低温环境下车用锂电池预加热策略研究

为提升电动车在低温环境下的续航里程,提出基于加热目标温度优化的电池组预加热策略,充分提高电池在低温环境下的能量效率,满足目标行驶里程的需求。首先通过实验测试确定不同温度下电池的最大放电能量;其次基于不同温度下电池的能量保持率和考虑温度对电池寿命的影响,建立非线性多目标约束方程并求解,得到不同环境温度和不同SOC状态下电池的最优加热目标温度;最后基于实测数据标定的整车物理模型对加热策略进行验证。实验结果表明,在-15和-5℃的初始温度下,基于优化的电池加热目标温度,整车的续航里程最大分别提高了8.41%和4.77%,说明所提方法能够明显提升低温下电动车的续航里程。     

多轴分布式电驱动车辆后桥差动转向控制策略研究

首先建立了八轴分布式电驱动车辆动力学模型,提出了基于质心侧偏角的差动转向双层控制策略,上层控制器以质心侧偏角及其变化率和前轮转角为输入,采用模糊控制生成机械转向桥和差动转向桥的转向中心相对位置,从而获得后桥转向参考转向角;下层控制器以上层转向参考角为控制目标,采用增量式数字PI控制得到后桥电机的差动转矩。最后选取中高速工况,进行硬件在环仿真,验证了后桥差动转向控制效果和实时性。结果表明,与理想阿克曼转向策略相比,该策略能有效减小车辆转向过程中质心侧偏角,并保证了转向稳定性。     

基于遗传蚁群算法的履带式混合动力车辆控制策略参数优化

针对控制策略参数优化中存在的问题,提出一种基于遗传蚁群算法的履带式混合动力车辆整车控制策略参数优化的新方法。基于优化设计的思想,以最小燃油消耗量为目标函数,建立控制参数优化问题的数学模型,然后结合遗传算法和蚁群算法各自的优点提出一种遗传蚁群优化算法,并对控制策略参数优化问题进行数值求解。结果表明,优化后车辆燃油消耗减少14.9%,说明该方法可以找到一组全局最优的参数,大大缩短控制参数的实车标定时间。     

基于Tube MPC的多轴重型车辆全轮转向路径跟踪策略

本文中为具有智能驾驶功能的五轴重型车辆提出一种基于鲁棒不变集的模型预测控制（Tube MPC的全轮转向路径跟踪策略。首先提出了基于第1桥和第5桥转角控制的全轮转向路径跟踪策略,使多轴车的控制更灵活,侧向力响应可实现同步且能得到充分利用。接着控制模型考虑轮胎参数不确定和侧向风产生的有界干扰,采用Tube MPC求解路径跟踪问题。同时采用基于支撑函数计算的简化最小鲁棒正不变集（mRPI）代替了通用的基于Minkowski求和的mRPI运算,有效地节约了mRPI的离线计算时间,也减少了不变集的顶点个数,以保证Tube MPC的在线实现。最后进行硬件在环仿真,验证了所提基于Tube MPC的全轮转向策略对比普通的全轮转向策略具有更高的路径跟踪精度和车辆稳定性,面对未知干扰时有更强的鲁棒性。