节能、安全、舒适及环保是汽车行业发展的主题,围绕这些主题,当前最热门的研究方向是车辆的智能化、网联化及电动化。本文以智能化、网联化的混合动力汽车队列为研究对象,以提高燃油经济性、交通流畅性、舒适性及安全性为目标,以模型预测控制(model predictive control,MPC)为主要研究方法,提出了混合动力汽车队列分层预测控制构架,提出了分层控制实时化的解决方案并进行了实车在环测试和硬件在环仿真,研究了考虑系统误差的燃油经济性控制,研究了基于预测信息的能量管理优化,研究了集成垂向振动燃油经济性控制。全文的主要工作概括如下:研究了考虑效率反馈的智能网联混合动力汽车队列分层预测控制。将控制构架分为两层,上层控制器基于混合动力汽车油耗、相对距离、SPAT得到的目标车速以及加速度,设计基于MPC的控制算法,优化混合动力汽车队列的目标车速。下层控制器以燃油经济性为目标,以动力电池SOC均衡为主要约束,基于A-ECMS能量管理控制算法进行混合动力汽车能量管理。与此同时,下层控制器周期性地计算平均驱动效率和能量回收效率并将其反馈至上层控制器,用于修正上层控制器中与效率相关的油耗模型。研究了基于分层控制构架的智能网联混合动力汽车队列实时车速预测及能量优化管理。上层控制器针对MPC优化问题的具体结构,采用牛顿迭代法求解KKT方程并基于近似方法求解牛顿迭代方程,设计了基于F-MPC实时预测混合动力汽车队列最优目标车速,下层控制器基于动力部件的Willans Line模型,将ECMS控制算法线性化,设计了基于WL-ECMS进行混合动力汽车队列实时能量管理控制策略。研究了考虑控制系统随机误差的网联混合动力汽车队列闭环协同控制方法。在分层控制的基础上,上层控制器考虑了控制系统的随机误差,基于Markov决策建立随机误差模型及其概率转移矩阵,基于SMPC处理随机误差,并基于方案树简化SMPC问题,缩短计算的时间成本。下层控制器基于A-ECMS进行混合动力汽车队列的能量管理。在上层代码中嵌入简化的混合动力汽车模型,依据可测量的变量和Autonomie后处理文件,建立了驱动和回收效率模型并实时反馈至上层控制器进行下一时刻的车速优化。研究了基于预测信息的网联四驱混合动力汽车能量优化管理控制方法。首先描述了基于规则的四驱混合动力汽车控制策略,然后在基于规则控制策略的基础上,设计了基于ECMS的控制策略。根据四驱混合动力汽车预测车速,进行了基于预测信息的等效因子全局优化以及分段优化,并基于预测信息,采用DP算法进行了四驱混合动力汽车队列能量管理的全局优化。研究了集成垂向振动的混合动力汽车燃油经济性控制。利用悬架系统状态与车速和位置均相关的特点,将整车纵向动力学与悬架系统垂向动力学有机结合起来。基于智能网联环境下获取的混合动力汽车车速及位置信息及SPAT信息,建立综合优化燃油经济性、交通流畅性、跟车距离、垂向舒适性以及纵向舒适性的MPC模型,在保障基于智能网联基本特性及不牺牲最优燃油经济性的前提下,提高混合动力汽车队列的垂向振动舒适性。为降低计算求解的时间成本,采用F-MPC进行最优目标车速的快速优化。