基于实时路况信息的插电式混合动力汽车预测性能量管理算法研究

为提高插电式混合动力汽车的燃油经济性,对基于实时路况信息的预测性能量管理算法展开研究。根据实时路况信息采用能耗分配法规划全局SOC参考轨迹,利用自适应等效燃油消耗最小策略(A-ECMS)跟随目标SOC轨迹实现能量管理。以上海市某行驶工况数据进行仿真,结果表明:全局SOC参考轨迹可在低、高速区间合理分配电量,真实SOC轨迹与参考轨迹变化趋势一致,燃油经济性较电量消耗-电量维持(CD-CS)策略提高7.65%,接近动态规划(DP)算法的全局最优解。     

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。     

基于行驶工况的单车燃油消耗微观模型

在分析汽车燃油消耗影响因素的基础上,研究了道路坡度、车辆载重量、加减速及车速对车辆燃油消耗的影响,分3种车型建立了基于车辆行驶工况的单车燃油消耗微观模型;以速度实验为基础,通过对不同车辆行驶工况影响因素处在非实验条件下的情况进行修正,建立基于行驶工况的单车燃油消耗微观模型.各车型在不同坡度、载重量、加减速时的燃油消耗通...     

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GGAP-RBF的重型载货汽车持续制动匹配分级控制策略

为了有效降低长大下坡路段重型载货汽车行车制动器的使用频率和驾驶强度,基于持续制动匹配等级和广义生长剪枝径向基函数(GGAP-RBF)减速度估计模型提出持续制动匹配控制策略。首先以重型载货汽车为研究对象,基于发动机制动、排气制动和电涡流缓速器制动试验研究持续制动力随行驶车速的变化关系;然后以当前车速、车速差以及道路坡度作为输入参数,需求减速度作为输出参数,基于GGAP-RBF建立需求减速度估计模型;最后依据需求制动力与等级制动力差值最小原则选择持续制动匹配等级,同时分别进行定坡度工况下试验验证和变坡度工况下仿真研究以验证控制效果。结果表明:4.2%定坡度工况下,采用所提出的控制策略持续制动等级仅切换2次,比控制最优驾驶人切换少1次,速度变化基本一致;13 160m变坡度工况下,能够实现稳定减速,150m后达到预定车速,随后在60~62km·h~(-1)范围内变化,具有变坡度工况适应性强的特点;所提出的控制策略能够依靠持续制动匹配分级控制而有效降低行车制动器的使用频率和驾驶强度,实现车辆减速和稳定车速下坡行驶的效果。     

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。     

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%。     

基于Cruise的实测行驶工况的油耗分析

汽车行驶工况反映某一车型车速时间历程,在仿真计算进行各种台架试验和道路试验代表时被广泛使用。AVL Cruise能按照指定的程序模拟各种行驶工况,包括瞬变的非稳定工况,因而能预测汽车在各种工况下的动力性和燃油经济性。但目前Cruise自带的工况与我国城市的实际道路运行状况存在较大差别,因此所测量的燃油经济性与实际情况有较大出入。对合肥市本地行驶工况数据进行采集、合成,并将其导入Cruise中,形成了基于Cruise的合肥市行驶工况数据库。同时在此基础上进行燃油经济性对比仿真,为后续传动系优化设计打下基础。     

电动清扫车多电机动力系统转矩模糊控制研究

为了解决电动清扫车作业时道路垃圾数量变化情况下多电机动力系统转矩分配困难的问题,在构建道路垃圾数量谱和清扫工况图的基础上,提出了基于模糊控制策略的电动清扫车多电机动力系统转矩控制方法。以道路垃圾数量、SOC及行驶工况为输入量,采用模糊控制算法对驱动电机需求转矩作补偿优化;以车速和加速度为输入量,对作业装置吸尘电机进行反馈式模糊控制。仿真与试验结果表明,该方法能使多电机的输出转矩满足道路保洁的要求和动力性需求。     

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。     

车载低压电源管理系统的研究

为了节约整车燃油消耗量,延长电池和车载用电器,研究了车载低压电源管理系统。分析了车载低电压电源管理系统的结构组成,从硬件和软件两个方面进行研究。根据车载低压电源的使用工况,设计了基于分流器的负载端电流采样电路和发电机控制电路。提出了采用扩展Kalman滤波算法回归计算初始点的SOC算法;基于SOC窗口,提出了车载低压电源管理系统的四种工作模式。实验结果表明,本文提出的SOC算法具有很好的鲁棒性,计算误差可控制在4%以内,提出的车载电压电源管理模式可以根据外界负载的需求优化发电机的输出电压,控制蓄电池的充放电电流,节约整车油耗,道路实验表明,加装车载低压电源管理系统后,整车油耗可节约2.6%。     

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。     

基于动态规划的插电式混合动力汽车全局最优控制策略研究

针对某款插电式混合动力汽车,基于动态规划(DP)算法建立了汽车全局最优控制策略。通过将每一时刻SOC初始取值范围均选定为0.6~0.8,对DP程序通用性和计算效率进行了改进。选择能够代表各种道路类型的11种标准工况以及UDDS工况进行仿真验证,结果表明,所编写DP程序通用性良好,汽车在全局最优控制策略下燃油经济性相对于传统电机助力控制策略有明显的提升。     

基于交通信息的复合电源系统控制策略优化

为考虑未来行驶车速和道路坡度对整车需求功率的影响,本文中基于交通信息融合对现有复合电源能量管理策略进行优化。首先采用MATLAB/Simulink搭建复合电源仿真模型,而基于交通拥堵情况和行驶车速类型提出了未来短时间车速变化趋势判定方法;接着结合道路坡度和车速变化趋势,设计了可基于交通信息自动修正超级电容输出功率的模糊控制器。最后,在能获取交通信息的前提下,采用该模糊控制器,对基于自适应小波变换-模糊控制的能量管理策略进行优化。结果表明,基于交通信息优化后的控制策略可进一步发挥复合电源的优势,使复合电源的能量消耗减少约2.3%,电池循环寿命提高约2.96%。     

电动轮汽车车速与道路坡度估计

针对电动轮汽车车速与道路坡度估计问题,本文中基于纵向非线性动力学方程设计1阶扩张状态观测器对车速与坡度进行联合估计,分析了估计稳态误差;同时,采用带遗忘因子的递归最小二乘估计算法分离加速度传感器信号中的坡度信息,并设置了比例系数来融合两类坡度信息,最终得到道路坡度估计值。搭建MATLAB/Simulink-Carsim联合仿真平台进行变坡度路面仿真,并在实际坡道路面完成实车测试。仿真与试验结果表明,所提出的方法简单、可行。     

基于地图信息和循环SVR模型的纯电动汽车续驶里程预测

针对未来行驶工况未知导致续驶里程预测精度难以提高的现状,提出了一种基于地图信息和循环支持向量回归(SVR)模型的纯电动汽车续驶里程预测方法。该方法根据地图信息预测未来的行驶工况,并将相应的工况参数作为SVR模型的输入,计算该工况下单位里程下降值和剩余值。将这一过程反复迭代,直至SOC值归零,则SVR运行次数即为剩余续驶里程。最后利用实际行驶数据,在ADVISOR中进行仿真,结果证明该方法具有较高的续驶里程预测精度。     

智能车辆换道行驶的经济车速研究

本文旨在实现智能车辆在换道过程中经济车速规划。基于瞬态燃油消耗模型、车辆动力学模型和换道过程中道路曲率信息,利用动态规划算法求得车辆在换道过程中的经济车速轨迹。Matlab/Simulink与Car Sim联合仿真结果表明,与定速巡航算法相比,动态规划算法可节油8%左右。采用所提出的方法可在保证智能车辆安全行驶的基础上,提升其燃油经济性能,为智能车辆换道的速度控制提供决策依据。     

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%。     

智能铅酸蓄电池管理系统研究

研究了车载智能铅酸蓄电池管理系统。根据铅酸蓄电池的使用工况,设计了基于分流器的高精度电流采样电路,提出了铅酸蓄电池剩余电量(SOC)、最低启动电压(SOF)和寿命状态(SOH)的智能算法,并根据当前电池状态动态的调节车载发电机的运行工作点。实验结果表明:SOC和SOF算法具有很好的鲁棒性,计算误差都可控制在4%以内;道路实验表明,加装智能铅酸蓄电池管理系统后,整车油耗可节约2.6%。