基于预测控制的PHEV能源管理策略

提出一种基于预测控制的PHEV在线能源管理策略。它利用BP神经网络构建旅途预测模型,并采用遗传-粒子群混合优化算法提升预测模型的车速预测精度;在此基础上,为保证预测模型对工况的适应性和策略的实时性,设计了基于动态规划的预测控制策略;最后以实际工况数据对提出的策略进行了仿真验证。结果表明,设计的旅途预测模型可有效地进行车速预测,预测精度超过93%;同时,与现有的实时策略和全局优化策略相比,采用提出的策略时油耗、排放和实时性得到了改善。     

基于电机转速闭环控制的混合动力汽车模式切换动态协调控制策略

针对混合动力汽车模式切换过程中动力传递不平稳引起的冲击和发动机转矩难以实时精确获得等问题,提出了基于电机转速闭环控制的混合动力汽车模式切换动态协调控制策略。采用基于斜率限制的发动机转矩控制方法,限制发动机转矩变化率,减小了发动机转矩突变造成的冲击;运用电机转速闭环控制方法,以容易实时精确测量的电机转速作为反馈控制量,解决了发动机转矩在线实时精确估计难题。利用Matlab/Simulink与AEMSim搭建了联合仿真平台。仿真结果表明,提出的动态协调控制策略能减小电机转速和车速的波动,有效提高混合动力汽车的行驶平顺性。     

考虑换挡损失的发动机与AMT多工况高效协同控制

燃油经济性是汽车的最关键指标之一，本文提出一种AMT （机械式自动变速器）针对不同工况优化整车油耗的方法，通过搭建整车行驶阻力、驱动力等模型计算换挡后车速损失，进而选取最佳挡位，并利用AMESIM和SIMULINK联合仿真软件进行整车仿真建模，通过优化前后油耗的对比来验证该策略的有效性。     

基于遗传算法的混动汽车扭矩节能协调控制优化

为了提高混合动力汽车的节能效果，在等效燃油消耗最小策略(Equivalent Fuel Comsumption Minimization Strategy, ECMS)的基础上引入遗传算法(Genetic Algorithm, GA),设计了一种基于遗传算法优化发动机扭矩的节能协调控制策略。以整车冲击波强度作为价值指标目标函数，通过遗传算法优化后获得最佳扭矩参数，优化模式运行阶段的发动机扭矩，减小冲击影响并获得更优的扭矩跟随效果。研究结果表明：采用GA优化能够对发动机扭矩起到削峰填谷作用，获得更高的整车动力稳定性；NEDC工况下，冲击波强度下降了近45%;利用GA-ECMS协调控制方案能够增强模式切换品质，也可以有效改善混合动力系统经济性。采用实际路段工况验证了GA-ECMS扭矩优化协调效果，结果表明GA优化混合驱动可稳定发动机扭矩，能够达到优异的协调控制性能。     

基于大数据的实际道路油耗研究与优化

文章借助大数据平台,以国内某款乘用车型为研究对象,提取了车型不同地区不同用户群体的油耗状态,分离出了高油耗客户群体油耗偏高的原因,有针对性地进行油耗优化和验证。通过大数据对比发现车辆实际道路工况及油耗与法规工况及油耗差异较大,文章通过实际道路设计进行油耗验证和分析,用更加贴近用户使用的工况分析油耗影响因素的敏感性,通过采取相应的降油耗措施达到降低实际使用油耗的目的。研究结果表明:高油耗客户群体的怠速工况占比较大;油耗对行驶平均车速、冷启动工况的敏感性较高;北方地区行驶工况恶劣是油耗偏高的主要原因;低温地区匹配雪地胎的油耗比匹配四季胎的油耗更好。     

混合动力汽车发动机转矩突变过程动态协调控制

针对混合动力汽车急加速时由于混合气瞬间加浓引起动态油耗增加的问题,本文中提出了基于转矩动态补偿的混合动力汽车发动机转矩突变过程动态协调控制方法。设计了基于转矩变化率限制的发动机转矩控制策略,避免了发动机转矩突变过程中动态油耗的增加,同时保证了加速过程中整车的动力性。实车试验结果表明,提出的动态协调控制方法不仅降低了加速过程中发动机的动态油耗,同时提高了整车动力性。     

增程式乘用车转商用车发电策略优化

阐述了增程式乘用车转商用车在现阶段法规情况下面临的工况燃油耗问题。经过测试分析,发现原因为在商用车执行的新欧洲行驶循环（NEDC）工况下,车速相比乘用车执行的全球统一轻型车辆测试循环（WLTC）工况更低;在应用车速限制功率策略的情况下,增程器低效率点占比更大,导致工况的平均燃油耗升高。为此,可通过提升车速限制的发电功率,实现降低商用车执行 NEDC 工况的燃油耗。     

基于非线性模型预测控制的车辆纵向队列协调控制

本文中针对基于分层控制结构的车辆队列上、下层控制缺少联系的问题,提出了车辆队列跟驰与个体车辆动力学稳定性协调控制的思路,其基本思想是在保证队列中个体车辆安全稳定行驶的同时,尽可能实现队列跟驰控制的目标。基于非线性模型预测控制(nonlinear model predictive control,NMPC)方法设计了车辆队列协调控制方案,设计了包括跟驰间距误差、跟驰速度误差以及车速与车轮圆周速度差3个子目标的优化目标函数,将队列跟驰与车辆动力学稳定性的协调控制转化为约束优化控制问题;基于序列二次规划(sequential quadratic programming,SQP)方法进行求解,得到车辆前、后轴的制动/驱动力矩来实现上层决策输出的期望跟驰加速度。基于由3车辆组成的非线性队列模型对控制方案进行了仿真分析,结果表明,所提出的基于NMPC的车辆队列协调控制策略可以在大范围操纵工况下,在保证车辆安全稳定行驶的基础上实现队列的跟驰控制。     

分布式驱动电动汽车转向工况转矩分配控制研究

针对分布式驱动车辆转向工况在低速下期望提高转向机动性能,高速下期望保证行驶稳定性的需求,充分考虑转向行驶内外侧车轮的转向关系以及车辆动力学,制定了适应车速变化的四轮转矩分配策略,建立了四轮轮毂电机驱动模型以及二自由度参考模型。为了改善分布式驱动转向机动性能,建立自抗扰控制器调整内外侧车轮转矩,形成合理的转速差,减小转向半径,以提高转向机动性;对于高速转向行驶稳定性的需求,通过二次规划方法优化分配各车轮驱动力矩,分析轮胎纵横向附着裕度建立目标函数,并加入附加横摆力矩和路面附着力的限制,进行车轮驱动转矩的在线优化分配,提高车辆转向行驶的稳定性;另外为避免2种控制模式转换时驱动转矩突变,根据车速和稳定性参数制定模糊规则决策2种模式的协调系数,保证2种控制模式的平滑过渡。基于CarSim和MATLAB/Simulink进行联合仿真,并搭建硬件在环平台进行试验,对所提出的方法进行验证。结果表明：在低速转向工况下,提出的分配策略能够调节内外侧车轮产生差速效果,与转矩平均分配的策略相比,转向半径有所减小,提高车辆机动性;高速转向工况下,分配策略能够保证车辆稳定转向,与未考虑稳定性控制的分配策略相比,能更好地跟踪目标轨迹,且横摆角速度控制在参考横摆角速度附近,证明了所提控制策略的有效性。     

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。     

插电式混合动力轿车的能量管理策略与仿真

针对一款新设计的基于金属带式无级自动变速器(CVT)的插电式混合动力轿车(PHEV)的特点,依照整车不同电量状态和功率需求,提出了一种多阶段多目标的能量管理策略。控制电机输出扭矩,以调整发动机工作点;控制CVT比,以优化电机工作点。在Matlab/Simulink平台下,用前向仿真方法,搭建整车模型;在新欧洲行驶循环(NEDC)工况下,进行仿真。结果表明:在不同工况下,该能量管理策略,满足了整车的控制需求,合理地分配了电机扭矩和发动机扭矩;等效油耗为4.26 L/(100km),比常规汽油车节能46.1%。因而,验证了该能量管理策略的有效性。     

Speed Control of Vehicle Robot Driver Based on Adaptive Fuzzy PID Control

针对汽车驾驶机器人采用常规PID控制时车速波动大、调节器参数调整困难等问题,提出了一种基于模糊自适应PID的汽车驾驶机器人车速控制方法.首先建立了汽车驾驶机器人多机械手协调控制模型,然后在此基础上设计了一种驾驶机器人模糊自适应PID车速控制器,实现了驾驶机器人对给定循环行驶工况的车速跟踪.试验结果表明,与常规PID控制方法相比,采用所提出的方法车速跟踪精度明显改善,车速跟踪误差在±2km/h范围内,满足国家汽车试验标准的要求,保证汽车试验数据准确有效.     

增程式电动客车能量管理策略优化的研究

本文中对增程式电动汽车进行了能量管理策略研究。在循环工况已知的前提下,分别研究动态规划控制策略和瞬时等效燃油消耗最小策略,得到两者的行驶成本并与采用基于规则的恒温器式管理策略时的行驶成本进行比较。结果表明,动态规划控制策略和瞬时等效燃油消耗最小策略的行驶成本都比采用基于规则的策略时低。虽然动态规划策略行驶成本比瞬时等效燃油消耗最小策略更低,但因实际行驶过程中工况会有变化,很难达到最优。而ECMS控制策略可实现在线应用,兼顾了燃油经济性和实用性,比较适合作为一种可行的增程式电动客车的能量管理策略。     

重型柴油车实际道路行驶工况试验研究

本文针对现有工况循环不能真实评价实际道路整车性能的问题,基于实际道路行驶数据,采用多元统计方法构建重型柴油车实际道路行驶工况,分析了行驶工况多项特征参数。结果表明,构建的重型柴油车实际道路行驶工况能够基本体现重型柴油车在实际道路的行驶特征。发现构建的行驶工况与WHTC循环有较大差异,行驶工况平均运行车速为30.5km/h,行驶里程13.379km,怠速时间占比12.4%,加减速时间占比86.6%。在中低速、中高速区转速、扭矩波动较大,反映了拥挤的交通状况和复杂的驾驶环境。在高速区转速、扭矩变化较为平稳,说明车辆处于平顺的驾驶环境。怠速和极端驾驶产生的燃油消耗占比不大,高速区燃油消耗远高于其他速度区。瞬时耗油率最大值出现在高速区和中低速、中高速区部分。     

基于发动机联合控制的AMT换挡控制策略

分析了AMT换挡类型,提出了基于CAN总线的发动机联合控制策略,即TCU通过CAN及ECU扭矩控制功能对发动机扭矩进行精确控制,同时基于发动机瞬态扭矩对离合器实现精确分离和接合控制.针对不同换挡工况给出了离合器分离/接合与发动机降扭/扭矩恢复协调控制策略,同时提出了选换挡过程动态调整转速控制策略.试验结果表明,所提策略可以增强AMT换挡过程的平顺性和动力性,减小离合器滑摩,且具有很好的鲁棒性,有助于提高AMT换挡品质.     

装备CVT的中度混合动力轿车驱动工况下的能量优化策略

针对装备CVT的混合动力汽车,提出了一种以混合动力系统效率最高为优化目标,以车速、加速踏板行程和电池SOC为状态变量,以电机转矩和CVT速比为控制变量的中度混合动力汽车能量优化策略。该策略综合考虑了驾驶员的实际操作和驱动需求以及各个关键部件的效率,确定了驱动工况各工作模式下的最优电机转矩和最优CVT速比,保证了混合动力系统的效率最高。采用自行搭建的前向仿真模型对所提出的能量优化策略进行了验证,结果表明:在NEDC循环工况下该车等效100km油耗比原型车降低了26.4%。     

一种新型强混合动力结构的控制策略

基于一种新型的单电机、双离合器式强混合动力结构,建立了其车辆分层控制系统,制定了整车能量管理策略,并研究了行进中启动发动机过程的动态协调控制.通过自行开发的前向仿真系统对能量管理策略进行了验证,结果表明在NEDC循环工况下等效100km油耗降低34%.同时通过动态台架试验,对行进中启动发动机的动态协调控制策略进行了验证.     

重型半挂牵引车行驶工况研究及其动力传动系统优化

本文利用车辆行驶信息大数据平台实地采集了山西地区重型半挂牵引车的行驶数据。利用主成分分析、聚类分析和马尔科夫法构建了山西地区的重型半挂牵引车行驶工况。对C-WTVC、CHTC-TT、山西工况的燃油消耗量分别进行仿真,仿真结果验证了行驶工况构建的准确性。基于山西行驶工况对整车传动系统进行优化匹配,优化传动系统后的车辆发动机工作在经济区域的概率增加,百公里油耗比基础车型减少0.94 L。实车测试的油耗数据证实了构建的行驶工况曲线能更好地表征山西地区重型半挂牵引车的行驶特性。本文所提出的基于山西工况的整车动力系统匹配的仿真方法,有助于设计出适合山西地区的重型半挂牵引车的高效动力总成系统。     

轻型汽油车实际道路行驶工况与实验室工况油耗对比分析

选择两台满足国六排放标准的轻型汽油车在进行了WLTC和NEDC循环工况下的实验室工况试验,并对其按照RDE测试规程进行了实际道路行驶工况试验,探讨实际道路行驶工况的油耗结果与实验室工况油耗的对比。用碳平衡的方法计算各工况油耗,结果表明实际道路行驶工况的油耗结果和实验室工况结果偏差都在5%之内,WLTC工况与实际道路行驶工况之间的偏差更小。在低速阶段实际行驶油耗与实验室差异较大,而在高速阶段,WLTC循环工况油耗与实际道路油耗很接近。     

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。