跟驰场景中网联混合电动货车速度规划和能量管理协同控制的研究EI北大核心CSCD

鉴于队列行驶中的网联混合动力货车(HET)的跟驰速度既涉及行车安全、能量需求与分配和电池老化速率,同时又通过车间距,影响气动阻力,以至能耗经济性,本文中提出跟驰场景下综合考虑行车安全性、能耗经济性、气动阻力和电池老化等多个目标的速度规划和能量管理协同控制策略。首先,基于空气动力学量化跟驰安全性。其次,以安全性成本、能耗成本和电池老化成本构成的等效总成本最小化为目标函数并基于模型预测控制构建实时控制策略。其中,采用长短时记忆神经网络对前车速度进行预测,并采用动态规划求解滚动时域内的优化问题。结果表明,协同控制策略能通过抑制动力电池充放电电流来降低电池老化成本,以及借助灵活调整跟驰距离来减小气动阻力并降低能耗成本。与基于人类驾驶模型的跟驰策略进行对比,结果验证了协同控制策略的可行性。     

智能网联混合动力车辆速度规划的多目标协同控制研究

考虑车辆的行驶安全性、机动性、能耗经济性、舒适性和电池老化等多重目标,以弯道场景为例对智能网联混合动力客车的速度进行实时规划。首先,以车辆速度和动力电池SOC作为状态变量,加速度和发动机-发电机组输出功率作为控制变量,以混合动力客车的能量消耗成本、电池老化成本、机动性成本和舒适性成本的加权和最小化为目标函数。其次,以弯道行驶安全性、动力系统和电池系统的物理特性等为约束,实施基于模型预测的多目标协同控制,并应用动态规划算法求解滚动空间域内的多目标优化问题,从而实现实时的速度规划和能量分配。同时,分析机动性和舒适性赋予不同权重对性能的影响。结果表明:(1)考虑电池老化的控制策略可以在不影响车辆动力性和机动性的情况下,使电池老化成本降低25.8%,综合成本降低2.3%;(2)提高机动性成本的权重因子能够缩短行驶时间,但会引起综合成本的增加;(3)提高舒适性权重因子可以减少速度波动,同时降低综合成本。     

基于马尔科夫链的并联PHEB预测型能量管理策略研究

为使能量管理策略更好地面向实时应用,本文中针对一款装有自动机械式变速器(AMT)的并联插电式混合动力客车(PHEB),展开预测型控制策略的研究,以实现挡位选择和功率分配的协同优化。首先,基于马尔科夫链模型,计算转矩状态转移概率,得到不同预测时域长度的预测车速;在此基础上,进行滚动时域内的功率分配和挡位选择协同优化。其中,在滚动时域内的优化选择含电池SOC和挡位两个状态变量的二维动态规划(DP)算法。分析了不同预测时域长度对预测结果的影响,并对动态规划、基于规则的能量管理策略和预测型策略进行对比。结果表明:与基于DP的能量管理策略相比,本文中提出的预测型策略的能耗增加了17.3%,但与基于规则的能量管理策略比较,预测型策略的能耗降低了29.7%。     

插电式混合动力公交车电池配置和能量管理策略协同优化的研究

本文针对一款插电式混合动力城市客车,以电池购置成本和使用过程中的能耗成本两者构成的综合成本最小化为目标,进行电池电量选择和能量管理策略的协同优化。首先,设计了双环优化流程,外环为不同电量电池组的选择,内环则施行选定电池组下基于庞特里亚金极小值原理(PMP)的能量管理策略。基于中国典型城市客车运行循环进行仿真分析。结果表明,以综合成本最小化为目标的PHEB的最优电池组配置受行驶里程需求、电池单价等多种因素的影响。最后,基于一组选定的电池组,分别应用PMP、动态规划、电量消耗-电量维持策略和等效能耗最小化策略进行能量管理的对比仿真,得到了4种策略的能耗特征。     

插电式混合动力汽车能耗优化控制策略的研究EI北大核心CSCD

基于插电式混合动力汽车(PHEV)可以通过外网充电的特性,选取发动机消耗燃油的成本与电机消耗电能的成本之和作为优化目标函数,采用庞特里亚金极小值原理进行优化仿真;研究了PHEV不同工作模式(电量消耗-电量维持模式和混合模式)对能耗经济性的影响;分析了行驶里程、电池荷电状态(SOC)初始值和能量价格比对能量分配控制策略的影响;最终制定了实时优化控制策略并与门限值控制策略进行对比仿真,结果表明,与门限值控制策略相比,采用制定的实时优化控制策略能耗经济性在不同的SOC初始值下都有大幅度的提高。     

插电式混合动力汽车能耗优化控制策略的研究

基于插电式混合动力汽车(PHEV)可以通过外网充电的特性,选取发动机消耗燃油的成本与电机消耗电能的成本之和作为优化目标函数,采用庞特里亚金极小值原理进行优化仿真;研究了PHEV不同工作模式(电量消耗-电量维持模式和混合模式)对能耗经济性的影响;分析了行驶里程、电池荷电状态(SOC)初始值和能量价格比对能量分配控制策略的影响;最终制定了实时优化控制策略并与门限值控制策略进行对比仿真,结果表明,与门限值控制策略相比,采用制定的实时优化控制策略能耗经济性在不同的SOC初始值下都有大幅度的提高。     

基于城市公交工况的PHEV能耗成本评估

在城市公交道路工况数据采集的基础上,运用主成分分析与聚类分析等数据分析处理方法,建立了误差在10%以内的城市公交工况。同时结合实际车型数据搭建了插电式混合动力汽车的整车模型,并对比分析了基于规则的CD-CS(Charge Depleting Charge Sustaining,电量消耗-电量维持)控制策略与基于DP(Dynamic Programming,动态规划)算法的全局优化控制策略在构建的城市公交工况循环下对整车经济性的影响。结果表明:在行驶里程接近100km时,基于DP的能量控制策略百公里能耗成本为81元,比基于规则的CD-CS能量控制策略的百公里能耗成本降低了近30%。     

混合动力汽车匀速下坡再生制动模型预测控制

基于车载导航系统(GPS/CIS等)所提供的未来一段预测路线上的汽车运行状态信息,建立中度混合动力汽车再生制动能量回收的全局优化动态规划模型;采用模型预测控制方法,将动态规划的全局优化控制策略转化成预测视距内的局部优化算法,实现滚动优化控制;为解决动态规划中的维数灾问题,确定了电池荷电状态和温度的可达区域;对模型预测控制策略、全局优化控制策略和瞬时优化控制策略进行了计算比较,在不同坡度、不同坡长的匀速下坡工况下的仿真表明:模型预测算法的计算效率显著高于全局优化策略的;应用模型预测控制策略的再生制动能量回收效率明显高于瞬时优化控制策略的,相比全局优化策略的降低不到1.31%,且采用档位提示的模型预测控制策略能量回收效果更好.     

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。     

基于随机模型预测控制的并联式混合动力汽车控制策略研究

基于随机模型预测控制算法,对并联式混合动力汽车的转矩分配问题进行了研究。建立马尔科夫模型对需求功率进行预测,并将随机模型预测控制与动态规划相结合,提出了基于模型预测控制,并以消耗最小化为目标进行滚动优化的控制策略。在MATLAB/Simulink平台上搭建了仿真模型,并进行和逻辑门限控制策略的对比仿真。结果表明,与逻辑门限值控制策略相比,采用所提出的的控制策略时车辆能量经济性得到明显提高,说明用马尔科夫模型预测功率需求的控制策略是可行的,且具有良好的实时性。     

考虑电池电-热-放电深度的并联PHEV能量管理策略研究

在插电式混合动力汽车(PHEV)能量管理策略的设计中考虑电池老化的影响对提升整车的经济性意义重大.针对配置自动机械式变速器的并联PHEV,考虑影响电池老化的电-热-放电深度三重耦合因素并利用模型预测控制(MPC),实现挡位选择和转矩分配的协同、实时优化.首先,根据车速谱与电池老化动力学辨识电池在整个行程的最优放电深度....     

PHEV电池配置和能量管理的协同优化

在已知工况下,文章针对一款插电式混合动力汽车进行单体电池数量与功率分配的协同优化,以提高燃油经济性。采用凸优化算法作为优化方法,总成本中加入电池衰减成本,以进行电池配置和能量管理的共同优化。文章基于MATLAB进行仿真,结果表明,文章所采用的优化算法可以有效的降低能耗。     

混合交通环境下网联交叉口车辆协同诱导策略及仿真测试

在由智能网联汽车(CAV)与网联人工驾驶汽车(CHV)组成的混合交通环境下,以提升网联信控交叉口的行车效率、降低燃油消耗量为目标,设计了网联信控交叉口场景,在完成车辆运动学、跟驰及油耗建模的基础上,提出了一种基于车辆编队的网联车辆协同诱导策略,以平均行驶延误时间和平均燃油消耗量为评价指标,基于SUMO平台完成仿真测试。测试结果表明:在稀疏、欠饱和及过饱和交通流量条件下,随CAV渗透率的提升,通行效率和燃油经济性不断提高;在CAV渗透率低于60%时,CHV驾驶员服从度对协同行车诱导策略性能的影响更为显著。     

基于深度强化学习的车辆跟驰控制

针对自适应巡航控制系统在控制主车跟驰行驶中受前车运动状态的不确定性影响问题，在分析车辆运动特点的基础上，提出一种能够考虑前车运动随机性的跟驰控制策略。搭建驾驶人实车驾驶数据采集平台，招募驾驶人进行实车跟驰道路试验，建立驾驶人真实驾驶数据库。假设车辆未来时刻的加速度决策主要受前方目标车辆运动影响，建立基于双前车跟驰结构的主车纵向控制架构。将驾驶数据库中的驾驶数据分别视作前车和前前车运动变化历程，利用高斯过程算法建立了前车纵向加速度变化随机过程模型，实现对前方目标车运动状态分布的概率性建模。将车辆跟驰问题构建为一定奖励函数下的马尔可夫决策过程，引入深度强化学习研究主车跟驰控制问题。利用近端策略优化算法建立车辆跟驰控制策略，通过与前车运动随机过程模型进行交互式迭代学习，得到具有运动不确定性跟驰环境下的主车纵向控制策略，实现对车辆纵向控制的最优决策。最后基于真实驾驶数据，对控制策略进行测试。研究结果表明：该策略建立了车辆纵向控制与主车和双前车状态之间的映射关系，在迭代学习过程中对前车运动的随机性进行考虑，跟驰控制中不需要对前车运动进行额外的概率预测，能够以较低的计算量实现主车稳定跟随前车行驶。     

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。     

考虑电池热管理的复合电源电动汽车功率分配控制策略

为提升高温环境下电源系统的综合效率,通过分析电动汽车热管理和能耗模型,提出一种考虑电池热管理的复合电源电动汽车功率分配控制策略,并在CATC、NEDC工况下分别与单一电源电动汽车和采用常规策略的复合电源电动汽车进行对比仿真。结果表明,相对于单一电源,采用复合电源方案的电动汽车电源系统能量回馈提升3.6%以上,综合能耗降低3.3%以上,电池最终温度下降3.51℃以上;相对于采用常规策略的复合电源电动汽车,考虑电池热管理的复合电源功率分配控制策略提升超级电容参与度,使复合电源系统能量回馈提升1.8%左右,综合能耗降低1.2%左右,电池最终温度降低1.25℃左右,从而验证了该策略的有效性。     

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。     

基于V2V通信的车队纵向协同控制

传统的车队在实现车辆纵向队列控制时,仅仅依靠雷达或者视觉传感器进行感知,从而致使车辆获取信息的能力有限,无法满足车辆在复杂交通环境下的跟随性能。为了克服雷达和传感器的不足,文章将车车（V2V）相连通信技术应用于车辆的纵向协同控制系统中,通过车辆上搭载的车载单元（OBU）之间的通信进行数据交互。首先,设计车队纵向跟随的控制策略,选择固定车头时距的间距跟驰策略,根据前车状态反馈对后车车速进行调节,该方法能够保证后车的跟驰安全,提升跟驰的稳定性。然后基于Prescan/Simulink建立车队纵向协同控制系统的模型和实验场景,仿真结果证明车辆纵向跟随控制策略的准确性和间距跟驰策略的准确性。     

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。     

协同自适应巡航控制车辆占比对下匝道分流区混合交通流安全性的影响分析

在人工驾驶车辆、自适应巡航控制（ACC）车辆和协同自适应巡航控制（CACC）车辆的行车行为特征分析的基础上，运用跟驰模型和换道模型分别构建人工驾驶车辆、ACC车辆及CACC车辆在下匝道分流区混合交通流仿真环境，解析CACC车辆占比对混合交通流安全性的影响。选取全速度差模型、ACC跟驰模型、CACC跟驰模型分别作为人工驾驶车辆、ACC车辆、CACC车辆的纵向跟驰模型，利用随意换道模型、强制换道模型分别构建下匝道分流主线段、远近端区的横向换道模型。基于碰撞时间（TTC）、暴露碰撞时间（TET）、整合碰撞时间（TIT）等参数构建交通流安全性评价指标。利用MATLAB进行数值模拟，仿真分析不同CACC车辆占比下的混合交通流安全性。结果表明:CACC车辆占比为40%~50%时，混合交通流安全性恶化最严重，TET和TIT分别增加约68%和89%，车辆速度离散系数为0.9以上；通过在下匝道分流区设置远端强制换道区（设置长度≤ 1 000 m），可有效降低混合交通流的追尾碰撞风险。