自适应坡度的复合电源物流车能量管理研究

为提高复合电源纯电动物流车的能量利用率，结合道路坡度对现有的复合电源能量管理策略进行了优化。首先，设计可基于不同道路坡度系数自动调整超级电容输出功率的模糊控制器；然后，采用粒子群优化算法对模糊控制器进行优化；最后，利用MATLAB/Simulink在CYC＿UDDS城市道路工况下设定不同的坡度进行仿真验证。仿真结果表明，所提出的控制策略在固定上坡、固定下坡和实际城市道路坡度下分别可减少3.47%、28.91%和3.94%的能量消耗，更好地发挥超级电容的优势。     

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。     

基于道路坡度实时信息的经济车速优化方法

作为生态驾驶辅助系统的组成部分,提出了基于道路坡度实时信息的车辆经济车速优化方法。搭建了车辆油耗模型和车辆动力学模型,对于车辆行驶在没有坡度的和前方出现坡道的两种情况,进行最省油车速优化。根据坡度信息,利用动态规划算法,计算出通过坡道的经济车速。对于一款D级轿车,运用Matlab/Simulink和Carsim联合仿真,与真实道路信息上实车模拟结果进行对比分析。结果表明:与传统定速巡航控制算法相比,该算法节油达到5%。这说明,该算法能降低车辆油耗。结合全球定位系统(GPS)信息以及地理信息系统(GIS),该技术可用于基于车联网的生态驾驶辅助系统。     

面向电动汽车能量管理的城市公交立体工况

针对电动公交车的能量管理与优化问题,以西安市为例构建包含车速和道路坡度的城市公交立体工况。采集公交车实车数据,提取含车速和坡度信息的短行程,并利用主成分分析和分层聚类分析法合成得到城市公交立体工况,对比合成工况和总体数据特征值的差异。基于一款插电式混合动力公交车(PHEV),在西安市20个连续的城市公交立体工况(总里程约100km)下分别应用电量消耗-电量维持策略(CD-CS)和全局优化理论中的动态规划(DP)2种典型能量控制策略进行行驶仿真,同时对比分析平面工况和立体工况及道路坡度对能量管理的影响。结果表明:合成工况特征参数的最大误差为9.44%,平均误差为4.63%;CD-CS和DP两种策略在立体工况下回收的制动能量比不考虑坡度的平面工况分别多32.80%和33.03%,且制动回收的能量随着坡度缩放系数的增大而增加;若忽略上下坡时的电机驱/制动功率,DP策略无法实现符合实际工况的能量优化分配,且当考虑坡度时,2种策略的能耗成本分别增加14.69%和10.43%;随着坡度缩放系数的增大,整车能耗成本以更快的速率增加,且CD-CS策略的能耗成本增长速率快于DP策略。     

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。     

基于高精地图的车辆节能巡航控制方法研究

传统的定速巡航模式可在一定程度上缓解驾驶疲劳,并在平坦道路上使车辆行驶保持较好的燃油经济性,但在具有坡度的道路上,定速巡航往往会导致燃油消耗增多,不利于节能减排。随着车用导航高精地图的不断发展与普及,智能网联车辆可依靠实时地图信息提前获取前方道路坡度及交通流信息,这使得车辆节能巡航成为可能。基于车用导航高精地图,以旅途耗时和总燃油消耗作为代价函数,利用正向动态规划求解节能巡航车速;采用Matlab 软件的 Simulink 工具,构建车辆行驶计算模型,并输入溧宁高速约 10 km 的道路信息进行仿真验证。结果表明：相较于普通定速巡航,基于车用导航高精地图的车辆节能巡航可在通行时间延误不超过 1.24% 的前提下降低 5.95% 的燃油消耗。     

基于工况预测的复合储能系统功率分配策略研究

本文中提出了一种基于工况预测的复合储能系统自适应神经模糊功率分配策略,采用马尔可夫链模型对汽车未来的运行工况进行预测,得到的车速预测结果,作为自适应神经模糊控制器的一个输入,经自适应神经模糊控制器处理后得到功率分配值。实验结果表明,采用自适应神经模糊控制的复合储能系统功率分配策略可明显提升电池寿命,降低综合使用成本。     

基于实际道路工况的混合动力客车能量管理策略多目标优化

为解决以标准工况为基础优化的混合动力客车(HEB)能量管理策略在实际道路工况下燃油经济性、排放性能未能充分发挥的问题,采集某市S122路公交车的实际行驶数据,通过主成分分析与模糊聚类相结合的工况构建法解析该公交线路的代表性典型工况,并在该工况下,采用多目标粒子群优化算法对整车控制参数进行优化,对优化后的能量管理策略进行驾驶员在环半实物仿真验证,结果表明,优化后整车燃油消耗量下降8.19%,综合污染物排放量下降8.63%。     

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。     

智能网联环境下的混合动力汽车分层能量管理

为实现混合动力汽车的实时最优能量管理,提出一种基于智能网联的分层能量管理控制方法。上层控制器利用交通信号灯正时求解目标车速的范围,而采用快速模型预测控制(F-MPC)算法预测给定时间窗口内的最优目标车速序列。下层控制器根据最优目标车速序列,利用基于威兰斯线方法的等效燃油消耗最小策略(WLECMS)进行混合动力汽车能量管理。硬件在环试验结果表明,所提出的基于智能网联的上层控制器可避免混合动力汽车红灯停车,而F-MPC可实现与MPC相近的最优车速预测和燃油经济性,且每一时间步长的计算时间可缩短到MPC的7.2%;WL-ECMS可实现良好的车速跟随,百公里油耗与ECMS相当,且每一时间步长的计算时间可缩短到ECMS的1.48%。     

电动汽车用复合电源的建模与仿真研究

复合电源对电动汽车的续使里程和动力性发挥着巨大的作用,文章对蓄电池-超级电容纯电动汽车的能量管理策略进行分析。分析了纯电动汽车行驶中的四种工作模式以及行驶中受到的阻力,并建立相应的汽车能量管理策略的数学模型。     

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。     

汽车ESP模糊自适应控制

基于模糊控制理论设计了一种模糊自适应ESP控制器,该控制器可根据反馈的车辆状态信息自动适应车速和路面附着系数的变化.采用Matlab/Smulink建立了14自由度车辆模型和控制器模型,考虑了轮胎的非线性特性对汽车转向特性与行驶稳定性的影响.仿真结果表明,该控制器能够提高汽车在高速或光滑路面上的操纵稳定性,有较强的适应性和鲁棒性.     

智能分布式驱动汽车路径跟踪/制动能量回收协同控制策略研究

为了解决智能分布式驱动汽车路径跟踪与制动能量回收系统间的协同控制难题,充分考虑分布式驱动汽车四轮扭矩独立可控在智能驾驶系统中的优势,设计适应不同路面附着条件的智能分布式驱动汽车转向、制动分层协同控制策略。上层控制器依据不同的路面类型设计差异化的多目标代价函数,以综合优化各工况下的控制目标。高附路面下,制定满足最大能量回收值的全局参考车速,在线优化路径跟踪指令,实现最优能量回收的同时减小系统运算负荷;低附路面下,优先考虑车辆的路径跟踪性能和行驶稳定性,在多目标代价函数中取消对全局参考车速的跟随要求,增设终端速度约束与能量回收项性能指标并减小能量回收项性能指标的权重系数。上层控制器基于模型预测控制方法对多目标代价函数进行滚动优化与预测求解,得到期望的前轮转角及4个车轮的总制动扭矩需求。下层控制器根据制动扭矩需求对四轮的液压制动扭矩和电机制动扭矩进行分配,最终完成整个复合制动过程。基于MATLAB/Simulink和CarSim软件,搭建控制器在环仿真平台,并在高附和低附路面条件下对所提出的策略进行试验验证。研究结果表明：高附路面下,所提出的控制策略在准确跟踪期望路径的同时相较固定比例制动力分配方法可提升2.7%的能量回收值并减少约0.02 s的单次计算时间;低附路面下,与使用高附控制策略相比,能够保证车辆的路径跟踪准确性与行驶稳定性,同时可提升7.8%的能量回收值;控制器在环试验结果证明了该协同控制策略对车辆性能提升的有效性。     

重型商用车预见性自适应巡航控制策略研究

为提高商用车巡航系统的经济性与安全性，设计了考虑节油安全驾驶的商用车预见性自适应巡航控制系统（predictive adaptive cruise control system,PACC），基于前方道路坡度规划了预见性巡航经济车速，针对巡航过程中受前车影响产生制动干扰的问题，提出了一种利用前车信息进行优化的预见性自适应巡航控制策略。基于前方道路坡度设计了自适应车间距，规划主车行驶车速，实现了预见性自适应巡航行驶。基于一汽解放JH6重型商用车进行了实车试验，研究结果表明：该算法可以有效降低燃油消耗量并缓解驾驶员驾驶疲劳，为商用车辅助驾驶系统的开发提供了极为重要的理论及实际价值。     

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。     

基于安全车速的北京冬奥会山地道路冰雪路面通行能力研究

复杂山地线形和道路冰雪路面结合条件下的安全车速设置及通行能力保障是交通管理面临的新挑战。针对北京冬奥会延庆赛区复杂山地道路冰雪路面场景，建立了安全车速与道路线形设计及路面附着系数之间的关系，以安全车速为依据得到了不同路面条件下山地道路的通行能力。依据道路平曲线、竖曲线和横断面数据建立了山地道路三维空间模型；分析了车辆在山地道路平纵组合路段的受力情况，构建了车辆安全行驶速度与圆曲线半径、道路超高、纵坡坡度和路面附着系数的关系模型，并分析了基于安全车速模型的道路通行能力。为了验证模型，选取2种常见的冰雪路面状况和2种常用的车辆类型，获得不同条件下山地道路冰雪路面的安全车速。采用VISSIM软件设计了20种仿真场景，结合道路实测数据验证了安全车速模型的对山地道路冰雪路面车辆安全行驶的提升作用。实测与结果表明:相比全程单一限速模型，所建立的安全车速模型在冰膜路面的行程时间缩短了约38%（小汽车）和32%（大客车），雪板路面的行程时间缩短了约26%（小汽车）和24%（大客车）。山地道路交通流量存在1个自由流到饱和流的相变过程，冰膜路面小汽车下行最大交通量为241辆/h（单向行驶）和231辆/h（双向行驶），大客车下行最大交通量为227辆/h（单向行驶）和222辆/h（双向行驶）；雪板路面小汽车下行最大交通量为319辆/h（单向行驶）和249辆/h（双向行驶），大客车下行最大交通量为301辆/h（单向行驶）和236辆/h（双向行驶）。      

智能网联电动汽车经济性巡航速度规划

本文中在充分利用智能交通环境信息的前提下，提出一种基于滚动距离域近似动态规划的经济性巡航速度规划方法，实现了车辆在不同坡度道路上的经济性巡航，有效延长电动汽车的续航里程。首先，根据动态交通环境，设计了基于距离域的分段滚动形式，建立车速与道路坡度的映射关系；其次，采用了带有异步并行网络的近似动态规划算法，综合考虑安全性和通行效率，快速求解经济性巡航车速；最后，搭建智能网联汽车硬件在环仿真平台对所提方法进行了验证。结果表明，与传统定速巡航策略相比，本文中提出的方法在不增加通行时间的前提下，可有效降低车辆能耗，延长续航里程。