论文部分内容阅读
能量管理策略是混合动力汽车(Hybrid Electric Vehicles,HEV)的核心部分,对车辆的燃油经济性有很大的影响。由于模型预测控制非常适用于解决非线性和不确定性问题,且能结合不同的优化算法在短时间内求得最优解,将其应用于HEV的能量管理,对燃油经济性的提升有很大的帮助,同时又具备一定的实车应用潜力。本文以丰田Prius HEV为研究对象,重点研究了基于模型预测控制的混联式混合动力汽车的能量管理策略。(1)分析了混联式系统的工作原理,采用杠杆法分析了混联式系统中的几种工作模式,并对各工作模式进行了动力学建模,建立了混联式混合动力汽车的后向仿真模型。(2)本文建立了基于规则的能量管理策略和全局最优的动态规划(Dynamic Programming,DP)能量管理策略,在UDDS循环工况下进行了仿真分析。鉴于规则能量管理策略中人为经验对实车运用效果的影响,以及全局优化能量管理策略存在“维数灾难”而不能用于实车,对基于模型预测控制(Model Predictive Control,MPC)的能量管理策略进行了研究,介绍了其控制原理及分层预测控制的方法。(3)结合动态规划算法,建立了基于模型预测控制的HEV能量管理策略,研究了提升预测精度的方法。分别采用了1阶、2阶、3阶马尔可夫和径向基函数神经网络(Radical Basis Function,RBF)、广义回归神经网络(Generalized Regression Neural Network,GRNN)5种不同的预测方法进行了车速预测,分析了各方法的预测效果。对基于以上方法的模型预测控制的能量管理策略进行了仿真分析,对比显示采用GRNN神经网络预测的方法比其他方法提高了至少4.4%的燃油经济性,验证了预测精度对提升油耗的有效性。(4)建立了基于交通信号的最优车速模型,采用上述预测方法中效果最好的GRNN神经网络预测前车车速,并利用交通灯状态以及前车信息对目标车速(亦指后车)进行求解,仿真分析了前后车辆基于交通信号的模型预测能量管理策略。结果显示,具有通信功能的智能车辆(后车)相比普通的HEV车辆(前车)有更好的通过性及燃油经济性。通过本文的研究,采用基于模型预测控制的能量管理策略对提升HEV的燃油经济性有很好的效果,并且有一定的实车应用潜力。