Design and Implementation of a Battery Big Data Platform Through Intelligent Connected Electric Vehicles

The development of a battery management algorithm is highly dependent on high-quality battery operation data,especially the data in extreme conditions such as low temperatures.The data in faults are also essential for failure and safety management research.This study developed a battery big data platform to realize vehicle operation,energy interaction and data management.First,we developed an electric vehicle with vehicle navigation and position detection and designed an environmental cabin that allows the vehicle to operate autonomously.Second,charging and heating systems based on wireless energy transfer were developed and equipped on the vehicle to investigate optimal charging and heating methods of the batteries in the vehicle.Third,the data transmission network was designed,a real-time monitoring interface was developed,and the self-developed battery management system was used to measure,collect,upload,and store battery operation data in real time.Finally,experimental validation was performed on the platform.Results demonstrate the efficiency and reliability of the platform.Battery state of charge estimation is used as an example to illustrate the availability of battery operation data.

Real-time energy-efficient anticipative driving control of connected and automated hybrid electric vehicles

In this paper,we propose a real-time energy-efficient anticipative driving control strategy for connected and automated hybrid electric vehicles(HEVs).Considering the inherent complexities brought about by the velocity profile optimization and energy management control,a hierarchical control architecture in the model predictive control(MPC)framework is developed for real-time implementation.In the higher level controller,a novel velocity optimization problem is proposed to realize safe and energy-efficient anticipative driving.The real-time control actions are derived through a computationally efficient algorithm.In the lower level controller,an explicit solution of the optimal torque split ratio and gear shift schedule is introduced for following the optimal velocity profile obtained from the higher level controller.The comparative simulation results demonstrate that the proposed strategy can achieve approximately 13%fuel consumption saving compared with a benchmark strategy.

Intelligent and connected vehicles： Current status and future perspectives

Intelligent connected vehicles(ICVs) are believed to change people's life in the near future by making the transportation safer,cleaner and more comfortable. Although many prototypes of ICVs have been developed to prove the concept of autonomous driving and the feasibility of improving traffic efficiency, there still exists a significant gap before achieving mass production of high-level ICVs. The objective of this study is to present an overview of both the state of the art and future perspectives of key technologies that are needed for future ICVs. It is a challenging task to review all related works and predict their future perspectives, especially for such a complex and interdisciplinary area of research. This article is organized to overview the ICV key technologies by answering three questions: what are the milestones in the history of ICVs; what are the electronic components needed for building an ICV platform; and what are the essential algorithms to enable intelligent driving? To answer the first question, the article has reviewed the history and the development milestones of ICVs. For the second question, the recent technology advances in electrical/electronic architecture, sensors, and actuators are presented. For the third question, the article focuses on the algorithms in decision making, as the perception and control algorithm are covered in the development of sensors and actuators. To achieve correct decision-making, there exist two different approaches: the principle-based approach and data-driven approach. The advantages and limitations of both approaches are explained and analyzed. Currently automotive engineers are concerned more with the vehicle platform technology, whereas the academic researchers prefer to focus on theoretical algorithms. However, only by incorporating elements from both worlds can we accelerate the production of high-level ICVs.

Design and optimization of equivalent consumption minimization strategy for 4WD hybrid electric vehicles incorporating vehicle connectivity

This paper presents an optimized equivalent consumption minimization strategy(ECMS) for four-wheel-drive(4 WD) hybrid electric vehicles(HEVs) incorporating vehicle connectivity. In order to be applicable to the 4 WD architecture, the ECMS is designed based on a rule-based strategy and used under the condition that a certain propulsion mode is activated. Assuming that a group of 4 WD HEVs are connected and position information can be shared with each other, we formulate a decentralized model predictive control(MPC) framework that compromises fuel efficiency, mobility, and inter-vehicle distance to optimize the velocity profile of each individual vehicle. Based on the optimized velocity profile, an optimization problem considering both fuel economy and battery state of charge(SOC) sustainability is formulated to optimize the equivalent factors(EFs) of the ECMS for HEVs over an appropriate time window. MATLAB User Datagram Protocol(UDP) is used in the codes run on multiple computers to simulate the wireless communication among vehicles, which share position information via UDP-based communication, and dSPACE is used as a software-in-the-loop platform for the simulation of the optimized ECMS. Simulation results validate the control effectiveness of the proposed method.

考虑车网互动的园区电网动态双层能量管理策略

为解决大量接入的清洁能源出力波动和充电场内汽车数量的随机变化给电网能量管理带来的困难,提出一种园区电网双层优化控制策略.上层基于模型预测控制技术建立风光储集成动态优化模型,综合应用园区电池储能系统和电动汽车(EV)电池储能系统参与电网能量平衡.下层则考虑同时满足EV车主对EV的充电需求和上层能量调度的车网互动管理需求,制定园区电网内停车场的EV有序充放电策略.仿真算例验证表明:所提策略能将分散园区各处的EV储能集成为统一虚拟储能,扩展园区电网储能系统,增加可再生分布式电源的消纳与园区电网的经济效益.

燃油车和纯电车混杂智能网联队列系统的节能与稳定控制

提出了一种燃油汽车和纯电动汽车混杂的异构智能网联队列系统节能策略与稳定控制方法。考虑了异质车辆动力学特征、通讯时滞和外界干扰等多重不利因素对队列稳定性的影响,建立了异质车辆队列非线性系统动力学模型和能耗模型;基于能耗成本和后退动态规划方法,推导出了单车经济车速;依据所提出的节能型车间距策略,构建了状态跟踪误差系统;基于连续时间域分布式鲁棒控制方法,给出了在干扰和信息时滞下的队列系统稳定判据。对包含4辆跟随车的混杂队列系统进行仿真测试。结果表明:在保持队列系统稳定的前提下,4辆跟随车辆节能效果分别提高1.90%、1.25%、19.11%和12.22%。

智能网联环境下人机混驾交通流特性研究

本研究采用微观交通仿真软件SUMO,研究了智能网联汽车的加入对交通流运行状态的影响。搭建仿真环境,定义仿真路由,进行交通仿真操作,获取检测器的检测数据,并对其进行分析总结。研究发现,智能网联汽车的加入能够提高道路交通运行的速度和交通流密度,缩短行程时间和交通延误,大大提高通行效率。

基于交通预测信息的电动汽车充电路径规划

针对电动汽车充电路径规划问题,以行程时间为优化目标,以荷电状态作为硬性约束,基于预测交通状态标定的动态异构交通网及车辆动力学模型,构建最优控制问题。为了在线求解,基于模型预测控制和强化学习方法,构建混合学习优化算法(hybrid learning optimization algorithm, HLOA),依托竞争深度Q网络(Dueling deep Q-networks, Dueling DQN),设计离线、在线模块,来实现参数的混合多步训练,并结合预测交通状态、网络拓扑及车辆动力学模型,输出在线行驶策略。采用某市局部路网构建交通仿真实验,分析预测交通信息的价值、HLOA算法可行性及结构必要性。结果表明,预测信息存在价值,HLOA在线结果可拟合最优策略且较其他算法精度提高33.65%。该研究可协助电动汽车用户导航,为自动驾驶电动汽车提供技术支撑。

奔腾智能混合动力电动轿车自适应巡航控制系统

为了从整车系统控制角度综合解决车辆的安全、节能和环保问题,突破目前新能源车辆领域和智能汽车领域仍各独自开展相关技术研究的限制,提出一种融合新能源汽车和智能汽车各自先进技术的解决方案—智能混合动力电动轿车,并提出融合双模式切换自适应巡航控制、整车状态识别及转矩分配控制和驱/制动系统协调控制的整车自适应巡航分层控制体系。在上层控制中研究基于实时状态反馈的双模式切换2自由度结构模型匹配控制器,解决适应混合动力驱动系统动态特性的自适应巡航期望转矩制定的难题;在中层控制中采用了综合内燃机(Internal combustion engine,ICE)优化曲线、电动机最佳效率特性和电池最佳效率特性的基线式控制策略;在下层控制中提出发动机/驱动电动机的转矩协调控制策略和电动机制动/EVB液压制动的协调控制策略。在此基础上,通过仿真分析和实车试验对分层控制系统进行评价与验证。仿真与试验结果表明,所开发的分层式控制系统确保整车在自适应巡航状态下,不仅可以有效提高整车安全性和降低驾驶强度,而且使整车具有最佳的燃油经济性和排放性能。

基于V2X的混合动力汽车分层能量管理及优化

为了解决混合动力汽车的实时能量管理及优化问题,在保证不过多简化被控对象的基础上得到最优解,该文提出一种基于V2X(vehicle to vehicle,车车通信,以及vehicle to infrastructure,车与交通设施通信)的分层控制方法。设计了一种分层控制器,上层控制器基于交通信号灯正时(signal phase and timing,SPAT)得到目标车速的初始值,并采用多岛遗传算法和非线性模型预测得到最优目标车速。下层控制器根据上层控制器的最优目标车速,采用自适应等效燃油消耗最小原理(adaptive equivalent consumption minimization strategy,A-ECMS),得到发动机和电机的最优输出功率。该文对分层控制方法进行了硬件在环仿真,仿真结果表明,该文提出的分层控制方法可以很好地实现混合动力汽车的实时能量管理,有效地避免混合动力汽车红灯停车,实现良好的车速跟随并减少百公里油耗。该研究可为解决混动力汽车实时能量管理及优化提供参考。

插电式混合动力汽车模型预测控制策略研究

针对传统插电式混合动力汽车智能控制策略计算量大,难以实现实时最优控制的问题,提出了基于蓄电池充放电管理的插电式混合动力汽车预测控制策略。利用实测通勤插电式混合动力汽车车速信息,以蓄电池荷电状态为系统状态变量,以蓄电池充放电功率为系统控制变量,插电式混合动力汽车燃油消耗量最低为系统性能指标,设计了插电式混合动力汽车的模型预测控制智能优化算法,运用连续广义最小残量方法求解最优控制问题。在Matlab/Simulink与GT-POWER联合仿真平台上进行仿真,实验结果验证了所设计的模型预测控制算法不仅可以大幅度提高混合动力汽车的燃油经济性,而且能够满足实时控制的要求。

并联式混合动力汽车能量管理策略新分类与概述

针对混合动力汽车(hybrid electric vehicle,HEV)能量管理策略的分类与综述问题,对并联式HEV能量管理策略的研究现状与发展趋势进行了研究。根据能量管理策略是否使用人工智能控制方式或优化算法,对并联式HEV能量管理策略进行了横向分类和综述,纵向梳理了模糊逻辑、神经网络、动态规划与等效油耗最小原理的具体应用方式,分析了多智能体系统应用于HEV能量管理优化控制的可行性和优势。研究结果表明,智能优化控制型能量管理策略是解决HEV量管理问题的有效途径,而智能优化控制方法和驾驶工况预测技术的有机结合是未来的一个重要研究方向;另外,将多智能体技术应用于HEV能量管理优化控制也是一个值得研究的方向。

考虑交通信息的PHEV电量消耗轨迹预测与跟随算法研究

为提高插电式混合动力客车的燃油经济性,可利用智能交通系统(intelligent transport system,ITS)提供的多种交通信息设计工况自适应能量管理策略。为此,首先搭建了能采集多种ITS信息的仿真平台,发现了电池电量消耗速率与交通拥堵等级之间的显著相关性。据此,先利用交通拥堵等级预测剩余行程的车速以分配各路段的电量,再利用多种信息准确地预测当前路段的车速,并结合当前路段的可用电量得到电量消耗轨迹。最后在线应用时通过跟随该轨迹实现最终的能量管理策略。通过仿真分析,发现该策略的性能较CDCS策略最多可提升15%,接近动态规划所得的全局最优解。

联式混合动力驱动系统的模糊控制与仿真

在分析了动力分配机构工作原理的基础上 ,研究了混联式HEV的能量管理与控制策略 ,建立了混合动力电动汽车的驾驶员、发动机及整车控制模型 .用MATLAB软件SIMULINK仿真中的“Fuzzy”模糊控制工具箱对模型在起步加速工况进行了仿真 ,并与纯电动汽车进行了对比 .结果表明 。

混合动力汽车模型预测控制策略研究

针对传统混合动力汽车控制方法无法实现实时最优控制的问题,提出了基于简化混合动力汽车系统模型的预测控制智能优化策略。通过将3自由度的系统模型简化为1自由度的系统模型,并采用连续广义最小残量方法求解模型预测控制问题。运用MATLAB/Simulink与GT-POWER联合仿真平台进行仿真,实验结果验证了系统模型简化的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能。

燃料电池电动汽车控制系统研究与设计

研究了燃料电池电动汽车控制系统,提出了多能源燃料电池加镍氢电池加超级电容混合动力系统的方案,引入分层递阶智能控制思想,对控制系统进行了分析,并通过比较车载三种能源,对多能源能量管理策略进行了研究和优化。

智能网联混合动力车辆速度规划的多目标协同控制研究

考虑车辆的行驶安全性、机动性、能耗经济性、舒适性和电池老化等多重目标,以弯道场景为例对智能网联混合动力客车的速度进行实时规划。首先,以车辆速度和动力电池SOC作为状态变量,加速度和发动机-发电机组输出功率作为控制变量,以混合动力客车的能量消耗成本、电池老化成本、机动性成本和舒适性成本的加权和最小化为目标函数。其次,以弯道行驶安全性、动力系统和电池系统的物理特性等为约束,实施基于模型预测的多目标协同控制,并应用动态规划算法求解滚动空间域内的多目标优化问题,从而实现实时的速度规划和能量分配。同时,分析机动性和舒适性赋予不同权重对性能的影响。结果表明:(1)考虑电池老化的控制策略可以在不影响车辆动力性和机动性的情况下,使电池老化成本降低25.8%,综合成本降低2.3%;(2)提高机动性成本的权重因子能够缩短行驶时间,但会引起综合成本的增加;(3)提高舒适性权重因子可以减少速度波动,同时降低综合成本。

智能网联混合动力汽车能量管理研究综述

传统的能量管理设计大多基于标准工况,训练中的环境未涉及突变因素,训练结果与实际应用情况存在差异。随着基于新一代信息与通信技术的智能网联云控系统的出现,将人、车、路、云联成一体,实现了感知、决策与控制的融合,使混合动力汽车能量管理的控制性能可能提升。回顾了近年来经典的混合动力汽车能量管理策略研究进展,概述了智能网联云控系统,介绍了构架及工作原理,对基于智能网联环境下的单车和多车场景的混合动力汽车能量管理策略做了归纳和分析。最后,指出了当前智能网联技术应用的限制,展望了未来工作重点,展示了智能网联混合动力汽车能量管理领域的最新研究动态,方便相关领域的研究人员掌握有关研究现状。

混合动力汽车控制策略的分析与展望

能量控制策略是混合动力汽车的(HEV)核心技术,采用HEV能量控制策略对多能源动力总成及其部件进行协调配合,可提高整车燃油经济性,同时可兼顾优化发动机排放、蓄电池寿命、驾驶性能和整车成本等。HEV能量控制策略可分为基于规则、基于优化和基于智能控制三类,综述不同类型HEV能量控制策略的研究应用现状,分析其优势与不足。结果表明:基于规则的能量控制策略早期被广泛应用于实车;基于优化的能量控制策略是当前研究的主体;对于基于智能控制策略,多智能体技术的引入为HEV控制策略提供了一种新的研究途径。不同改进型优化控制算法、基于智能交通的精准预测技术与多智能体技术相结合是HEV控制策略未来的发展方向。

基于专利分析的国外混合动力汽车竞争情报研究

以专利分析为基本方法从国外混合动力汽车领域的相关专利文献中攫取竞争情报。首先利用专利引证分析方法确定该领域的强势竞争对手及核心技术要素,并选取本领域核心专利研究其外围技术分布情况,揭示关键技术的基本变迁历程;随后以代表性汽车厂商为例,重点分析国外竞争对手在我国的专利布局,为国内汽车企业在混合动力技术上的发展策略提供线索。