原文传递
基于自适应模型预测控制的电动汽车恒速下坡控制研究
| 论文题名： | 基于自适应模型预测控制的电动汽车恒速下坡控制研究 |
| 关键词： | 电动汽车;恒速下坡控制;再生制动力;自适应模型;预测控制;最小二乘法 |
| 摘要： | 汽车在山区行驶时，经常遇到下长坡、转弯等工况，为保证行车安全，需对车速进行必要的控制，从而导致车辆制动系统处于长时间持续制动状态，对于传统内燃机汽车来说，制动器热负荷很大，往往采取安装辅助制动系统来缓解制动器负荷。而电动汽车可采用再生制动作为辅助制动来减轻机械制动系统的工作负荷，减少制动器升温，提高制动安全性。而且通过再生制动，可将行驶时的惯性能量转化为电能储存至储能装置中，从而有效地延长电动汽车续驶里程。 针对电动汽车下长坡制动工况，当路面坡度时变的情况下研究下长坡时再生制动力与机械制动力的协调分配以保证电动汽车恒速下坡。对电动汽车再生制动系统的原理和结构做了简明的介绍，并根据车辆条件给出了再生制动的限制条件，以电动客车为例，建立了再生制动系统的数学模型，并给出了数学模型中各个变量需要满足的范围。然后利用最小二乘辨识方法对路面坡度进行在线辨识，通过Matlab/Simulink进行了仿真，仿真结果表明最小二乘辨识方法可以很好地辨识路面坡度变化。 为保证车辆在坡度变化时能保持恒速下坡，根据给出的制动系统数学模型，采用自适应模型预测控制方法设计控制系统，该控制系统主要完成控制对象预测模型输入、滚动优化、在线校正等几个步骤，路面坡度辨识结果作为可测干扰信号加入模型预测控制中，根据路面坡度的变化实现车速的自适应调节。同时本文将自适应模型预测控制结果与不带有自适应机制的PID控制方法的控制结果进行对比分析，在Matlab/Simulink仿真环境下进行了仿真分析，结果表明自适应模型预测控制下的车速能够更好地跟踪理想车速，路面坡度变化对其影响更小。 最后，本文采用Matlab/Simulink建立了电动客车各个部件的仿真模型，包括车辆纵向动力学模型、电机模型、电池模型和制动模式切换模型。制动模式切换模型的主要功能是基于电池特性等实际情况考虑下，当电池SOC高于一定值，再生制动失效，此时制动模式自动切换至单一机械制动模式。对各个部件建模并加入控制模块后仿真结果表明，车辆在自适应模型预测控制模式下可以实现精确的速度控制以及一定量的能量回收，保证下坡安全。 |
| 作者： | 彭星 |
| 专业： | 车辆工程 |
| 导师： | 赵国柱 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京农业大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
