?

重型混合動力汽車能量管理建模

提出了一種基于駕駛員意圖的建模和預測方法，用以優(yōu)化混合電動汽車。采用自回歸移動平均模型對駕駛員的行為進行建模和預測。將模型轉化為馬爾可夫鏈模型，使用隨機動態(tài)規(guī)劃方法優(yōu)化混合動力汽車的換擋過程及內燃機與電池之間的功率分流。通過重型商用汽車的驅動數據驗證所提方法的能源利用效率。使用該方法只需記錄時域數據和混合動力汽車模型。結果表明，即使采用簡單ARMA模型，油耗降低也很明顯。同時，相對于直接推導馬爾可夫鏈模型，該方法得到的模型魯棒性更好。本方法的局限性在于使用的隨機動態(tài)規(guī)劃比較復雜。若隨機動態(tài)規(guī)劃的復雜性能夠降低，則該方法應用將更加廣泛，此時可以使用更詳細的時序模型。該方法還可用于其它相似問題的優(yōu)化。如果能夠做到隨機模型預測控制，則能夠對更詳細的數據進行驗證，而此項工作目前尚不能完成。

混合動力汽車能夠滿足節(jié)能減排這一要求。此外，還有幾種可供選擇的“綠色”方法如純電動汽車、氫燃料電池汽車、重型商用車的傳動系統(tǒng)，需要大扭矩和功率，而混合動力是最有前途的。

混合動力汽車之所以具有較高的能源效率，是因為其平衡（如功率分流）了車輛能量需求和供給。當只考慮到車輛的負荷-速度曲線、扭矩和其它參數時，這種平衡是可能的。建立機電傳動系模型，使用動態(tài)規(guī)劃計算最優(yōu)功率分配、結構化搜索離散系統(tǒng)狀態(tài)空間來確定最優(yōu)控制信號。

負荷配置是成功優(yōu)化混合動力汽車的必要工作，但其很少可以提前獲得，但可以獲得一些統(tǒng)計信息。

Julian Stoev et al. 2014 IEEE Vehicle Power and Propulsion Conference (VPPC), Coimbra- Oct 27-30, 2014.

編譯：王亮