原文传递
基于模型预测的网联混合动力汽车能量管理控制
| 论文题名： | 基于模型预测的网联混合动力汽车能量管理控制 |
| 关键词： | 混合动力汽车;模型预测控制;模糊聚类;长短时记忆神经网络;序列二次规划 |
| 摘要： | 愈发严重的能源消耗和环境污染使得新能源汽车得到了快速发展，混合动力汽车(HybridElectricVehicle,HEV)在节能减排与实际实施中表现出较大优势。然而HEV节能减排功效的实现很大程度地依赖于其多动力系统的能量管理控制策略。近年来，HEV能量管理控制策略具有丰硕的研究成果，但可实时实现、逼近全局最优性、适应实际多变交通场景的能量管理控制策略的设计成为了瓶颈问题。智能网联技术的飞速发展，为高质量的HEV能量管理控制策略的设计提供了新技术。由于模型预测控制方法属于实时优化技术，所以在网联场景下能更有效地解决能量管理这一棘手的问题。为此，本文研究了基于模型预测的网联HEV能量管理控制策略，并分别设计了考虑网联单车情况和网联跟车场景的预测能量管理策略，具体研究内容如下。 针对单车自由驾驶情况下的HEV功率需求实时优化分配问题，设计了网联单车情况下的预测能量管理策略。该策略主要包含预测模型设计和能量管理策略设计两部分。在预测模型的设计部分，先通过模糊聚类进行数据预处理，然后构造长短时记忆神经网络(Longshort-termmemory,LSTM)，用于车速预测。此外，为提高LSTM的预测性能，采用粒子群优化算法对LSTM的超参数进行优化。在能量管理策略设计中，是将设计好的预测模型用于HEV短时域内的转矩需求计算，优化部分采用序列二次规划(Sequentialquadraticprogramming,SQP)算法分配动力源转矩。最后，在MATLAB/SIMULINK环境中验证了所提能量管理策略的有效性和适应性。 针对具有跟车情况的HEV能量管理控制问题，设计了网联跟车场景的多目标预测能量管理策略。该策略包括基于前车速度预测的本车速度规划和实时多目标能量管理控制策略设计。首先利用V2V与V2I技术采集的本车和前车驾驶状态、车间距及前车到交通灯的距离等信息，结合HEV动力系统物理约束条件，设计基于前车速度预测模型的本车速度规划策略。然后，针对燃油经济性和驾驶安全性，设计网联跟车场景下的预测能量管理策略。最后，在MATLAB/SIMULINK仿真环境中验证了所提策略的有效性和适应性。 |
| 作者： | 陈晓龙 |
| 专业： | 控制工程 |
| 导师： | 焦晓红;孙建香 |
| 授予学位： | 硕士 |
| 授予学位单位： | 燕山大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
