文摘

重型平行混合动力卡车是建模,研究了其最优能量控制。的基本体系结构并行混合动力卡车模型前馈,连同必要的子系统或组件的动态特性。采用动态规划(DP)技术来寻找最优控制策略,包括齿轮变速序列和权力分离发动机和电动机受到电池SOC-sustaining约束。改进的控制规则提取DP-based控制解决方案,形成算法控制策略。仿真结果表明,可以实现对燃油经济性显著提高重型车辆周期从自然驾驶统计数据。

1。介绍

商业运输车辆,尤其是重型卡车,在中国的社会主义建设发挥重要作用。超过一半的运费在中国是由重型卡车运输。越来越多的只是汽油/ diesel-propelled卡车带来一些负面影响,比如过度的燃料消耗和严重的空气污染。为了减少对碳基燃料的依赖和有毒排放,混合动力系统最近已被广泛研究。由于dual-power-source自然、复杂的配置和操作模式,控制策略的混合动力电动汽车(HEV)通常是更复杂的比传统的engine的车辆。因此,系统级车辆仿真方法常常应用于实现精确的分级和匹配的研究,以及开发有效的能源控制算法,在最终设计和物理原型。

现有的混合动力汽车能量管理和控制策略主要可以分为三类。第一种采用启发式控制技术,如规则/模糊逻辑控制算法开发(1,2]。的一般原则是基于概念“负载均衡”,它试图运行内燃机有效面积和电池作为负载均衡设备用于提供剩余的电力需求。

第二种方法是基于静态优化方法,瞬间决定了权力的有效分离不同的能源通过最小化代价函数。计算成本的能源,电能转化成等量的燃料(3,4]。由于其相对简单的逐点优化特性,可以扩展优化方案来解决同时燃油经济性和排放优化问题(5]。

第三种类型的戊肝病毒的基本机制控制算法考虑了车辆系统的动态特性在执行一个优化(6- - - - - -8]。时间范围是参与这种类型的动态优化,而不是时间即时静态上面提到的。权力分割算法获得动态优化从而在瞬态条件下更精确,但计算更密集。尽管不能实现动态优化上由于其预览性质和沉重的计算要求,它被认为是一个很好的基准前两个类型的算法。

本文的主要目的是使用动态规划(DP)来解决最优控制问题的重型混合动力卡车。我们彻底分析和讨论DP-based结果,实时控制的规则提取。采用前馈模拟方案,以便研究车辆在现实的瞬态条件下的能量控制策略。它可以发现,开发了基于规则的算法的性能可以显著提高相对于基于静态优化。

本文的其余部分组织如下。节2模型建立,重型混合动力卡车,紧随其后的是初步的解释基于规则的控制策略。介绍了DP过程和相应的优化问题部分3。节4,完成DP-based结果和实时控制规则描述,和燃料经济发达的结果控制策略也进行了评估。中给出的结论部分5。

2。混合动力电动汽车模型

2.1。车辆配置

汽车架构图1。卡车有pretransmission并行混合配置允许一个更小的电动机/发电机,一个更简单的包装,和旋转减少损失,而posttransmission类型(9]。柴油机WP7.210是由潍柴动力有限公司制造有限公司,以确保总峰值功率的可访问性,一个90千瓦的电动机/发电机被选中,和一个60啊锂离子电池被选为车载储能。9-gear-automated机械变速器(AMT)是使用。车辆及其组件的参数表中列出1。

一个系统级的戊肝病毒模型在MATLAB / Simulink环境中,如图2。戊肝病毒模型是准确但温和的模型适合有效的燃油经济性评价(10]。一些快速动力学,如进气歧管填充和汽车动力学、比能量动力学更快,因此忽略了。

2.2。初步的基于规则的控制策略

初步的基于规则的控制策略设计基于静态优化算法最小化总等效燃油消耗的燃料销售金额和电池能耗率每一步。等效燃油消耗成本被定义为(11] 在哪里和代表引擎的燃料消耗和电动机器,分别。可以使用以下公式计算: 在哪里是一个从发动机燃料消耗电能,转换因子及其价值被指定为。年代是时间步。代表电机的力量。电气系统的总效率由电池,逆变器和电动机/发电机。最优控制可以通过解决以下方程:

在这里,控制变量包括发动机油门和传动装置数量,可以使用以下函数解决的形式写的。在MATLAB的m文件 throt_opt和gear_opt最佳的发动机油门和传动装置,分别shf_spd最终传动输入轴转速,req_power电力要求。

2.3。燃油经济性评价

自然开车计划提出的潍柴动力图所示3。电池SOC校正过程提出了(12,13)是用于正确的燃油经济性,当初始和最终电池SOC值是不相同的。混合动力卡车,给出初步的基于规则的控制策略,实现了每加仑6.78英里的燃油经济性(MPG)。然而,这种基于规则的控制策略是基于组件的,而不是系统的基础。因此,这种控制策略不是全局最优。这激发了DP作为分析和设计工具的使用。

3所示。动态规划问题

DP是一种强大的工具求解动态优化问题,由于其保证全局最优甚至对非线性动态系统与约束。鉴于驾驶循环,DP-based算法可以获得最优操作策略最小化成本与主题不同的约束。

3.1。模型简化

从系统级动态评估的主要担忧是燃油经济性长驾驶循环,动力学速度比1赫兹在DP所使用的模型被忽视。分析的动态模式决定了,只需要两个模型的状态变量:传动装置和电池SOC数量。发动机节气门和变速器换档命令被选择为控制变量。主要次级系统的简化描述如下。

3.1.1。引擎

基于准静态假设发动机动力学被忽略(14]。燃料消耗是一个静态函数的两个独立变量:发动机转速和发动机扭矩。引擎映射如图4。在此,我们假设发动机完全热身,这样发动机不考虑温度效应。

3.1.2。电动机

类似于发动机,电动机模型使用实验数据建立了。电机效率电动机转矩和速度的函数,如图5。考虑到电池和电动机转矩限制,最后电动机转矩 在哪里是要求电动机转矩;和是最大的汽车电机扭矩和充电模式,分别。

3.1.3。电池

20千瓦时电池被选为目标卡车,和电池等效电路模型从顾问包。等效电路模型的示意图如图6。我们忽视了热影响和瞬变,唯一在SOC电池模型如下: 两个内部阻力在哪里和开路电压是电池SOC的函数。是最大的电池充电,终端电阻。

3.1.4。动力传动系统

动力传动系统被定义为系统从变速器输入轴轮。以下方程用来描述传输和最终传动齿轮模型: 在哪里传动齿轮传动比,终传动齿轮比,和分别传输和最终传动效率。变速器输入扭矩,发射粘滞损失系数,传输的输入速度,车轮的速度。

AMT换档序列的模拟使用离散时间动态模型: 国家齿轮齿轮数量,控制转向传动仅限于值−1,0,1,对应调低速档,维持和up-shift分别。

3.1.5。车辆动力学

这是一种常见的做法,只有车辆纵向动力学。车辆纵向动力学建模为一个质点,各种力量应用: 在哪里摩擦制动转矩。和分别是滚动阻力和空气动力阻力的力量。是动态轮胎半径,车辆的有效质量,是旋转组件的等效惯性矩的车辆。

3.2。DP问题公式化

对于一个优化问题,选择尽量减少成本函数 在哪里 受 在这里,状态向量的阶段吗在的空间,其中包含传动装置数量和电池SOC;是控制向量,包括发动机油门和传动装置转移命令;是一个预先确定的干扰,这是轮子的转速由驾驶;是代表了系统动力学的转换函数;是瞬时转换成本;是在最后阶段的成本吗。

本文的采样时间控制问题是1秒。最小化的成本函数具有以下形式: 在哪里是瞬时燃料的使用成本,调整限制车辆驾驶性能避免过度转移,然后呢是一个积极的权重因子。终端SOC如果没有约束,优化算法往往会耗尽电池为了达到最小的燃料消耗。因此,对SOC终端约束是纳入成本函数。优化过程中,有必要对下列不等式约束以确保安全/运行平稳的引擎/电池/电机: 在哪里发动机转速,是电池电荷状态,和被选为0.4和0.8。和分别是发动机和电机扭矩。

DP技术是基于贝尔曼最优性原则,即可以获得最优政策如果我们首先解决一个单程子问题只涉及到最后阶段,然后逐渐扩展到子问题涉及过去两个阶段,三个阶段,等等,直到整个问题已经解决了。通过这种方式,全球动态优化问题可以分解成一系列简单的最小化问题如下(15]。

一步,

一步,因为 在哪里在国家是最优cost-to-go函数吗从时间的阶段。它代表了最优结果成本如果系统演化遵循最优控制律的当前状态从舞台上最后一个阶段。

上述递归方程首先解决落后,然后向前搜索找到最优控制策略。不等式约束的最小化执行主题所示(14)。

4所示。改进的控制策略的发展

4.1。DP的结果

上面所述的DP过程产生最优解对(13权重因子),转变被选来约束AMT转移数量。它可以发现一个更大的价值结果不那么频繁的换档,但更大的燃料消耗。换档数量的平衡关系和燃料消耗如图7,被选为随后的分析。

基于DP优化车辆的仿真结果如图所示8。4日和9日之间的AMT转变齿轮传动比。SOC增加0.6附近的行驶循环由于惩罚成本函数所示(13)。引擎的力量增加1900年代之后显然SOC上升。可以看出大多数的引擎操作点落在高效区域,附近的最佳油耗线在1400 rpm和附近的最大扭矩1400 rpm。初步的基于规则的控制策略相比,迪拜最优控制律下的燃油经济性提高15.9%。

4.2。改进的控制策略的发展

DP控制政策并不适用于真正的驾驶环境,它需要知识的未来速度和加载配置文件。然而,仔细分析DP-based结果能够帮助我们改善初步的基于规则的控制策略。

首先,我们研究如何分割的基础上,初步控制策略可以提高。功率分流比定义量化的积极动力系统的功率流,在哪里发动机功率和吗电源要求。四个积极力量操作模式定义:(1) :马达接通模式;(2) :发动机仅模式;(3) :助动模式;(4) :充电模式。

增强的规则可以通过绘制最优PSR的函数传输的扭矩需求输入,如图9。值得注意的是,最优政策使用扭矩较低地区的充电模式,中间的发动机仅模式扭矩,高扭矩地区和助动模式。为了提取一个可实现的规则,在部署最小二乘曲线拟合近似最优PSR点。图中的红线8显示了拟合结果。

换档时间表对混合动力汽车的燃油经济性至关重要。DP方案,它命令的控制变量。齿轮操作点从DP-based结果绘制的电力需求和车辆速度(见图10)。可以看出,齿轮位置被分成不同的区域,以及相邻区域之间的边界代表了最佳换档阀值。换档时间表因此可以获得这些阈值的基础上。

根据提取的规则,改进的基于规则的控制策略设计和实现的MATLAB / Stateflow环境。

4.3。燃油经济性评价

初步的和改进的基于规则的控制策略,以及基准,比较了DP控制策略,通过自然开车从潍柴动力有限公司安排。结果如表所示2。很明显,从DP-based结果提取的改进的基于规则的控制策略可以确保更好的混合动力汽车的燃油经济性,而初步。

5。结论

前馈模型,建立了重型平行混合动力卡车为研究最优能量管理策略。初步的基于规则的控制策略设计基于静态优化算法。基于简化模型,应用DP解决全局最优能量控制策略。改进的基于规则的控制规则,适用于实时提取分析DP-based结果。基于自然驾驶时间从潍柴动力有限公司,之间的比较进行了改进的基于规则的控制策略和初步的一个来自静态优化。结果表明,改进的基于规则的控制策略从DP算法结果值得注意的改进混合动力汽车的燃油经济性。适当的近似DP的行为,然而,是提取的关键过程控制规则和值得进一步调查。

确认

作者想表达深深的感谢Huei彭教授在密歇根大学的许多有益建议DP算法。这项工作得到了中国自然科学基金(50905015)。