基于马尔可夫链的混合动力汽车行驶工况预测研究

针对目前混合动力汽车行驶环境适应性的问题,提出一种适应于随机多变的交通状况和基于实时行驶工况预测的能量管理策略。该策略采用一阶齐次马尔可夫链状态转移概率矩阵,对主干道和快速路建立了行驶工况特征参数预测模型,并通过对预测准确度的对比分析,确定了滚动时间窗和预测视距的最佳值。研究结果表明,与传统基于既定循环工况的整车能量管理策略相比,基于工况预测的能量管理策略具有更好的燃油经济性,为新能源汽车能量管理实时控制提供了一种新方法。     

插电式混合动力汽车变参数能量管理策略

为进一步提高新型插电式混合动力汽车(PHEV)的整车经济性,考虑到影响整车经济性的2个主要因素——行驶工况和行驶里程,提出了变参数能量管理策略。为减小车辆行驶工况的影响,应用模糊欧几里德贴近度方法,建立了基于典型循环工况的车辆行驶工况识别控制策略;为减小车辆行驶里程的影响,应用模糊识别的方法,建立了以车辆行驶里程和车辆启动时的动力电池荷电状态(SOC)为输入,行驶里程模式为输出的车辆里程模式识别控制策略;最后对整车能量管理策略进行了仿真分析。结果表明:在同等行驶里程的新欧洲行驶循环(NEDC)工况下,与定参数能量管理策略相比,变参数能量管理策略可以降低整车等效百公里油耗5%以上,从而提高了PHEV的整车经济性。     

基于电池能量状态估计和车辆能耗预测的电动汽车续驶里程估计方法研究

本文中提出一种基于动力电池能量状态估计和车辆能耗预测的续驶里程估计模型。电池能量状态估计采用电池状态模型估计电池剩余的可用能量,分析了不同因素的影响。利用纯电动车测试数据,基于递推最小二乘算法辨识车辆能耗参数,结合行驶工况预测汽车能耗,进而计算续驶里程。与传统的续驶里程估计方法相比,基于电池能量状态估计和整车能耗预测的续驶里程估计模型的精度有较大提高。     

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。     

基于提取PMP控制规则的FCHEV能量管理策略

针对FCHEV的能量管理问题,提出一种基于提取PMP控制规则的FCHEV能量管理策略.利用PMP优化算法解出的车辆在CHTC_C工况下离线最优控制序列,从最优控制序列中提取控制规则,实现能量管理策略的在线化.在MATLAB/Simulink上建立车辆模型,对所提能量管理策略进行仿真验证.仿真结果表明:所提能量管理策略能...     

新型双电池系统能量管理策略及电池循环寿命模型

针对双电池系统(高能量型+高功率型锂电池),在Matlab/Simulink Statefl ow环境中模拟验证了设计的基于规则的能量管理策略。通过Real-Time Workshop生成AVL Cruise软件可调用的DLL文件后,实现了涉及双电池系统充/放电过程的AVL Cruise/Matlab整车行驶工况联合仿真。根据高能量型锂电池的循环寿命测试试验,考虑了充放电量、电池温度和放电倍率的影响,提出了循环寿命经验模型。在完成模型参数化之后,进行了对比分析,结果表明双电池系统具有循环寿命优势。     

基于动态规划与神经网络的增程式电动汽车能量管理策略研究

设计了一种具有实时控制能力的增程式电动汽车混合型能量管理策略。首先建立了面向能量管理策略优化的增程式电动汽车整车模型。根据能量管理策略特点,将优化目标设置为增程器系统燃油消耗及动力电池当前SOC值与目标值之间差值的总和。再采用动态规划算法求解增程式电动汽车在给定行驶工况下的能量管理优化问题,从而获得了增程器开启时刻与输出功率优化结果。但由于动态规划算法需要已知详细的工况信息,很难应用于实车实时控制,而且从动态规划优化结果中不易提取控制规则,因此利用BP神经网络算法对优化结果进行离线训练,建立了增程器输出功率与车辆行驶状态参数间的非线性映射关系,得到了具有实时控制能力的神经网络控制模型。在采用BP神经网络训练时,根据车辆各个状态参数在CAN总线中的传输精度,对神经网络输入层、输出层参数的精度进行了修正。仿真结果表明:神经网络模型能够获得类似动态规划的最优控制效果,能够控制动力电池SOC在目标值的3%误差带以内。采用NEDC工况对混合型能量管理策略进行了硬件在环仿真试验,试验结果表明:与实车采用的电能消耗-电能维持型控制策略相比,所提出的混合型能量管理策略使汽车的燃油经济性提高了9.5%。     

基于随机动态规划的混联式混合动力客车能量管理策略

针对实际行驶工况中不确定的行驶环境和不同的驾驶员风格等因素对新型混联式混合动力客车燃油经济性的影响,在统计若干城市循环工况数据的基础上建立驾驶员需求功率的马尔科夫模型,提出了一种基于随机动态规划算法的能量管理策略,获得了发动机和电池之间的功率分配控制规则.对新型混联式混合动力客车模型的仿真和硬件在环实验结果表明,所提出的策略能使电池荷电状态在预定的区域内保持平衡,使发动机运行工作点处于高效区域内,且整车100km油耗比原型客车和采用规则控制策略时分别降低了30.17％和11.29％.     

基于行驶工况分类的混合动力车辆速度预测方法与能量管理策略

为有效地改善双模式混合动力车辆的性能,设计了基于预测控制的能量管理策略,通过实时优化进行功率在线分配,提出了未来车速预测方法。通过K均值聚类算法将工况分为平稳工况与快变工况两类,实时判断车辆当前所处工况类别,并在平稳工况下,基于马尔科夫链预测车速,在快变工况下,基于径向基神经网络预测车速,以获得最优的预测精度。仿真结果的对比验证了所提出的车速预测方法的准确性和能量管理策略的有效性。     

基于AIC 准则判断锂电池最优模型

采用锂离子电池的等效电路模型，利用Matlab 的simulink 模块搭建电池离线仿真模型，选用含有遗忘因子的递 推最小二乘法进行在线参数辨识，基于赤池信息量准则（Akaike’s Information Criterion，AIC）建立锂离子电池模型结 构复杂度和预测精度综合性能函数，对电池不同RC 阶次模型进行研究。通过离线和在线参数的建模方法对不同RC 阶 次的等效电路模型进行AIC 分析，结果表明，一阶RC 等效电路模型最适合锂离子动力电池精确建模。     

融合工况识别的增程式电动汽车模糊能量管理策略研究

针对模糊能量管理策略设计仅依赖专家经验很难适应复杂工况的问题，本研究提出了一种基于神经网络工况识别的增程式电动汽车模糊能量管理策略。首先，基于中国货车行驶工况（CHTC-HT）数据，利用改进遗传算法优化的BP神经网络构建工况识别模型；其次，根据所识别的工况类型，融合电池SOC及整车需求功率参数，设计了自适应模糊能量管理策略，通过实时获取发动机功率输出实现能量优化分配；最后，通过硬件在环测试验证了所提出的方法。结果表明自适应模糊策略油耗相比规则策略降低9.67%，比模糊策略降低7.84%，有效提高了整车经济性。     

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。     

基于预测控制的插电式混合动力汽车智能能量管理(英文)

为解决基于规则的插电式混合动力汽车(PHEV)能量管理策略必须保留混合动力系统容量冗余以应对不可预测的驾驶员行为,从而影响系统效率的问题,研究了基于优化的智能交通系统(ITS)能量管理和经济行驶算法,利用ITS提供的信息对高压电池的充、放电以及发动机的起动和关闭进行控制,利用上海市行驶工况数据进行了仿真,表明了该控制策略的有效性。     

TTR汽车等效燃油消耗最小的能量管理策略研究EI北大核心CSCD

为改善通过路面实现动力耦合与电池充电的TTR汽车经济性,分析TTR汽车结构及工作模式,基于等效油耗最小的能量管理策略(ECMS),计算固定等效因子(CECMS);为使电池SOC保持稳定并控制发动机工作于低燃油消耗区,将行驶所需发动机等价总转矩及电池SOC模糊化,制定等效因子的模糊控制规则,而提出模糊自适应等效燃油消耗最小控制策略(FAECMS)。利用MATLAB/Simulink建立包含TTR汽车动力学的CECMS、FAECMS模型,选取FTP75、CLTC、WLTP 3种标准工况,当电池SOC初始值为60%时进行仿真计算,得出FAECMS相对CECMS在3种工况下电池SOC更稳定,并分别节约燃油5.5%、2.6%、8.3%。     

基于深度强化学习的THS-Ⅲ平台PHEV能量管理策略研究

针对THS-Ⅲ平台的插电式混合动力汽车提出一种基于深度强化学习的能量管理策略。首先，使用MATLAB/Simulink搭建车辆前向仿真模型；其次，建立车辆能量管理的马尔可夫过程和深度强化学习算法；最后，使用WLTC-Class3和ACC-60工况进行了仿真验证。结果表明，与基于规则的能量管理策略相比，基于深度强化学习的能量管理策略在WLTC-Class3工况下总花费节省16.51%，燃油消耗量下降15.56%，在ACC-60工况下总花费节省31.95%，燃油消耗量下降29.96%。     

基于典型道路谱的汽车制动摩擦片寿命预测

文章基于能量磨损机理提出了一种汽车制动摩擦片磨损寿命预测的方法,对车辆制动安全性以及摩擦材料利用率的提升具有一定的现实意义。以车辆制动系统中的摩擦片为研究对象,在制动盘冷却试验基础上建立制动摩擦副热力学模型,旨在探明不同工况下摩擦副热力学特征的变化规律。根据能量磨损机理研究制动温度对材料磨损量的影响关系,结合温度分布特征与摩擦材料磨损率提出摩擦片磨损量的评价标准,建立制动摩擦片的磨损寿命预测模型。基于典型公路道路试验路谱的动力学参数进行摩擦片磨损寿命预测,与试验结果相比其磨损寿命预测具有较好的一致性,为汽车制动系统参数设计及制动摩擦材料寿命研究提供了指导依据。     

基于Radau伪谱法的复合电源电动汽车能量管理策略优化

本文中提出一种基于Radau伪谱法的能量管理策略优化法,利用全局插值多项式对系统中状态变量与控制变量进行逼近,由插值多项式的导数近似动力学方程中状态变量的微分方程,将最优控制问题(OCP)转化为待优化变量的非线性规划(NLP)问题进行求解。以加入惩罚因子的电池寿命模型为目标函数,将复合电源电动汽车中的电池使用寿命(电池可循环次数)与单一电池能量源在NEDC循环工况下对比分析,结果表明,伪谱法优化的复合电源可减小电池组的安时流通,缩小电流、功率波动范围,其电池组功率、超级功率均与需求功率出现了分段的线性关系,且复合电源中电池等效寿命较单一电池能量源提高25.61%,本文中为复合电源的能量管理策略提供了一种快速、稳定的优化方法,为匹配最优系统参数奠定基础,还可作为其他优化策略的评估基准。     

车用复合电源参数与能量管理策略优化方法

文章提出一种车用复合电源参数与能量管理策略的联合优化方法。根据整车性能指标进行复合电源的基本参数匹配,以确定参数优化区间。以电池全寿命行驶里程和百公里耗电量为优化指标,采用带受控精英策略的多目标优化遗传算法(NSGA-II)对复合电源参数及能量管理策略进行优化,获得相应Pareto解集。通过线性加权法建立优选函数,对Pareto解进行优选,优选结果可使电池全寿命行驶里程提高35.0%,百公里能耗降低14.0%。     

基于G PS定位的插电式混合动力汽车能量管理策略研究

为了更好地挖掘插电式混合动力汽车的节油潜力和降低使用成本,研究了基于GPS定位的能量管理策略.考虑油电使用成本差异,为使整车综合能耗成本最低,行程终了时电池荷电状态(SOC)应下降至放电下限.依托GPS定位,根据车辆当前所在位置和目的地,车辆运行工况可聚合归类成市内纯电工况、市内混合工况和城间混合工况等若干工况组合.利用庞德里亚金极小值原理构建Hamilton整车能耗成本函数,将SOC轨迹寻优问题简化成求解不同工况的2点边值问题.采用动态规划逆序算法生成基本SOC轨迹曲线,分析整车历史行驶数据,生成速度、时间影响因子对基本SOC轨迹曲线进行修正以减小偏差.以某插电式同轴并联混合动力汽车为例,开展基于WLTC工况的仿真实证研究.结果表明,基于GPS定位的整车能量管理策略节油率较CD/CS策略,城市工况提高了6.83%,综合工况提高了9.91%,验证了基于GPS定位的整车能量管理策略的有效性.      

基于多模型交互的复杂工况下车辆状态估计

为准确而实时地估计车辆状态参数,以利于车辆的稳定性控制,分别建立了基于线性轮胎模型和非线性轮胎模型的两种车辆模型,采用多模型交互(IMM)算法进行两种模型的切换以适应各种复杂路况,并将平方根容积卡尔曼滤波算法融合至IMM算法。考虑到车辆行驶过程中侧向加速度和路面附着系数对算法的影响,采用模糊算法对IMM算法中的模型转换概率进行实时修正,提高了模型切换速度和跟踪精度。Carsim-Matlab/simulink联合仿真和实车试验的结果表明,该算法车辆状态参数估计跟踪精度高,模型切换速度快,鲁棒性好。