智能网联混合动力汽车队列分层优化控制方法研究

摘要

节能、安全、舒适及环保是汽车行业发展的主题，围绕这些主题，当前最热门的研究方向是车辆的智能化、网联化及电动化。本文以智能化、网联化的混合动力汽车队列为研究对象，以提高燃油经济性、交通流畅性、舒适性及安全性为目标，以模型预测控制（model predictive control，MPC）为主要研究方法，提出了混合动力汽车队列分层预测控制构架，提出了分层控制实时化的解决方案并进行了实车在环测试和硬件在环仿真，研究了考虑系统误差的燃油经济性控制，研究了基于预测信息的能量管理优化，研究了集成垂向振动燃油经济性控制。全文的主要工作概括如下:
　　研究了考虑效率反馈的智能网联混合动力汽车队列分层预测控制。将控制构架分为两层，上层控制器基于混合动力汽车油耗、相对距离、SPAT得到的目标车速以及加速度，设计基于MPC的控制算法，优化混合动力汽车队列的目标车速。下层控制器以燃油经济性为目标，以动力电池SOC均衡为主要约束，基于A-ECMS能量管理控制算法进行混合动力汽车能量管理。与此同时，下层控制器周期性地计算平均驱动效率和能量回收效率并将其反馈至上层控制器，用于修正上层控制器中与效率相关的油耗模型。
　　研究了基于分层控制构架的智能网联混合动力汽车队列实时车速预测及能量优化管理。上层控制器针对MPC优化问题的具体结构，采用牛顿迭代法求解KKT方程并基于近似方法求解牛顿迭代方程，设计了基于F-MPC实时预测混合动力汽车队列最优目标车速，下层控制器基于动力部件的Willans Line模型，将ECMS控制算法线性化，设计了基于WL-ECMS进行混合动力汽车队列实时能量管理控制策略。
　　研究了考虑控制系统随机误差的网联混合动力汽车队列闭环协同控制方法。在分层控制的基础上，上层控制器考虑了控制系统的随机误差，基于Markov决策建立随机误差模型及其概率转移矩阵，基于SMPC处理随机误差，并基于方案树简化SMPC问题，缩短计算的时间成本。下层控制器基于A-ECMS进行混合动力汽车队列的能量管理。在上层代码中嵌入简化的混合动力汽车模型，依据可测量的变量和Autonomie后处理文件，建立了驱动和回收效率模型并实时反馈至上层控制器进行下一时刻的车速优化。
　　研究了基于预测信息的网联四驱混合动力汽车能量优化管理控制方法。首先描述了基于规则的四驱混合动力汽车控制策略，然后在基于规则控制策略的基础上，设计了基于ECMS的控制策略。根据四驱混合动力汽车预测车速，进行了基于预测信息的等效因子全局优化以及分段优化，并基于预测信息，采用DP算法进行了四驱混合动力汽车队列能量管理的全局优化。
　　研究了集成垂向振动的混合动力汽车燃油经济性控制。利用悬架系统状态与车速和位置均相关的特点，将整车纵向动力学与悬架系统垂向动力学有机结合起来。基于智能网联环境下获取的混合动力汽车车速及位置信息及SPAT信息，建立综合优化燃油经济性、交通流畅性、跟车距离、垂向舒适性以及纵向舒适性的MPC模型，在保障基于智能网联基本特性及不牺牲最优燃油经济性的前提下，提高混合动力汽车队列的垂向振动舒适性。为降低计算求解的时间成本，采用F-MPC进行最优目标车速的快速优化。

目录

声明

致谢

摘要

1 绪论

1．1 研究背景和意义

1．2 混合动力汽车研究现状及发展趋势

1．2．1 混合动力汽车发展现状及趋势

1．2．2 混合动力汽车能量管理

1．3 智能网联汽车研究现状及发展趋势

1．3．1 智能网联汽车的研究现状及趋势

1．3．2 智能网联汽车文献综述

1．4 本文主要研究内容

2 考虑效率反馈的智能网联混合动力汽车队列分层预测控制

2．1 基于智能网联的分层控制原理

2．2 混合动力系统模型

2．2．1 整车纵向动力学模型

2．2．2 发动机模型

2．2．3 ISG电机模型

2．2．4 电池模型

2．2．5 自动变速箱模型

2．2．6 驾驶员模型

2．3 上层控制系统建模

2．3．1 燃油经济性优化

2．3．2 目标车速范围的计算

2．3．3 基于MPC的车速优化

2．3．4 对比模型的建模

2．4 下层控制系统建模

2．4．2 A-ECMS的建模

2．4．3 效率反馈的实现

2．5 仿真结果

2．5．1 分层控制基本性能

2．5．2 效率反馈控制效果的验证

2．6 本章小结

3 智能网联混合动力汽车队列实时车速预测及能量优化管理

3．1 上层控制系统的建模

3．1．1 目标车速的求解

3．1．2 基于MPC的优化问题建模

3．2 基于F-MPC的最优目标车速求解

3．3 基于WL-ECMS的能量管理

3．3．2 基于WL-ECMS的能量管理

3．4 仿真结果

3．4．1 分层控制的基本性能

3．4．2 上层控制算法控制效果对比

3．4．3 下层控制算法控制效果对比

3．5 试验结果

3．5．1 UDP通信原理

3．5．2 实车在环试验

3．5．3 硬件在环试验

3．6 本章小结

4 考虑随机误差的网联混合动力汽车队列闭环协同控制

4．1 优化问题描述

4．1．1 车辆队列纵向动力学模型

4．1．2 燃油经济性优化

4．1．3 基于SPAT的目标车速求解

4．1．4 优化问题建模

4．2 基于SMPC的最优车速预测

4．3 基于A-ECMS的能量管理

4．3．2 实时效率反馈

4．4 仿真结果

4．4．1 基本性能仿真结果

4．4．2 上层控制算法控制效果的对比

4．4．3 考虑实时效率反馈的控制效果

4．4．4 其他SPAT下的燃油经济性对比

4．5 本章小结

5 基于预测信息的智能网联四驱混合动力汽车能量优化管理

5．1 四驱混合动力汽车的建模

5．1．1 发动机模型

5．1．2 电机模型

5．1．3 动力电池模型

5．1．4 变速箱模型

5．1．5 离合器模型

5．1．6 整车纵向动力学模型

5．1．7 传动系统模型

5．2 基于规则的四驱混合动力汽车控制策略

5．3 基于EcMs的四驱混合动力汽车控制策略

5．4 基于预测信息的能量优化管理

5．4．1 基于智能网联的车速预测

5．4．2 基于预测信息的等效因子优化

5．4．3 基于预测信息的能量管理全局优化

5．5 仿真结果

5．5．1 等效优化后的ECMS仿真结果

5．5．2 基于DP的仿真结果

5．5．3 能量优化结果的对比

5．6 本章小结

6 集成垂向振动的智能网联混合动力汽车队列燃油经济性预测控制

6．1 优化问题的描述

6．1．1 整车纵向动力学模型

6．1．2 悬架系统模型

6．1．3 油耗模型

6．1．4 路面激励模型

6．1．5 能量管理优化模型

6．2 集成垂向振动的模型预测

6．3 仿真结果

6．3．1 SPAT4015时的仿真结果

6．3．2 不同SPAT时的仿真结果

6．3．3 不同网联率时的仿真结果

6．4 本章小结

7 全文总结和与展望

7．1 本文的主要研究工作

7．2 本文的创新点

7．3 研究工作展望

参考文献

攻读博士学位期间的学术活动和成果情况