针对传统车辆控制策略辨识过程费时、费力,需大量实车试验的问题,提出了一类混联式混合动力车辆(power-split hybrid electric vehicles,PS-HEV)的伪谱最优控制构型辨识方法。该方法基于车辆功率分配器的纵向动力学模型与积分型性能指标...针对传统车辆控制策略辨识过程费时、费力,需大量实车试验的问题,提出了一类混联式混合动力车辆(power-split hybrid electric vehicles,PS-HEV)的伪谱最优控制构型辨识方法。该方法基于车辆功率分配器的纵向动力学模型与积分型性能指标,构建了一类Lagrange型最优控制问题。由于该类问题呈非线性不连续的特性,传统方法难以求解,本文中利用Legendre伪谱法将原问题高精度转化为非线性规划问题(nonlinear programming,NLP),并调用成熟算法对NLP进行求解。本研究所提出的构型辨识方法可用于巡航、加速和排放等方面的控制策略辨识,是PS-HEV最优控制策略辨识的通用框架。最后以车辆加速-滑行巡航策略下的算例说明了所提辨识框架的有效性。展开更多
文摘针对传统车辆控制策略辨识过程费时、费力,需大量实车试验的问题,提出了一类混联式混合动力车辆(power-split hybrid electric vehicles,PS-HEV)的伪谱最优控制构型辨识方法。该方法基于车辆功率分配器的纵向动力学模型与积分型性能指标,构建了一类Lagrange型最优控制问题。由于该类问题呈非线性不连续的特性,传统方法难以求解,本文中利用Legendre伪谱法将原问题高精度转化为非线性规划问题(nonlinear programming,NLP),并调用成熟算法对NLP进行求解。本研究所提出的构型辨识方法可用于巡航、加速和排放等方面的控制策略辨识,是PS-HEV最优控制策略辨识的通用框架。最后以车辆加速-滑行巡航策略下的算例说明了所提辨识框架的有效性。