基于动态规划与机器学习的插电式混合动力汽车能量管理算法研究

为提高插电式混合动力汽车的燃油经济性,对基于动态规划与机器学习的能量管理算法展开了研究。利用K-均值聚类算法将20个标准工况划分为3个类型的工况段,利用动态规划(DP)算法最优功率分配数据分别训练3个类型工况段的神经网络模型,在控制过程中根据实际工况段类型选择相应的神经网络模型进行功率分配,并对上海市某个随机工况进行了仿真运算,结果表明,该算法燃油经济性较电量消耗-电量维持(CD-CS)策略有明显的改善。     

插电式混合动力汽车能耗优化控制策略的研究EI北大核心CSCD

基于插电式混合动力汽车(PHEV)可以通过外网充电的特性,选取发动机消耗燃油的成本与电机消耗电能的成本之和作为优化目标函数,采用庞特里亚金极小值原理进行优化仿真;研究了PHEV不同工作模式(电量消耗-电量维持模式和混合模式)对能耗经济性的影响;分析了行驶里程、电池荷电状态(SOC)初始值和能量价格比对能量分配控制策略的影响;最终制定了实时优化控制策略并与门限值控制策略进行对比仿真,结果表明,与门限值控制策略相比,采用制定的实时优化控制策略能耗经济性在不同的SOC初始值下都有大幅度的提高。     

插电式混合动力汽车能耗优化控制策略的研究

基于插电式混合动力汽车(PHEV)可以通过外网充电的特性,选取发动机消耗燃油的成本与电机消耗电能的成本之和作为优化目标函数,采用庞特里亚金极小值原理进行优化仿真;研究了PHEV不同工作模式(电量消耗-电量维持模式和混合模式)对能耗经济性的影响;分析了行驶里程、电池荷电状态(SOC)初始值和能量价格比对能量分配控制策略的影响;最终制定了实时优化控制策略并与门限值控制策略进行对比仿真,结果表明,与门限值控制策略相比,采用制定的实时优化控制策略能耗经济性在不同的SOC初始值下都有大幅度的提高。     

基于模型预测控制的混联式混合动力车辆能量管理策略

针对混联式混合动力车辆实时最优控制的要求,研究制定了基于模型预测控制的能量管理策略。该策略采用2层控制器,上层控制器基于模型预测控制计算出发动机最优转速转矩,下层控制器基于规则控制分配功率需求于各部件,以保持SOC(State of Charge,荷电状态)和提高燃油经济性为目标,对发动机和电池之间功率分配进行实时在线能量管理。仿真结果表明,基于模型预测控制的能量管理策略控制效果良好,相比规则控制显著提高了燃油经济性。     

基于DL-MOPSO算法的等效燃油消耗最小能量管理策略优化研究

等效燃油消耗最小能量管理策略(ECMS)的优化问题,是一个不连续、非可导的内外层嵌套多目标优化问题,为进一步提高整车燃油经济性,同时使电池具有良好的电量保持性能,提出一种内外层嵌套的双层多目标粒子群算法(DL-MOPSO)对充放电等效因子和功率分配方式同时进行寻优。仿真结果表明,与传统的穷举法相比,DL-MOPSO算法寻优获得的ECMS可提高整车燃油经济性10. 28%,且SOC终值与目标值差为0. 001 9,有效保持电量平衡。最后分析了惩罚函数中β参数对ECMS寻优的影响,对β参数的取值具有一定指导意义。     

基于分层式控制的混合动力汽车生态驾驶研究

智能交通系统技术的发展为进一步提高车辆驾驶性能带来了新的机遇。插电式混合动力汽车的生态驾驶涉及到3个问题，分别为如何利用动态交通信息对纵向行驶速度进行规划，动力电池SOC全局最优快速规划，以及动力系统实时能量管理。为此，本文中设计了一种结合通精度模型的兼顾计算效率与求解精度的分层式控制策略。上层控制融合了动态交通信号灯信息，通过对车辆行驶速度优化提高了驾驶舒适性，中层则通过对动力系统模型拟合近似，利用凸优化算法实现了SOC快速全局最优规划，为消除拟合模型产生的误差，下层则基于原始非线性模型，通过反馈控制，构建了一种自适应等效燃油消耗最小值策略（A-ECMS）。结果表明，车辆的驾驶舒适性相比于没有速度优化的策略提升了75.92%，且燃油经济性相比于两种常用的基于线性规划的策略分别提升了7.39%与10.91%。     

基于等效因子优化的插电式混合动力客车自适应能量管理策略

针对插电式混合动力客车,提出基于等效因子优化的实时能量管理策略。首先,设计了一种等效因子快速计算方法,先根据车辆的动力参数确定等效因子的取值范围,再应用射击算法快速计算等效因子。随后,提出了一种基于电池荷电状态(SOC)线性下降的自适应等效燃油消耗控制策略,利用车辆全球定位系统提供的车辆位置信息,通过在线更新等效因子,实现对参考SOC的实时跟踪。最后,与基于规则的控制策略和标准的ECMS控制策略进行仿真对比,结果表明:无论是在燃油经济性上还是在SOC控制的鲁棒性上,基于等效因子优化的策略都具有最好的控制效果。     

基于线性规划的混合动力汽车智能充电策略

以油电混合动力汽车整车控制策略为基础,提出一种基于线性规划的智能充电能量分配策略,改善了混合动力汽车燃油经济性。该策略在维持高压电池SOC平衡的前提下,根据整车需求功率,发动机和中混电机转速,结合各动力总成部件能量传递的效率,以系统等效燃油消耗最小为原则进行扭矩分配优化。通过仿真结果表明,该策略比普通瞬时优化策略提高了整车燃油经济性。     

基于道路工况预测的混合动力汽车自适应等效燃油消耗最小策略

为解决传统自适应等效燃油消耗最小策略(A-ECMS)SOC波动频繁和存在坡度时控制效果不佳的问题,提出基于改进型灰色预测的车速预测算法和基于卡尔曼滤波估计坡度的线性拟合函数的坡度预测算法,实现未来短期道路工况(即车速和道路坡度)的预测,从而提出基于道路工况预测的A-ECMS。仿真结果表明,该算法能很好地预测未来短期道路工况,所提出的能量管理策略相比基于SOC反馈的A-ECMS燃油经济性提高了6.54%,电池SOC更稳定且更好地维持在初始值附近。     

基于强化学习的多燃烧模式混合动力能量管理策略

针对采用HCCI/SI多燃烧模式的功率分流型混合动力汽车,提出了一种基于深度强化学习(DRL)的能量管理策略。基于发动机台架试验和电机有限元分析建立了混合动力汽车模型。将整车作为环境,采用排序优先经验回放算法,训练基于深度Q网络(DQN)的能量管理智能体。在WLTC和NEDC工况下,与规则策略、自适应等效燃油消耗最小策略(A-ECMS)和动态规划结果进行对比,仿真结果表明:基于DRL的能量管理策略能在维持SOC的前提下,避免燃烧模式频繁切换,并且充分利用中小负荷HCCI燃烧,燃烧模式切换频率降低13%以上,燃油经济性提升6%以上。     

插电式混合动力汽车等效燃油消耗最小能量管理策略研究

对某插电式混合动力汽车电量保持(CS)阶段的能量管理策略进行了设计和优化研究。首先基于等效燃油消耗最小策略(ECMS)设计了汽车的能量管理策略,然后针对传统遗传算法(SGA)在运行过程中存在的收敛速度慢、种群进化动力不足问题进行了算法改进,并使用改进的遗传算法(IGA)优化燃油等效因子。硬件在环仿真试验结果表明:在电量保持阶段电池荷电状态允许的偏差内,该方法可以获得更高的燃油经济性。     

基于深度学习的混合动力汽车预测能量管理

为了优化混合动力汽车的能量动态分配过程，提升混合动力汽车的燃油经济性和动力电池荷电状态（SOC）平衡性，提高混合动力汽车能量管理策略的鲁棒性，以等效燃油消耗最小化策略为基础，结合对车辆未来行驶工况的预测研究，分析车辆未来行驶需求能量的变化，制定相应的动态调整策略。基于车联网通信技术，实时采集车辆的运行状态信息和交通信息，作为车辆未来工况预测模型的输入变量。以数据驱动为特征，基于混合深度学习建立工况预测模型。利用STL分解算法对各输入变量进行周期性、趋势性等特征分解，并对各输入变量的特征分量，使用混合深度学习网络从数据局部特征及时间维度依赖特征来深度挖掘目标车辆车速与外部信息及历史数据的关系，进而对车辆未来的行驶工况进行预测。利用预测的工况信息，分析车辆未来行驶需求能量的变化，应用于自适应等效消耗最小化策略等效因子的实时动态调整，从而实现对车辆的优化控制，并通过与传统自适应等效消耗最小化策略进行对比，验证该方法的有效性。研究结果表明：基于混合深度学习的工况预测模型预测精度比BP网络预测模型高44.72%；利用精确的预测工况信息预测能量管理，可以实时动态调整发动机和电机的功率输出，降低油耗并维持电池SOC平衡。     

基于48V系统的能量管理应用效能分析

对48 V系统能量管理的应用效能进行了分析,包括不同驾驶模式和驾驶循环下的燃油经济性表现,重点分析了换挡策略、发动机起停策略、起步和加速助力策略、制动能量回收等能量管理应用策略。结果表明,Sport模式的微混功能被弱化,驾驶感受同传统动力车辆,相比Eco模式和Normal模式,100 km燃油消耗量偏高1 L,体现了不同驾驶员模型下48 V系统的能量管理应用的权重系数对燃油经济性的影响;同时,在完整的法规循环工况内,SOC实现了动态平衡,但冷机起动时,48 V系统的电池电量SOC下降较明显,循环工况的起始电量差异较大,表明车辆热管理的初始状态温度对能量管理的应用效能影响较大。     

并联混合动力汽车ECMS的时变等效因子提取算法的研究

为解决当前等效燃油消耗最小控制策略(ECMS)未能根据实际工况选取最优等效因子的问题,利用动态规划算法(DP)和ECMS各自的优点,构建并联混合动力汽车能量算法模型,即采用动态规划算法的等效燃油消耗最小控制策略(ECMSwDP),将等效因子作为全局最优算法的控制变量,通过对等效因子的离散全局优化,获得基于工况的最佳时变等效因子。在标准工况下对时变等效因子实时控制策略与全局最优控制策略DP的各项性能参数进行了数值仿真,验证了时变等效因子提取算法的有效性和等效因子初始值选取方法的可行性。     

基于最小瞬时等效燃油消耗的液压混合动力车辆能量管理策略

为提高混合动力车辆的燃油经济性和降低尾气排放,根据混合动力车辆2个或2个以上能量流之间的功率分流分配和能量利用情况,提出了最小瞬时等效燃油消耗量策略.通过分析串联式液压混合动力传动能量流关系,以储能元件蓄能器的虚拟等效燃油消耗为准则,建立了液压混合动力车辆最小瞬时等效燃油消耗模型.对液压混合动力车辆能量管理进行了研究,并以某型公共汽车参数为例,运用计算机软件通过城市循环工况第1部分和公路循环工况对使用该策略的液压混合动力车辆燃油经济性进行了仿真计算.仿真结果表明:采用最小瞬时等效燃油消耗策略的液压混合动力车辆的燃油经济性改善率接近30％;采用最小瞬时等效燃油消耗策略在提高车辆节能效果上具有较明显的优势.     

基于动态规划与RBF神经网络的PHEV能量管理策略

为提高插电式混合动力汽车燃油经济性,设计了一种基于动态规划和径向基函数（RBF）神经网络的插电式混合动力汽车能量管理策略。首先,建立了插电式混合汽车数学模型;其次,以发动机油耗最小为目标函数,采用动态规划求解全局最优的离线优化结果;最后,采用RBF神经网络对离线最优控制结果进行学习,建立了发动机输出转矩与车辆状态参数之间的非线性映射关系,得到了基于动态规划和RBF神经网络的能量管理策略。仿真结果表明,文章所提策略油耗较之于电量消耗-维持策略降低了2.92%,验证了该策略的有效性。     

功率分流混合动力全速域工作模式切换规则优化

针对某功率分流混合动力汽车，探讨了既定模式转矩分配策略未知情况下全速域工作模式切换规则的优化问题。先在既定模式转矩分配策略未知的前提下，将等效燃油消耗与样本数字特征相结合，计算了不同荷电状态（SOC）值下各工作模式在所有可行工作点的基准综合燃油消耗率。以整车燃油经济性为优化目标，确定不同SOC值下所有可行工作点的最佳工作模式，进而得出基于车速、车轮端需求转矩、SOC值的优化后全速域工作模式切换规则，以满足不同工况下的工作模式选择需求。之后，不考虑模式切换过程对整车驾驶平顺性的影响，搭建了模式切换实施模型。再以4个新欧洲驾驶循环（NEDC）工况所构成的组合工况为目标行驶工况，将优化后全速域工作模式切换规则和传统基于逻辑门限的全速域工作模式切换规则分别应用于基于规则的能量管理策略，进行了整车燃油经济性仿真与台架试验验证。仿真结果表明：在不改变既定模式转矩分配策略的条件下，与基于逻辑门限的全速域工作模式切换规则情况相比，所提出的既定模式转矩分配策略未知情况下全速域工作模式切换规则优化方法至少可使整车燃油经济性提高7.33%。台架试验结果进一步表明，该优化方法至少可使整车燃油经济性提高6.17%。由此可见，所提出的既定模式转矩分配策略未知情况下全速域工作模式切换规则优化方法对整车燃油经济性具有较好的改善效果。     

基于烟花算法的PHEV能量管理策略参数优化

为改善插电式混合动力汽车(PHEV)的燃油经济性,提出一种基于规则的能量管理策略。结合智能网联汽车技术,利用烟花算法(FWA)结合系统约束条件,对能量管理策略参数进行优化,以求使车辆在变化的路况下能耗最低。为减轻沉重运算负荷,设计了一种事件触发机制来控制优化操作的启停。当车辆油耗超过预设上限则开始优化,一旦油耗满足预设下限则优化结束。在中国典型城市工况下,验证了该策略的有效性及优化性能。结果显示:较优化前的能量管理策略,该方案可使PHEV燃料消耗降低10%。从而,使燃油经济性明显提升。     

混联式混合动力客车整车控制系统的开发

本文中为某型混联式混合动力客车开发了基于MPC5554的整车控制系统(HCU).首先,根据混合动力客车的运行特点和动力总成结构,以最小燃油消耗为目标,提出了基于迭代动态规划全局优化算法和Elman动态神经网络的实时优化能量管理策略;接着根据整车需求和能量管理策略,以MPC5554作为CPU,完成了HCU的硬件系统设计;最后以ETAS PT-LABCAR为平台,进行了HCU硬件在环仿真试验.结果表明,所开发的HCU运行稳定、可靠,且能有效实现混合动力客车的实时控制,显著提高了整车燃油经济性.     

ISG柴油混合动力客车能量分配策略研究

以ISG柴油混合动力客车整车控制策略为基础,综合考虑客车燃油经济性和排放,提出一种基于模糊神经网络的能量分配策略,该策略根据模糊控制原理,结合人工神经网络自主学习功能,以电池SOC、整车需求转矩以及发动机转速为模糊输入来确定发动机和电机的最佳输出转矩分配,再以神经网络对控制的模糊规则进行记忆.仿真结果表明,该策略比普通逻辑控制更加有利于燃油经济性的提高,并在一定程度上改善了排放性能.