论文部分内容阅读
在绿色能源和环境友好型社会的发展要求下,各类新型能源汽车逐渐成为汽车技术研究的主要方向。插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)作为近阶段最满足客观条件要求的车型得到广泛认可和市场应用。能量管理策略对均衡PHEV整车的动力性,排放性以及燃油经济性等各项性能至关重要。本文针对插电式混合动力公交车,提出一种基于短期工况预测的混合逻辑动态(Mixed Logical Dynamical,MLD)模型预测控制(Model Predictive Control,MPC)策略。研究内容主要包括:明确PHEV的传动系统结构及整车参数,进行动力系统建模,主要包括车轮及传动系统转矩和转速的动力学模型、发动机油耗模型、电机能耗模型以及电池模型。在预测控制策略中需要对SOC加以约束,为寻找合理的SOC参考轨迹制定方法,本文研究采用动态规划(Dynamic Programming,DP)的PHEV全局最优控制策略,并在NEDC标准工况下进行燃油经济性仿真。全局规划获得的SOC轨迹可认为接近最合理的,采用回归分析拟合得到一段时间内SOC下降量与工况特征参数的线性回归方程,以此作为制定SOC参考轨迹的方法,并将其应用到后文基于短期工况预测的MLD-MPC能量管理策略的预测时域终端SOC约束。本文重点研究基于短期工况预测的MLD模型预测控制策略,首先要实现对未来短期工况的预测,通过第二章动力系统模型转化为需求转矩。驾驶意图直接影响车速变化,本文提出一种基于驾驶意图分析的非线性自回归(Nonlinear Auto-Regressive models,NAR)神经网络短期工况预测方法。采用模糊推理识别驾驶意图,与历史车速数据结合,共同用于NAR神经网络的训练。最后对其短期工况预测准确度进行仿真分析。针对PHEV这种典型混杂系统构建其MLD模型。首先,对具有非线性特性的发动机油耗模型及电池SOC变化率进行线性化;然后,确定能量管理策略的状态迁移方程和评价指标方程,分别确定PHEV六种工作模式的约束方程,完成MLD模型建立;结合预测控制思想,通过NAR神经网络模型预测获得未来短期工况,同时考虑SOC参考轨迹,对预测时域终端的SOC值加以约束,通过基于MLD模型搭建的预测控制模型对预测时域内的转矩实现局部最优分配,且在每一控制步长重新进行局部优化,从而实现在完整工况下的滚动优化。该MLD模型预测控制可变换成混合整数线性规划(Mixed Integer Linear Programming,MILP)求解。通过仿真对比分析,本文基于短期工况预测的MLD-MPC能量管理策略具有较高的求解效率,且能获得接近全局优化的控制效果。