基于模型预测的混联式混合动力汽车能量管理策略研究

发布时间：2020-05-28 02:59

【摘要】：能量管理策略是混合动力汽车(Hybrid Electric Vehicles,HEV)的核心部分,对车辆的燃油经济性有很大的影响。由于模型预测控制非常适用于解决非线性和不确定性问题,且能结合不同的优化算法在短时间内求得最优解,将其应用于HEV的能量管理,对燃油经济性的提升有很大的帮助,同时又具备一定的实车应用潜力。本文以丰田Prius HEV为研究对象,重点研究了基于模型预测控制的混联式混合动力汽车的能量管理策略。(1)分析了混联式系统的工作原理,采用杠杆法分析了混联式系统中的几种工作模式,并对各工作模式进行了动力学建模,建立了混联式混合动力汽车的后向仿真模型。(2)本文建立了基于规则的能量管理策略和全局最优的动态规划(Dynamic Programming,DP)能量管理策略,在UDDS循环工况下进行了仿真分析。鉴于规则能量管理策略中人为经验对实车运用效果的影响,以及全局优化能量管理策略存在“维数灾难”而不能用于实车,对基于模型预测控制(Model Predictive Control,MPC)的能量管理策略进行了研究,介绍了其控制原理及分层预测控制的方法。(3)结合动态规划算法,建立了基于模型预测控制的HEV能量管理策略,研究了提升预测精度的方法。分别采用了1阶、2阶、3阶马尔可夫和径向基函数神经网络(Radical Basis Function,RBF)、广义回归神经网络(Generalized Regression Neural Network,GRNN)5种不同的预测方法进行了车速预测,分析了各方法的预测效果。对基于以上方法的模型预测控制的能量管理策略进行了仿真分析,对比显示采用GRNN神经网络预测的方法比其他方法提高了至少4.4%的燃油经济性,验证了预测精度对提升油耗的有效性。(4)建立了基于交通信号的最优车速模型,采用上述预测方法中效果最好的GRNN神经网络预测前车车速,并利用交通灯状态以及前车信息对目标车速(亦指后车)进行求解,仿真分析了前后车辆基于交通信号的模型预测能量管理策略。结果显示,具有通信功能的智能车辆(后车)相比普通的HEV车辆(前车)有更好的通过性及燃油经济性。通过本文的研究,采用基于模型预测控制的能量管理策略对提升HEV的燃油经济性有很好的效果,并且有一定的实车应用潜力。
【图文】：

电机效率,电池

(b) MG2 效率特性图图 2.3 电机效率图Fig.2.3 Efficiency diagrams of motor/generator模型在不同 SOC、充放电电流、内阻、温度时，其充放电以仅利用经验公式难以准确表达。因此本文利用经验建立电池模型。电池为电机提供电能并回收反馈能量的功率和，相关公式为1 1 1 1 2 2 2 2( )k k k kbat MG MG MG conv MG MG MG convP T T 表示电池的充放电功率， 1、 2分别表示 MG 2分别表示两个电机的功率转换器的效率，电机驱 1。电池等效模型图如图 2.4。电池的开路电压与内阻，由于温度对电池的影响较为复杂，本文将温度一项

轨迹图,车辆,场景,轨迹

5.4 为普通 HEV 车辆和智能 HEV 车辆距离起点的位移。图中红色横口的信号灯的红灯持续时间，而两红线间的空白区表示交通路口信续时间，上下两红线间的距离代表的是两个交通信号灯间的路段的的蓝色和绿色曲线可以看出，蓝色线在某几处和红色短横线相重合一段时间内，前车位移为零，即前车在交通灯为红灯时，于交通灯前曲线在行驶时间内没有发生位移保持不变的情况，而是在空白区内较好地避开了红灯停车的情况，在绿灯的时间间隔内通过全部的交于普通 HEV 未知前方的交通情况和交通灯信号状态，只能尽量保持小的行车间距，如果前方无车，则以限制车速行驶，这样不可避免止或红灯亮起而被迫停车。而智能 HEV 车辆通过雷达和 DSRC 技术的车速、距离等信息以及交通灯的状态，可以根据交通灯的实时变前车的距离适当地调整车速，使得自身在与前车保持合适间距的同地通过交通路口。
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U469.7

【参考文献】