键研究参量,设计自适应马尔科夫链预测算法,实现需求功率的实时预测.基于等效燃油消耗最小控制策略,提出考虑实时需求功率的变化寻优域,设计变域等效燃油消耗最小控制策略,实现能量管理优化.运用Cruise和Simulink软件搭建了混合动力越野车能量管理联合仿真平台,以典型越野行驶工况为仿真循环工况进行策略验证.联合仿真结果表明:所设计的自适应马尔科夫链需求功率预测算法使得整车动力性提升6.5％;与传统复合规则型策略相比,变域等效燃油消耗最小能量管理策略使得整车燃油经济性提升10.5％.     

混合动力汽车深度强化学习分层能量管理策略

为了提高混合动力汽车的燃油经济性和控制策略的稳定性,以第三代普锐斯混联式混合动力汽车作为研究对象,提出了一种等效燃油消耗最小策略(equivalent fuel consumption minimization strategy,ECMS)与深度强化学习方法(deep feinforcement learning,DRL)结合的分层能量管理策略。仿真结果证明,该分层控制策略不仅可以让强化学习中的智能体在无模型的情况下实现自适应节能控制,而且能保证混合动力汽车在所有工况下的SOC都满足约束限制。与基于规则的能量管理策略相比,此分层控制策略可以将燃油经济性提高20.83%~32.66%;增加智能体对车速的预测信息,可进一步降低5.12%的燃油消耗;与没有分层的深度强化学习策略相比,此策略可将燃油经济性提高8.04%;与使用SOC偏移惩罚的自适应等效燃油消耗最小策略(A-ECMS)相比,此策略下的燃油经济性将提高5.81%~16.18%。     

基于非线性规划遗传算法的混合动力拖拉机控制策略

针对串联式混合动力拖拉机的特点,建立了整车动力学模型,设计了恒温器式控制策略、恒温器式+制动能量回收控制策略.为进一步提高串联式混合动力拖拉机的整车燃油经济性,采用非线性规划遗传算法(NLPGA)优化恒温器式控制策略关键参数.通过AVL-Cruise与Matlab/Simulink联合仿真,结果表明：3种策略均可有效地维持电池荷电状态在指定范围内.在犁耕工况下,基于NLPGA优化的能量管理策略的燃油消耗率比恒温器式降低了29.25%,比恒温器+制动能量回收式降低了9.35%;累计燃油消耗量分别比两者降低了31.50%和1.74%;电池荷电状态SOC比两者分别提高8%和6%.     

基于动态规划的E-REV能量管理策略研究

增程式电动汽车动力来源于增程器与动力电池,车辆运行过程中如何在两者之间分配需求功率,使得整车在行驶过程中燃油经济性最好,是增程式电动汽车能量管理策略核心的问题.提出一种基于动态规划的增程式电动汽车能量管理策略,运用动态规划对整个工况增程器与动力电池输出功率分配比例进行优化.欧洲标准行驶工况(NEDC)组合行驶工况的仿真结果表明:相比实车采用的恒温器式控制策略,基于动态规划的能量管理策略整车燃油经济性提高12.6%.     

考虑模式切换频率的多模式混合动力汽车参数优化

针对一种新型混联式混合动力系统,采用逻辑门限的方法制定了能量管理策略并用多目标粒子群算法进行了优化。在传统的以新标欧洲循环测试(NEDC)工况下整车经济性、动力性为优化目标的基础上,考虑模式切换频率,增加了模式区分度作为优化目标,选取2个逻辑门限参数和5个传动比参数作为优化变量,使得混合动力系统在保证经济性和动力性的同时,提高了模式选择的稳定性。还根据现有的结构,参考各个动力部件的经济区,制定了基于规则的能量管理策略,并利用MATLAB和Cruise搭建了仿真模型和控制策略模型。仿真结果表明,采用该方法所得到的2组优化解参数与原参数相比,解1和解2燃油经济性分别提高了12.7%和15%,加速性能提升了15.7%和6.5%且有效避免了模式的频繁切换,工作模式的稳定性得到了保障。最后,利用JC08工况进行了仿真验证,结果表明优化所得的解在JC08工况下仍具有可行性,文中多目标优化方法通用可行。     

增程式电动汽车模糊控制能量管理策略研究

在ADVISOR软件环境中建立燃料电池增程式电动汽车动力系统模型,利用该模型设计基于模糊控制理论的整车能量管理策略,并以车辆最大续驶里程为优化目标,利用遗传算法对模糊函数和模糊规则进行优化.对比发现优化后的模糊控制管理策略能改善燃料经济性,提高整车续驶里程.典型工况下不同能量管理策略的整车仿真结果显示,本文所制定的模糊控制能量管理策略优于常见的恒温器及功率跟随能量管理策略,适合用于增程式电动汽车.