基于时变底盘构型的混动车辆能量管理研究

本文旨在依托实车试验数据,对混合动力分布式驱动重型车辆的时变构型能量管理策略进行研究。首先,依据实车试验数据采用动态规划算法求得能耗最优底盘构型,并通过训练长短时记忆(LSTM)神经网络完成3类典型场景下的构型优化;接着,基于规则判断提出RULE_LSTM算法,其匹配准确率在全局工况下比LSTM神经网络能耗最优构型提高11.76%,构型切换频繁程度降低了33.3%;然后,基于交通流完成长尺度工况信息预测,实现最优底盘构型匹配和参考SOC轨迹生成,基于径向基神经网络生成短尺度工况预测序列供给后续算法输入;最后,通过采用时变构型实现控制变量优化,同时引入强转速变化率约束和SOC参考轨迹引导,实现引导型多APU预测能量管理策略。结果表明,上述措施使燃油消耗分别降低了10.60%、3.95%、2.06%。