基于等效因子的Q学习燃料电池汽车能量管理策略

为提高燃料电池混合动力汽车（FCHEV）燃料经济性以及维持蓄电池能量平衡,该文提出了基于等效因子的Q-learning算法的能量管理策略。构建等效耗氢量最小与维持蓄电池荷电状态（SOC）平衡的目标函数,建立FCHEV动力源能量流转化平衡模型,通过能量转化平衡机理得到耗氢量的等效因子;在城市循环+全球轻型汽车测试循环（UDDS+WLTC）工况下,对需求功率的转移概率矩阵进行求解,利用Q-learning算法离线优化燃料电池和蓄电池的输出功率;基于MATLAB/Simulink平台建立了前向仿真模型,进行整车性能的仿真试验。结果表明：在WLTC循环工况下,该策略的100 km等效耗氢量为0.730 kg,接近基于动态规则（DP）控制策略的耗氢量,且SOC保持在合理的范围内,验证了该策略的有效性;在西宁市实际工况下,验证了本文所提控制策略的适应性。     

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。     

基于Cruise/Simulink的车用燃料电池/蓄电池混合动力的能量管理策略仿真

基于AVL-Cruise和Simulink建立了联合仿真平台,引入了基于规则的功率跟随能量管理控制策略,对车用燃料电池/蓄电池混合动力(FCHEV)进行了初步仿真,在选定的循环工况下的仿真结果表明,该仿真平台能够真实反映燃料电池汽车的工作过程,蓄电池SOC始终保持在合理范围内.     

基于动态规划的混合动力商用车能量管理策略优化

考虑混合动力商用车部件基本的动态特性,在Matlab/Simulink中建立了整车前向仿真细化模型.应用动态规划理论获得整车燃油经济性的最优控制策略,包括能量分配和换挡控制策略.基于动态规划的最优控制策略,抽取出能够应用于实车控制的改进规则作为控制策略.采用重型车辆实际行驶工况的仿真结果表明,基于动态规划优化方法改进的整车控制策略可显著提高燃油经济性.     

并联混合动力客车行车充电控制规则的研究

以一款ISG并联混合动力客车为对象,对比现存的两种系统效率最优控制算法,并提出一种改进控制算法。应用这3种算法确定行车充电模式切换规则和转矩分配规则,并进行对比仿真和硬件在环试验验证。结果显示,所提出的系统效率最优行车充电控制规则进一步提高了整车经济性;该规则在发动机低效工况行车充电,以相对高效的方式适度发电,既避免了大量能量的二次转化,又通过电机驱动替代发动机低效工作而实现节油。采用该控制规则时车辆的能量经济性比采用其他两种控制规则时分别提升了13%和20%,在验证了控制规则合理性的同时为系统效率最优控制算法的研究和应用提供了参考。     

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。     

基于模型预测控制的PHEB能量管理策略

文章针对一款串联插电式混合动力城市公交,提出一种可实时应用的模型预测控制（MPC）能量管理策略,以能耗最小为目标优化整车功率分配。首先,基于马尔科夫链根据历史车速和加速度建立单步和多步速度预测模型;从而进行预测时域内滚动优化,选择动态规划算法（DP）得到动力系统最优控制序列;最后对比了基于模型预测、动态规划和庞特里亚金极小值原理（PMP）的能量管理策略。结果表明,提出的模型预测控制（MPC）能达到与全局优化算法相近的控制效果且能应用于实时控制,是其他两种方法不具备的,体现出该策略的优越性。     

From Offline to Adaptive Online Energy Management Strategy of Hybrid Vehicle Using Pontryagin’s Minimum Principle

This paper details the development of an energy management strategy (EMS) for real-time control of a multi hybrid plug-in electric bus. The energy management problem has been formulated as an optimal control problem in order to minimize the fuel consumption of the bus drivetrain for a typical day of operation. Considering the physical characteristics of the studied hybrid electric bus and its well-known daily tour, the Pontryagin’s minimum principle (PMP) is firstly used as the mean to obtain offline optimal EMS. Afterward, in order to adapt the proposed strategy for real-time implementation, the proposed control parameters are adapted online using feedback from the battery state of energy (SOE) which allows us to accurately control the battery SOE in the presence of wide range of uncertainties. The work proposed in this paper is conducted on a dedicated high-fidelity dynamical model of the hybrid bus, that was developed on MATLAB/TruckMaker software. The performance evaluation of the proposed strategy is carried out using a normalized driving cycles to represent different driving scenarios. Obtained results show that among the investigated methods, it is reasonable to conclude that the proposed adaptive online strategy based on PMP is the most suitable to design the targeted EMS.     

基于马尔可夫决策理论的燃料电池混合动力汽车能量管理策略

根据道路试验记录的数据建立驾驶员需求功率的马尔可夫模型,利用马尔可夫决策理论获得混合动力汽车的随机能量管理策略。借助燃料电池混合动力汽车控制系统的仿真平台进行仿真计算。北京公交车中速工况的仿真结果表明,与原先的恒电压控制策略相比,随机能量管理策略可以降低燃料消耗。     

考虑发动机起停优化的PHEV能量管理策略

针对某新型双电机行星耦合插电式混合动力汽车(PHEV)中发动机在起停及怠速运行状态下会导致油耗增加的问题,基于等效燃油消耗最小能量管理策略,加入发动机起停优化控制模块,以进一步改善整车燃油经济性.建立了整车动力学和传动模型并加入发动机起停优化控制模块,对ECMS能量管理策略输出的发动机及电机最优目标转矩进行重新优化分配...     

混合动力汽车控制策略研究现状及发展趋势

混合动力汽车作为解决汽车工业节能和环保的一项新技术,目前已成为汽车研究和发展的焦点。文章对混合动力汽车研究中基于规则的稳态能量管理策略、模糊优化控制策略、瞬时优化控制策略和全局优化控制策略进行了分析和比较,指出了未来混合动力汽车控制策略研究的发展方向。混合动力能量管理控制策略是混合动力汽车的基础和核心,当前的混合动力控制策略还不是很理想和成熟,需要进一步的优化。     

并联混合动力电动汽车的转矩控制策略

讨论了并联混合动力电动汽车的能量管理策略,阐述了一种基于规则转矩的控制策略,并在ADVISOR2002仿真软件上结合模型作了仿真分析。仿真试验证明这种转矩控制策略是一种合理的能量优化管理策略,提高了并联式混合动力电动汽车系统效率,获得了整车最大的燃油经济性、最低的排放以及平稳的驾驶性能。     

Comparison of PMP and DP in fuel cell hybrid vehicles

Pontryagin’s Minimum Principle (PMP) and Dynamic Programming (DP) are both from the optimal control theory and can both achieve optimal trajectories when they are applied to power management strategies of hybrid vehicles. However they have totally different control concepts. In order to select the superior one, the PMP-based and the DP-based power management strategies are introduced and compared for a fuel cell hybrid vehicle (FCHV) in this paper. The two power management strategies are applied to the FCHV in a computer simulation environment, and the simulation results from the two strategies are compared when the control variable for the PMP is fuel cell system (FCS) net power and for the DP is battery power. As a result, the superiority of the PMP-based power management strategy is proved.     

基于粒子群算法的Plug-in混合动力汽车能量管理策略优化研究

基于对混合动力汽车能量管理策略优化的目的,建立了丰田Prius Plug-in混合动力汽车的MATLAB/Simulink数学模型,用数学公式描述了系统优化控制问题,采用粒子群优化算法对该包含众多约束条件的非线性优化问题进行了求解,利用PSAT专业软件对比分析了基本型优化控制算法、改进型优化控制算法和规则控制算法等的控制效果及燃油经济性。结果表明,经过优化后的Plug-in混合动力汽车在不牺牲汽车各项性能的前提下能提高动力系统工作效率。     

新能源车型热管理控制策略逆向解析方案

热管理控制策略是新能源汽车能够安全稳定运行的关键,好的控制策略有助于降低能耗,延长车辆使用寿命以及提高乘员舱的舒适性等优点。为了更好的借鉴优秀车型的热管理控制策略,提出了一种热管理控制策略的逆向解析方案,可以利用测试和破解信号等手段,分析获取车辆的热管理控制策略。这有助于缩短开发周期,优化原有车型的控制策略,降低项目开发成本。     

基于粒子群算法的Plug—in混合动力汽车能量管理策略优化研究

基于对混合动力汽车能量管理策略优化的目的,建立了丰田PnusPlug-in混合动力汽车的MATLAB／Simulink数学模型,用数学公式描述了系统优化控制问题,采用粒子群优化算法对该包含众多约束条件的非线性优化问题进行了求解,利用PSAT专业软件对比分析了基本型优化控制算法、改进型优化控制算法和规则控制算法等的控制效果及燃油经济性。结果表明,经过优化后的Plug-in混合动力汽车在不牺牲汽车各项性能的前提下能提高动力系统工作效率。     

Minimum order bang-bang guidance for feedforward obstacle avoidance steering maneuvers of vehicles

In this paper, a new methodology is presented for computing time-optimal obstacle avoidance maneuvers for ground vehicles. Usually, the problem of obstacle avoidance is addressed in two parts. In the first part a path is planned. In the second an appropriately designed vehicle controller tracks the desired path. In view of the fact that the main problem concerning emergency maneuvers remains the development of an optimal control for minimum time and maximum maneuverability — with respect to the slip risk due to saturation of the tire forces — the authors propose an alternative approach. Considering that the time optimal control according to Pontryagin’s Maximum Principle (PMP) is of bang-bang type the investigations concern the minimum order and magnitude bang-bang control for “feedforward” steering maneuvers with the target of minimizing the computation time and simplifying the algorithm. This is accomplished by keeping the basic PMP logic but transforming the computational algorithm from an exact to a least squares control problem. Furthermore, the paper addresses how to solve the problem of guiding the vehicle from a non rest to a rest position. Simulations of obstacle avoidance maneuvers illustrate the performance of the controller.