原文传递
基于自适应动态规划的网联混合动力汽车能量管理控制
| 论文题名： | 基于自适应动态规划的网联混合动力汽车能量管理控制 |
| 关键词： | 混合动力汽车;能量管理策略;网联环境;双启发式动态规划;预测巡航控制;燃油经济性 |
| 摘要： | 为了解决汽车产业发展加剧的环境污染和资源短缺问题，混合动力汽车（HybridElectricVehicle，HEV）应运而生。HEV能够实现低能耗、低排放、高效运行的关键在于其采用的能量管理控制策略。网联技术的出现使得基于人工智能技术的HEV能量管理控制成为了发展新趋势。自适应动态规划（AdaptiveDynamicProgramming，ADP）作为一种基于智能学习的优化求解算法，集成了强化学习思想、动态规划原理和神经网络技术，为HEV能量管理控制的实施提供了新途径。为此，本论文基于ADP基本结构类型之一的双启发式动态规划（DualHeuristicDynamicProgramming，DHP），对网联HEV能量管理控制策略设计展开深入研究，研究内容如下： 针对最小化等效油耗同时满足车辆驾驶功率需求和电池电量约束的HEV能量管理动态优化问题，设计基于DHP的单车HEV能量管理控制策略，用以进一步提升燃油经济性和对不同驾驶工况的适应性。该策略采用反向传播神经网络（BackPropagationNeuralNetwork，BPNN）实现DHP算法中的评价网络和执行网络，以函数近似结构逼近动态优化问题求解过程中的性能指标和控制策略，进而得到贝尔曼最优性原理下的最优功率分配。在GT-SUITE与MATLAB/Simulink的联合仿真实验平台上，通过与现有的有代表性的其他策略的仿真比较，验证该策略的有效性、鲁棒性、对燃油经济的改善效果及控制实时性。 针对网联双车场景以行驶安全性和燃油经济性为优化目标的HEV能量管理动态优化问题，设计融合预测巡航控制的DHP能量管理控制策略，实现网联环境下HEV保持安全稳定的车距下的功率分配近似全局最优控制。该策略利用车辆历史驾驶信息，通过BPNN离线训练并建立前车速度预报模型；利用DHP结构对预测的前车车速、已知的本车车速和本车与前车的距离预测本车的加速度，将其作为状态量输入到基于DHP的能量管理控制结构中，组成实时功率分配的能量管理控制系统。在CarMaker建立的网联车场景与GT-SUITE-MATLAB/Simulink的联合仿真实验平台上，验证该控制策略的有效性、实用性和对车辆驾驶的安全性与节能性。 |
| 作者： | 王雅倩 |
| 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
