基于行驶特征预测的HEV在线控制策略研究

现有控制策略未考虑实际行驶特征对油耗的影响,离线全局最优策略虽能获得理论最小油耗,但只能离线应用。文章提出了一种基于行驶特征预测的控制策略,实现了离线最优轨迹的在线运用。采用动态规划(dynamic programming,DP)算法获得了离线最优轨迹;研究了汽车的行驶特征(包括行驶工况和行驶模式),利用欧几里得贴近度实现了行驶工况的预测;利用反向传播(back propagation,BP)神经网络进行了行驶模式预测;采用BP神经网络对离线最优轨迹及相应的汽车状态进行学习,设计了基于行驶特征预测的在线控制策略。仿真结果表明,与基于规则的电机辅助控制策略相比,该文设计的控制策略燃油经济性提高了7.51%,且工况适应性良好,同时电池电量保持能力较好。

混合动力汽车的动力最优控制策略研究

提出一种基于行驶特征预测和离线最优轨迹的最优控制策略,将离线最优轨迹运用到在线中。利用动态规划(DP)算法获得了离线全局最优轨迹。将行驶特征分为行驶工况和行驶模式。选取了11种标准行驶工况,利用欧几里得贴近度法实现了对行驶工况的预测;将行驶模式定义为5种类别,利用BP神经网络实现了对行驶模式的预测。采用神经网络对标准工况下离线最优轨迹及相应汽车状态进行学习,设计了基于神经网络和离线最优轨迹的能量分配模型,以及基于行驶特征预测和离线最优轨迹的最优控制策略并进行仿真验证。结果表明:与ADVISOR自带的电机助力策略相比,所提的最优控制策略使得燃油经济性提高了7.51%,同时工况适应性良好。