基于动态规划插电式并联混合动力汽车能量管理控制策略的研究

混合动力汽车能量管理策略会影响其动力性和经济性。为了寻找整车的最优节油点及控制策略,文章基于世界轻型汽车测试循环(world light vehicle test cycle, WLTC)工况,提出了利用动态规划算法优化插电式并联混合动力汽车能量管理策略。以发动机、电机的扭矩和角速度作为动态规划的控制变量,以保证电池荷电平衡和燃油最小为目标,建立动态规划模型。仿真结果表明,所提出的能量管理策略能使电池荷电状态(state of charge, SOC)保持在设定范围之内,且相对于基于标定经验规则的能量管理控制策略,节油率能达到5.78%,此方法对于整车厂(original equipment manufacturer, OEM)制定并联式混合动力汽车整车控制器能量控制策略及实车标定工作有一定的参考意义。     

混合动力汽车自适应等效油耗最低能量管理策略

为提高插电式混合动力汽车燃油经济性，采用基于动态规划（DP）的控制策略仿真分析了不同典型工况、不同行驶里程下SOC（电池荷电状态）的最优轨迹。在等效油耗最低能量管理策略（ECMS）的基础上，采用比例积分（PI）控制算法实时更新电能-燃油等效因子，以保证SOC实际轨迹能够大致跟随理论参考轨迹，进而提出了一种可实时控制的自适应等效油耗最低能量管理策略（AECMS）。为验证所提控制策略的控制性能有效性，采用不同典型工况及不同行驶里程对ECMS、DP、AECMS的控制性能进行了仿真对比。结果表明，AECMS控制效果接近于DP控制策略且可实时控制，电量消耗（CD）模式下AECMS相对于ECMS减少油耗3.50%~8.71%，电量保持（CS）模式下AECMS相对于ECMS减少油耗1.11%~2.46%。     

混合动力客车控制策略仿真与分析

混合动力城市公交车运行过程中平均速度偏低,导致过度使用动力电池,由于无法使用混合动力,使得整个行驶工况中不能保持良好的燃油经济性。本文提出了基于车速和电池荷电状态(SOC)规划的控制策略,在MATLAB/Simulink软件中搭建所设计的控制策略模型,并将控制策略导入CRUISE软件中,与所搭建的整车动力系统模型进行联合仿真。研究结果表明:基于车速和SOC规划的混合动力客车控制策略与基于规则的控制策略相比,整车燃油经济性提高了2.7%,且SOC的平衡性可控制在5%以内。     

插电式混合动力汽车等效因子的实时优化

为了兼顾平衡SOC与降低燃油消耗的需要,进一步提高插电式混合动力汽车的燃油经济性,对等效因子的实时优化方法进行了研究.以NEDC工况为例,将行驶工况分解为不同的基本工况块,分别对各个基本工况块的等效因子与燃油消耗量、SOC变化量的关系曲线进行线性拟合,并将等效因子实时优化问题转化为简单的线性规划问题,构建了基于线性规划的等效因子实时优化模型,在此基础上提出了基于线性规划的自适应等效燃油消耗最小策略(A-ECMS).硬件在环测试证明,基于线性规划的等效因子实时优化模型的实时性满足实车控制器在线控制的需求,具备实车应用的可行性.测试和仿真结果显示,在不同工况下基于线性规划模型的A-ECMS均可维持SOC平衡,取得接近于全局优化能量管理策略的燃油经济性,说明该实时优化模型具备实际应用价值和应用潜力.     

改进型混合动力汽车工况预测算法的应用仿真

全局优化控制策略是一种能达到最优节能的策略,但有即时性差的缺点,车辆应用面窄。针对这一缺点,在模糊聚类理论基础上建立了一种改进的混合动力汽车工况预测算法,经过模拟仿真,此算法对行驶工况的识别和预测效果较好。在混合动力汽车应用方面,将此算法与全局优化算法相结合,仿真发现其拥有全局优化控制策略的节能优点,同时改善即时性差的缺点,可直接应用。     

中度混合动力汽车模型预测控制策略

基于车载导航系统(GPS/GIS)建立汽车未来一段行驶路线上的汽车运行状态模型,将模型预测控制与动态规划相结合,提出了中度混合动力汽车实时在线滚动优化控制策略;并就如何减少动态规划计算量及系统变量离散化问题进行了研究;建立了中度混合动力汽车燃油经济性预测控制仿真模型,采用C语言与MTALAB\Simulink进行联合仿真,验证了所设计的模型预测控制算法可以满足实时控制的要求,且采用该预测控制策略的中度混合动力汽车具有显著的节油效果。     

基于行驶工况的混合动力电动汽车能量管理策略研究现状分析

分析了目前能量管理策略的2种研究方法——基于动力系统运行状态的控制策略和基于行驶工况的控制策略的优势及不足。着重针对基于行驶工况的控制策略进行探讨,指出:基于已知行驶工况的全局优化策略运算过程耗时长且计算量大,难以直接在实车上应用,但可用于作为理想的优化控制参考目标;为了实现实时优化控制,目前主要采用基于工况识别的控制策略与基于模型的预测控制等方法,探索基于行驶工况预测的实时优化控制策略并获得接近离线优化的控制效果,成为新的研究热点和管理控制策略的研究趋势。     

基于动态规划算法的并联式混合动力汽车能源优化管理

以提高燃油经济性为主要目标,建立并联式混合动力汽车能源优化分配控制策略.对动态规划算法进行改进,在汽车行驶过程中全局优化分配内燃机和蓄电池两种动力源的输出功率,以提高能源利用率.通过仿真软件ADVISOR2002的仿真结果表明:在相同条件下,采用改进型DP算法对并联式混合动力汽车进行能量优化时,大大缩短了仿真时间;与基于开关式能源优化管理策略油耗相比,采用改进型DP算法的能源优化管理系统,油耗可降低33%.     

基于道路坡度信息的插电式混合动力汽车能量管理策略

考虑道路坡度对整车驱动需求的影响,针对插电式混合动力汽车,提出基于道路坡度信息的插电式混合动力汽车能量管理策略,进行车载导航系统在整车能量管理策略中应用的初步探究。根据车载导航系统提供的道路信息,建立坡道行驶电量消耗预估模型,分别对行程中电量消耗阶段和电量维持阶段动力电池的荷电指数进行规划,提出行车预充电时刻规划准则,使车辆在坡道行驶前动力电池的荷电指数达到预定值,保证车辆在坡道行驶时不会因动力电池亏电造成动力不足或过放电有损动力电池的使用寿命,并在上坡行驶结束后动力电池的荷电指数下降到临界值,有利于充分吸收制动回收的电能。利用MATLAB/Simulink仿真平台,对提出的能量管理策略进行仿真验证。本文所提出的基于坡道预测的能量管理策略能够避免动力电池的过放电,确保车辆上坡行驶过程电量充足。     

四轮驱动混合动力汽车整车控制策略优化

基于兼具ISG起动电机和轮毂电机的四轮驱动混合动力汽车结构平台,选用具有512 KB闪存的Freescale单片机MC9S12DP512作为控制器的CPU,在CodeWarrior V4.5开发环境下编写控制策略并进行现场测试.该策略以电辅助控制策略为主,融合模糊逻辑控制和SOC平衡控制,既提高了车辆行驶平顺性,又优化了发动机运行工况点以及电池的工作状态.     

混合动力汽车电池管理系统SOC的评价

为建立混合动力汽车电池管理系统的需要，探索镍氢电池荷电状态(SOC)的实时测量和估计方法，分析当前一般SOC定义在变电流放电情况下出现不适应的原因，和现有各种荷电状态估计方法存在的问题。为此，根据能量守恒原理，提出了一种新SOC的概念，使之能很好地适应混合动力汽车用电池在变电流状态下的实时荷电状态估计，并且基于新的SOC定义，建立电池荷电状态计算模型，进行仿真分析，简化计算，明确物理意义，提高了SOC的判断精度，减少混合动力汽车的复杂性，减少整车的成本，为混合动力汽车系统优化匹配提供了依据。     

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RC等效电路的动力电池SOC估计算法

精确的动力电池剩余电量(SOC)是混合动力系统进行动力分配的重要依据,也是整车控制和降低使用成本的关键.因而,采用简化的RC电池等效电路,建立了电池的动态充、放电模型,把该模型转化为状态空间表达式.基于不同温度下的镍氢动力电池开路电压,通过混合脉冲功率性能(HPPC)测试方法测量,得到动力电池的动态工作内阻.根据电池的动态工作电流,在线实时估算动力电池的SOC.仿真及实验室测试结果表明,该方法的估算误差小于8%,验证了该SOC估算方法的有效性.     

基于智能隔震结构Benchmark模型的序列最优控制算法

针对最新提出的智能隔震结构Benchmark模型,阐述了其在考虑横向-扭转耦联振动和双向地震激励下的运动方程,讨论了序列最优算法较之其它几种经典最优算法的改进之处.运用序列最优算法对智能隔震结构Bench-mark模型进行振动控制,并将其和采用LQG算法的控制效果进行了分析比较,结果表明序列最优算法优于LQG算法.     

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%。     

超临界参数机组负荷控制与优化策略

针对超临界参数机组多变量耦合和非线性的特点，提出一种以煤耗最小化为目标的广义预测控制策略(GPC)，并分别采用线性规划(LP)与目标规划(GP)进行稳态目标计算.仿真研究结果表明：在不需要目标协调时，GP+GPC与LP+GPC具有相同的性能曲线，能够在基本控制目标实现的前提下，有效地降低生产煤耗，并具有一定的鲁棒性；而在需要目标协调时，GP+GPC能协调好控制目标与经济优化指标之间的优先级关系.     

插电式并联混合动力汽车再生制动控制策略

再生制动是混合动力汽车区别于传统汽车的技术特点,是提高车辆燃油经济性的重要措施之一.以一种轴间力矩耦合的插电式并联混合动力汽车为研究对象,从再生制动分配算法的影响因素入手,提出了一种带有模糊控制的混合动力汽车再生制动能量管理策略.所设计的控制策略主要针对两个层面的控制决策,顶层是轴间制动力矩的分配决策,底层是再生制动电机所在的后轴力矩在摩擦制动与再生制动之间的分配决策.采用多种典型车辆行驶工况对所提出的模糊控制策略进行仿真研究.结果表明,所提出的模糊控制策略能够明显改善车辆的能量回收效果,与传统理想制动力分配曲线控制策略相比,能量回收最多可提高23.44%.