混合动力汽车(Hybrid Electric Vehicle,HEV)通常由两种或两种以上动力源共同驱动,通过控制算法协调各动力源的动力分配,以改善整车性能,提高车辆燃油经济性.以目标结构的混联式HEV作为研究对象,采用“黑盒”建模方法,结合参数识别、车...混合动力汽车(Hybrid Electric Vehicle,HEV)通常由两种或两种以上动力源共同驱动,通过控制算法协调各动力源的动力分配,以改善整车性能,提高车辆燃油经济性.以目标结构的混联式HEV作为研究对象,采用“黑盒”建模方法,结合参数识别、车辆动力学和动力传动系统的物理模型以及实际测试数据,评估输入变量对被控混联式HEV的影响以及存在的工作模式等.同时,提出了一种两层的模型预测控制(Model Predictive Control,MPC)的能量管理策略.上层控制器利用车路协同信息(Vehicle-to-everything,V2X),包括道路速度限制、车辆跟车约束、交叉口信号状态,以及停车线位置,计算车辆的参考运行状态,并将这些信息提供给下层控制器.下层控制器通过MPC计算各部件力矩和制动力,以优化HEV的运行过程.matlab/Simulink仿真结果表明,电池荷电状态(State of Charge,SOC)消耗量降低了5%,验证了该方法的可行性和有效性.展开更多
文摘混合动力汽车(Hybrid Electric Vehicle,HEV)通常由两种或两种以上动力源共同驱动,通过控制算法协调各动力源的动力分配,以改善整车性能,提高车辆燃油经济性.以目标结构的混联式HEV作为研究对象,采用“黑盒”建模方法,结合参数识别、车辆动力学和动力传动系统的物理模型以及实际测试数据,评估输入变量对被控混联式HEV的影响以及存在的工作模式等.同时,提出了一种两层的模型预测控制(Model Predictive Control,MPC)的能量管理策略.上层控制器利用车路协同信息(Vehicle-to-everything,V2X),包括道路速度限制、车辆跟车约束、交叉口信号状态,以及停车线位置,计算车辆的参考运行状态,并将这些信息提供给下层控制器.下层控制器通过MPC计算各部件力矩和制动力,以优化HEV的运行过程.matlab/Simulink仿真结果表明,电池荷电状态(State of Charge,SOC)消耗量降低了5%,验证了该方法的可行性和有效性.
