基于交通信息和模型預(yù)測控制的混合動力汽車能量管理策略綜述

景 遠(yuǎn)，焦曉紅

(1.東北大學(xué)秦皇島分校 實驗教育中心，河北 秦皇島 066004；2.燕山大學(xué) 電氣工程學(xué)院，河北 秦皇島 066004)

0 引言

隨著近代汽車工業(yè)的飛速發(fā)展，隨之而來的兩大問題——能源危機和環(huán)境污染已經(jīng)成為不容忽視的問題。在這種背景下，世界各國都致力于改善傳統(tǒng)內(nèi)燃機汽車。電動汽車、混合動力汽車因此得到了大力的發(fā)展。目前，多數(shù)發(fā)達(dá)國家的新能源汽車發(fā)展已經(jīng)取得了很大的進(jìn)展，日本、美國等國家都推出了各類混合動力汽車。我國的新能源汽車研究雖起步較晚，經(jīng)過近年來的發(fā)展，也有不少國產(chǎn)的混合動力汽車已經(jīng)投入使用[1]。

混合動力汽車是電動汽車的一種，它有兩種或以上的動力裝置，例如發(fā)動機和電動機。所以混合動力汽車融合了傳統(tǒng)燃油汽車和純電動汽車的優(yōu)點，既能夠改善汽車的燃油經(jīng)濟(jì)性，又彌補了純電動汽車?yán)m(xù)航里程短這一缺點。雖然目前我國市場上已經(jīng)有批量生產(chǎn)的電動汽車，但是電池壽命和充電站沒有普及等問題在一定程度上限制了其發(fā)展，針對電動汽車的研究主要集中在電池管理、電機控制和用電經(jīng)濟(jì)性方面[2-4]。目前混合動力汽車仍然是新能源汽車發(fā)展的主要方向。

在混合動力汽車發(fā)展的過程中，其驅(qū)動系統(tǒng)的構(gòu)成、電池壽命、能量管理等問題都是決定混合動力汽車性能的關(guān)鍵技術(shù)[5]。其中，能量管理是混合動力汽車的核心問題。由于存在兩種或以上的動力源，能量如何在動力源之間進(jìn)行分配極為重要。能量管理策略直接決定著混合動力汽車的燃油經(jīng)濟(jì)性、排放、車輛的駕駛性等指標(biāo)。

混合動力汽車的能量管理發(fā)展到現(xiàn)在，技術(shù)已經(jīng)相對比較成熟。比較早的能量管理策略是基于規(guī)則的控制方法[6-11]，接著基于優(yōu)化算法的能量管理策略也得到廣泛應(yīng)用[12-21]。隨著智能交通系統(tǒng)迅速發(fā)展，車速、位置、道路坡度等交通信息的采集變得更加方便。為彌補傳統(tǒng)的基于規(guī)則和優(yōu)化算法的能量管理策略實時交通信息的缺失導(dǎo)致的靈活性差、無法適應(yīng)多種工況、難以實現(xiàn)在線控制等方面的不足，交通信息已經(jīng)廣泛應(yīng)用于混合動力汽車的能量管理策略，并取得了顯著的效果。近年來，對傳統(tǒng)算法的改進(jìn)[22-33]、交通信息采集和預(yù)測[34-60]以及模型預(yù)測控制(MPC)[61-68]大量應(yīng)用在混合動力汽車能量管理上，使得混合動力汽車的燃油經(jīng)濟(jì)性、駕駛性、實時控制等方面有了顯著的提高和發(fā)展。

混合動力汽車驅(qū)動系統(tǒng)構(gòu)成的不同導(dǎo)致了其能量管理策略并不具備通用性，根據(jù)驅(qū)動系統(tǒng)的不同組成形式，混合動力汽車可分為串聯(lián)式[11,16,22,30,62]、并聯(lián)式[7-10,12,24,27-28,42,54,58]和混聯(lián)式[19,51-52]。根據(jù)能否外接電源從電網(wǎng)充電，混合動力汽車還可分為插電式[10,14,27,37,50,66]和非插電式[7-9,11-12,15-16,19,22,24,28-31,36,42,45,48-49,51-52,54,58,61-62]。不同類型的混合動力汽車的能量管理策略各不相同，例如，非插電式混合動力汽車的控制目標(biāo)一般包括維持電池電量(SOC)穩(wěn)定，插電式混合動力汽車由于裝有大容量電池可從電網(wǎng)獲得電能，所以其能量管理策略的設(shè)計不再以維持SOC穩(wěn)定為目標(biāo)，而是更依賴于工況、行駛里程等因素，電池健康管理往往是能量管理策略的控制目標(biāo)之一。

本文主要概括了混合動力汽車能量管理問題的發(fā)展，總結(jié)了多年來能量管理策略應(yīng)用的方法，對這些方法進(jìn)行了簡單的梳理和分類，并主要討論了近年來能量管理策略的主要發(fā)展方向和解決的問題，重點總結(jié)了基于交通信息的能量管理策略的應(yīng)用，最后指出了混合動力汽車能量管理策略未來發(fā)展的主要趨勢。

1 混合動力汽車能量管理問題概述

混合動力汽車的關(guān)鍵性技術(shù)主要包括能量管理、驅(qū)動系統(tǒng)及控制、車載動力電池及控制等方面。其中能量管理策略是混合動力汽車的極為重要的技術(shù)，它能夠直接影響整車燃油消耗、排放、駕駛性等方面，必須清楚混合動力汽車驅(qū)動系統(tǒng)運行模式，才能設(shè)計出有效的能量管理策略，達(dá)到預(yù)期的控制目標(biāo)。

簡單來說，混合動力汽車的能量管理解決的就是車輛在行駛過程中總功率在不同動力裝置之間的分配問題，最優(yōu)的分配方案才能獲得良好的燃油經(jīng)濟(jì)性、駕駛性等。不同的驅(qū)動系統(tǒng)結(jié)構(gòu)、控制目標(biāo)等都直接導(dǎo)致了能量管理策略的不同。目前應(yīng)用的能量管理控制方法主要包括兩種，一種是基于規(guī)則的能量管理策略[6-11]，其規(guī)則的制定主要是針對發(fā)動機、電機的運行模式和電池電量，通過經(jīng)驗或歷史數(shù)據(jù)制定合理的規(guī)則，一般來說要達(dá)到使得發(fā)動機主要運行在高效區(qū)的目標(biāo)。另一種是基于優(yōu)化算法的能量管理策略[12-21]，這種能量管理策略又包括全局最優(yōu)策略[12-15]和瞬時最優(yōu)策略[16-21]，一般多以提高燃油經(jīng)濟(jì)性、減小排放、保證駕駛性等為主要的控制目標(biāo)，通過解決最優(yōu)控制問題給出最佳的功率或轉(zhuǎn)矩的分配方案。

2 混合動力汽車能量管理基本策略

2.1 基于規(guī)則的能量管理策略

靜態(tài)邏輯門限值控制和模糊控制屬于基于規(guī)則的能量管理策略，這種方法發(fā)展最早，相對其他控制方法來說比較簡單實用，目前國內(nèi)外不少混合動力汽車仍然采用這種控制方法。

一般來說，靜態(tài)邏輯門限值控制策略以整車的燃油經(jīng)濟(jì)性為控制目標(biāo)，通過門限值的設(shè)定，使發(fā)動機始終運行在高效區(qū)。1987年，J.R.Bumby和I.Forster最先提出了邏輯門限控制方法[6]，在文章中，作者針對節(jié)省油耗和使用電能代替石油燃料這兩個不同的控制目標(biāo)，研究了靜態(tài)邏輯門限值的設(shè)置。文獻(xiàn)[7]以并聯(lián)式混合動力汽車為研究對象，在動態(tài)規(guī)劃(DP)算法的基礎(chǔ)上設(shè)計了一種基于規(guī)則的監(jiān)督式控制器，目的是提高整車燃油經(jīng)濟(jì)性。文獻(xiàn)[8]針對帶無級變速器(CVT)的并聯(lián)式混合動力汽車，提出了基于邏輯門限方法的能量管理策略，實現(xiàn)了混合動力汽車驅(qū)動系統(tǒng)工作模式的動態(tài)切換，提供了轉(zhuǎn)矩分配方案及CVT速比，有效地提高了汽車的燃油經(jīng)濟(jì)性。

模糊控制憑借其針對不確定系統(tǒng)的良好的魯棒性，在面對混合動力汽車驅(qū)動系統(tǒng)這樣復(fù)雜的非線性系統(tǒng)時顯示出了其優(yōu)勢。Hyeoun-Dong Lee和Seung-Ki Sul在1998年將模糊控制用于混合動力汽車的能量管理策略[9],文獻(xiàn)中模糊控制的規(guī)則由作者基于大量實驗數(shù)據(jù)根據(jù)經(jīng)驗總結(jié)出，利用這種控制方法有效地減小了排放。文獻(xiàn)[10]以插電式混合動力汽車為研究對象，設(shè)計了一種結(jié)合動態(tài)規(guī)劃算法的基于模糊控制器的能量管理辦法，文章考慮了多種工況，使得控制器更具通用性，能夠適用于不同路況。文獻(xiàn)[11]考慮了模糊控制器隸屬函數(shù)的影響，討論了3種不同形狀的隸屬函數(shù)在混合動力汽車能量管理問題中的應(yīng)用。

基于規(guī)則的能量管理策略因其簡單易實現(xiàn)性得到了廣泛的應(yīng)用，但是這種控制方法也有明顯的局限性。因為其規(guī)則的制定多依賴于經(jīng)驗和靜態(tài)數(shù)據(jù)，靈活性差，不能適用于多種工況，無法保證全局最優(yōu)。

2.2 基于優(yōu)化算法的能量管理策略

基于優(yōu)化算法的能量管理策略一般將混合動力汽車能量管理問題抽象為帶有約束條件的非線性最優(yōu)控制問題。一般來說，在規(guī)定了系統(tǒng)狀態(tài)量和控制輸入量、輸出量之后，這個最優(yōu)化問題由優(yōu)化的性能函數(shù)、狀態(tài)變量的動態(tài)約束方程及狀態(tài)變量和控制輸入量的物理約束條件這三元素組成。

能量管理優(yōu)化問題的性能函數(shù)為

minJ=∑g(x(k),u(k),ω(k)),

其中，J是能量管理問題的目標(biāo)函數(shù)，根據(jù)優(yōu)化目標(biāo)的不同而不同。一般來說混合動力汽車的能量管理問題常以提高燃油經(jīng)濟(jì)性、減小排放、保證可駕駛性等為目標(biāo)。近幾年來，減小計算時間、實現(xiàn)實時控制也是常見的控制目標(biāo)。

狀態(tài)變量的動態(tài)約束方程為

x(k+1)=f(x(k),u(k),ω(k)),

其中，x是系統(tǒng)的狀態(tài)量，u是控制輸入，ω是隨機干擾。隨機干擾量視具體情況而定，也可沒有。

物理限制條件為

xmin≤x≤xmax,umin≤u≤umax,

由于x、u本身具有物理含義，這些變量物理含義所限制的其取值范圍就是能量管理問題中的物理約束條件。

由于實際系統(tǒng)的非線性、時變性、不確定性等，在解決該問題的過程中，系統(tǒng)建模和求帶有約束條件的非線性方程的最優(yōu)解都比較復(fù)雜，是能量管理問題中的難點。

基于優(yōu)化算法的能量管理策略根據(jù)其最優(yōu)解的不同，又可分為全局最優(yōu)的能量管理策略和瞬時最優(yōu)的能量管理策略。

動態(tài)規(guī)劃(DP)、龐特里亞金極小值原理(PMP)等算法是較早應(yīng)用在能量管理問題中的基于全局優(yōu)化的方法[12-15]，這些優(yōu)化方法能夠得到全局最優(yōu)解，但是對駕駛工況信息要求較高，一般要求駕駛工況完全已知，這也成了限制其發(fā)展的主要原因。由于實際駕駛中工況不能提前預(yù)知，所以這類能量管理辦法難以實現(xiàn)實時控制。但因其能獲得全局最優(yōu)解，基于全局最優(yōu)的能量管理算法可以作為其他能量管理辦法的評價標(biāo)準(zhǔn)。

Chan-Chiao Lin等人在文獻(xiàn)[12]中首先應(yīng)用基于規(guī)則的控制算法和DP算法，分別給出了能量管理方案，接著作者深入分析DP算法的結(jié)果，并將其與基于規(guī)則的控制算法相結(jié)合，提出了改進(jìn)的能量管理方法。文獻(xiàn)[13]將能量管理中復(fù)雜的非線性系統(tǒng)優(yōu)化問題分別近似成線性系統(tǒng)和二次函數(shù)的形式，應(yīng)用DP求解，大大節(jié)省了DP的計算時間。文獻(xiàn)[14]改進(jìn)了傳統(tǒng)PMP算法，提出了一種新的分段線性近似算法，不僅減小了油耗，還大大節(jié)省了傳統(tǒng)算法的計算時間，實現(xiàn)了實時控制。文獻(xiàn)[15]以通勤車為研究對象，針對其路況信息基本固定的特點，設(shè)計了一種基于在線自學(xué)習(xí)的PMP能量管理策略，這種算法能夠適應(yīng)通勤車路況信息時變的情況。

基于瞬時優(yōu)化的能量管理策略應(yīng)用最廣泛的是等效燃油消耗最小(ECMS)的能量管理辦法[16-21]。相對于全局優(yōu)化方法，這種方法對工況的依賴度明顯降低，可以利用這種算法研究實現(xiàn)實時控制的方法，但它的缺點是無法保證全局最優(yōu)。文獻(xiàn)[16]考慮了由電池和超級電容組成的串聯(lián)式混合動力汽車，用修正過的ECMS解決能量管理問題。文獻(xiàn)[17]提出了將自適應(yīng)算法和ECMS相結(jié)合的新算法(AECMS)。文獻(xiàn)[18]提出了一種結(jié)合基于規(guī)則控制和ECMS算法的能量管理策略(rule-ECMS)，以單軸并聯(lián)混合動力汽車為研究對象，并將計算結(jié)果與基于規(guī)則的能量管理策略相比較，仿真結(jié)果顯示rule-ECMS算法不論在城區(qū)路況還是高速路都顯著提高了混合動力汽車的燃油經(jīng)濟(jì)性。文獻(xiàn)[19]在離線狀態(tài)下進(jìn)行能量分配，并將結(jié)果儲存，在實際行車過程中按照不同工況調(diào)用。文獻(xiàn)[20]的優(yōu)化目標(biāo)是保證混合動力汽車的駕駛性，將車輛擋位變化、發(fā)動機運行模式變化和車輪轉(zhuǎn)矩作為駕駛性的衡量指標(biāo)，采用ECMS的能量管理策略，間接提高了車輛的燃油經(jīng)濟(jì)性。文獻(xiàn)[21]以插電式串聯(lián)混合動力公交車為研究對象，提出了一種在線ECMS的能量管理策略，以實現(xiàn)電池與發(fā)動機功率的最優(yōu)分配。

3 混合動力汽車能量管理改進(jìn)策略

混合動力汽車的能量管理發(fā)展到現(xiàn)在，待優(yōu)化協(xié)調(diào)的問題還很多，但技術(shù)從某種程度上來說已經(jīng)相對比較成熟，想要開發(fā)出新的優(yōu)化算法獲得更優(yōu)的分配方案極為困難。所以近年來，科學(xué)家在能量管理問題的研究方向主要是傳統(tǒng)優(yōu)化方法的改進(jìn)[22-33]、利用定位巡航系統(tǒng)(GPS)和智能交通系統(tǒng)(ITS)采集的交通信息的應(yīng)用[34-60]、模型預(yù)測控制的應(yīng)用[61-68]等方面。

3.1 傳統(tǒng)優(yōu)化算法改進(jìn)

在優(yōu)化算法改進(jìn)方面，前文中已經(jīng)給出了一些例子[12-21]，類似的研究還有很多。

3.1.1 基于規(guī)則能量管理策略的改進(jìn)

基于規(guī)則的能量管理策略雖然簡單易實現(xiàn)，但其規(guī)則的制定一般依賴于經(jīng)驗，所以不能適用于各種工況，得不到全局最優(yōu)解。關(guān)于基于規(guī)則的能量管理辦法的改進(jìn)一般集中在規(guī)則制定方法上，例如采用遺傳算法(GA)等智能算法使規(guī)則不再是不變的，而是隨著工況或其他因素隨時更新、改變，以適應(yīng)多種路況[22-24]。文獻(xiàn)[22]在傳統(tǒng)基于規(guī)則能量管理策略的基礎(chǔ)上提出了一種新型的基于規(guī)則的能量管理控制策略(XOS)。文獻(xiàn)[23]提出了一種基于模糊控制的能量管理策略，主要考慮城區(qū)路況，目的是進(jìn)一步提高燃油經(jīng)濟(jì)性并維持SOC平衡。文章中使用DP算法計算多個駕駛工況得到最優(yōu)能量分配方案，通過分析這些結(jié)果優(yōu)化了模糊控制器的規(guī)則制定。文獻(xiàn)[24]考慮到制動能量回收的問題，設(shè)計了雙模糊能量管理策略，模糊控制器的規(guī)則通過GA算法優(yōu)化，最后采用DP算法算出最優(yōu)的能量分配方案。

3.1.2 基于優(yōu)化算法的改進(jìn)

全局優(yōu)化算法因其能得到全局最優(yōu)解在混合動力汽車能量管理中應(yīng)用十分廣泛，但因其對駕駛工況極度依賴，一般要求工況信息完全已知，且計算量大，計算時間長，難以實現(xiàn)實時控制，所以對全局優(yōu)化算法的改進(jìn)也主要集中在以上缺點[25-29]。文獻(xiàn)[25]的主要目的是提高混合動力車的燃油經(jīng)濟(jì)性并盡量減小電池數(shù)量和尺寸，文章提出了一種基于DP的全局優(yōu)化方法，針對安裝電子變速傳動系統(tǒng)(EVT)的混合動力汽車，用GA算法優(yōu)化系統(tǒng)參數(shù)，并采用離散DP方法解決能量管理問題。文獻(xiàn)[26]以由小型發(fā)動機、鉛酸電池和超級電容器組成的混合動力汽車為研究對象，首先使用DP算法計算不同駕駛工況的能量管理問題，建立了基于機器學(xué)習(xí)的模型，然后采用神經(jīng)網(wǎng)絡(luò)算法(NN)訓(xùn)練以得到與DP算法結(jié)果盡量接近的最優(yōu)解。文獻(xiàn)[27-28]以縮短DP算法運行時間為目的，[27]通過結(jié)合GA算法實現(xiàn)，[28]則通過重新設(shè)計基于DP的遞歸方程來實現(xiàn)。文獻(xiàn)[29]提出了一種基于離散DP和PMP的能量管理策略，這種方法能夠縮短動態(tài)規(guī)劃算法的計算時間，有利于實現(xiàn)在線控制。

瞬時優(yōu)化算法相對于全局優(yōu)化算法有著計算量相對較小，恰當(dāng)利用可以實現(xiàn)在線控制，且對工況信息依賴度小的優(yōu)點，但是又無法保證得到全局最優(yōu)解，針對這一缺點，科學(xué)家也做了很多嘗試[30-33]。文獻(xiàn)[30]以串聯(lián)混合動力汽車為研究對象，目標(biāo)是提高整車燃油經(jīng)濟(jì)性并維持SOC穩(wěn)定，提出了一種基于自適應(yīng)ECMS的能量管理策略。文章規(guī)定了ECMS等效因子的范圍，用于推導(dǎo)自適應(yīng)等效因子。仿真結(jié)果顯示這種能量管理辦法顯著提高了燃油經(jīng)濟(jì)性并利于實現(xiàn)實時控制。文獻(xiàn)[31]以維持電池電量和提高燃油經(jīng)濟(jì)性為目標(biāo)，基于ECMS提出了一種新型實時能量管理策略，這種方法不需要預(yù)知駕駛工況，通過在每一采樣時間計算并減小等效燃油的方式提高燃油經(jīng)濟(jì)性。通過在不同工況的情況下與傳統(tǒng)ECMS、AECMS和傳統(tǒng)基于規(guī)則的能量管理策略的仿真結(jié)果作比較，發(fā)現(xiàn)這種新型的實時能量管理辦法在燃油經(jīng)濟(jì)性上體現(xiàn)了其優(yōu)越性。文獻(xiàn)[32]針對四驅(qū)混合動力汽車提出了一種基于遺傳算法的ECMS控制策略，GA算法用于優(yōu)化ECMS的關(guān)鍵參數(shù)。文獻(xiàn)[33]提出了一種改進(jìn)的ECMS算法，以DP算法得到的全局最優(yōu)分配方案為輸入求等效因子，最終達(dá)到了轉(zhuǎn)矩最優(yōu)分配的目的。

3.2 融合交通信息的能量管理策略

交通信息對混合動力汽車的能量管理有很大的影響。隨著全球定位系統(tǒng)(GPS)、智能交通系統(tǒng)(ITS)等技術(shù)的發(fā)展，道路信息的提取和使用逐漸被引入混合動力汽車能量管理。通過智能交通系統(tǒng)獲得的交通信息錯綜復(fù)雜，需要選取提煉可用的信息應(yīng)用在能量管理問題中，交通信息的高度的隨機性、非線性等都是其應(yīng)用的強大阻礙。而且如何利用這些歷史數(shù)據(jù)或?qū)崟r數(shù)據(jù)預(yù)測未來相關(guān)交通信息并提高預(yù)測準(zhǔn)確度也是不小的挑戰(zhàn)。為了適應(yīng)交通信息應(yīng)用中的隨機性、預(yù)測性的問題，一些可以解決隨機問題的最優(yōu)控制算法和思想例如隨機動態(tài)規(guī)劃(SDP)和模型預(yù)測控制(MPC)等逐漸被引入混合動力汽車的能量管理來解決相關(guān)問題。同時，其他可用于隨機預(yù)測的方法，例如NN、GA，尤其是馬爾可夫鏈模型在未來信息預(yù)測中被多次應(yīng)用。近年來，結(jié)合了交通信息的HEV能量管理方法在未來信息預(yù)測、工況識別等方向都取得了重大的進(jìn)展，在實現(xiàn)在線實時控制上進(jìn)行了深入的研究和探索。

3.2.1 交通信息的采集和應(yīng)用

文獻(xiàn)[34-50]充分利用交通信息，發(fā)展了多種算法如基于邏輯門限方法、NN算法、PSO算法等在未來交通信息預(yù)測模型、基于工況識別的混合動力汽車能量管理方面的應(yīng)用。

文獻(xiàn)[34]為了填補現(xiàn)有駕駛工況只包含速度信息而缺失道路坡度信息的空白，提出了一種基于多維馬爾可夫鏈的駕駛工況合成辦法，使用該方法合成的駕駛工況不僅有速度信息，還包括了加速度和道路坡度信息，在混合動力汽車能量管理策略的開發(fā)和測試中起到了重要的作用。文獻(xiàn)[35-36]結(jié)合ITS采集的交通信息，隨時更新ECMS的等效因子，提出了基于AECMS的能量管理辦法。文獻(xiàn)[37]在應(yīng)用智能交通系統(tǒng)(ITS)采集的歷史數(shù)據(jù)基礎(chǔ)上建立完整的駕駛工況模型，并用DP算法進(jìn)行能量分配。文獻(xiàn)[38]將能量管理問題考慮為雙層控制問題，上層根據(jù)道路信息和車輛動態(tài)計算總能耗，下層根據(jù)總能耗進(jìn)行能量分配。文獻(xiàn)[39]以通勤車為研究對象，通過采集歷史數(shù)據(jù)得到行駛路線預(yù)測模型，并用DP算法給出最佳能量分配方案。

在交通信息預(yù)測方面，速度預(yù)測是目前研究較集中的方向之一。文獻(xiàn)[40-41]主要考慮了車速預(yù)測的問題。文獻(xiàn)[40]的主要目標(biāo)是給出有效可用盡量準(zhǔn)確的速度預(yù)測方法。車速的準(zhǔn)確預(yù)測在混合動力汽車能量管理問題中十分重要，由于實際行程的車速無法提前預(yù)知，導(dǎo)致了多數(shù)能量管理策略只能給出離線的最優(yōu)能量分配方案而無法實現(xiàn)在線控制。盡量準(zhǔn)確地預(yù)測實際行車時的車速有利于推動實現(xiàn)能量管理策略的在線控制。文中用神經(jīng)網(wǎng)絡(luò)算法、指數(shù)增長算法和馬爾可夫鏈分別進(jìn)行了速度預(yù)測。3種方法都是基于大量歷史數(shù)據(jù)來預(yù)測未來車速，其中指數(shù)增長法相對較簡單，在已知初始車速的前提下通過不斷調(diào)整指數(shù)系數(shù)獲得未來車速預(yù)測模型。馬爾可夫鏈預(yù)測方法通過分析車速的歷史數(shù)據(jù)計算轉(zhuǎn)移概率，獲得了未來車速的概率分布，神經(jīng)網(wǎng)絡(luò)方法則通過利用神經(jīng)網(wǎng)絡(luò)算法對歷史數(shù)據(jù)進(jìn)行訓(xùn)練來獲得未來車速。文章最終證明神經(jīng)網(wǎng)絡(luò)算法的速度預(yù)測相對準(zhǔn)確。文獻(xiàn)[41]提出了兩種速度預(yù)測方法，分別是卷積神經(jīng)網(wǎng)絡(luò)方法(CNN)和多層感知器(MLP)方法，建立了基于車速歷史數(shù)據(jù)的速度預(yù)測模型。

道路坡度信息對混合動力汽車的能量管理策略設(shè)計也有著巨大的影響。文獻(xiàn)[42-43]考慮到道路坡度對插電式混合動力汽車電池的巨大影響，綜合利用導(dǎo)航提供的道路坡度信息，提出了基于道路坡度信息的能量管理策略。文獻(xiàn)[44]不僅以提高混合動力汽車的燃油經(jīng)濟(jì)性為研究目標(biāo)，還考慮到了排放問題。文章首先建立了道路坡度模型，研究了道路坡度對燃油經(jīng)濟(jì)性和排放性的影響。智能交通系統(tǒng)提供的道路坡度信息能夠提前采集并及時傳送到控制器，實現(xiàn)實時在線控制。其次，在處理排放問題中，文章借鑒了選擇性催化還原系統(tǒng)(SCR)的方法，在移除氮氧化合物的同時防止在排氣管產(chǎn)生氨泄漏。最后文章通過給出最優(yōu)的轉(zhuǎn)矩分配方案提高了燃油經(jīng)濟(jì)性。通過標(biāo)準(zhǔn)駕駛周期的仿真驗證，在考慮道路坡度的前提下，文中提出的控制方法不僅有效提高了非插電式混合動力汽車的燃油經(jīng)濟(jì)性，減小了排放，還實現(xiàn)了在線控制。

在工況識別方面，文獻(xiàn)[45]提出了一種融合基于GA算法的K均值(K-means)聚類方法(KGA)和ECMS算法的能量管理策略。其中KGA均值算法用于駕駛工況辨識。通過對比這種方法和傳統(tǒng)ECMS方法的結(jié)果，發(fā)現(xiàn)這種方法可以保證發(fā)動機基本運行在高效區(qū)，并能夠提高燃油經(jīng)濟(jì)性。文獻(xiàn)[46-47]設(shè)計了基于工況識別的能量管理策略。文獻(xiàn)[46]選取了20個典型工況，利用PSO算法對關(guān)鍵參數(shù)優(yōu)化，所得優(yōu)化結(jié)果建立了數(shù)據(jù)庫方便調(diào)用。文獻(xiàn)[47]考慮到混合動力汽車電池電量在某些工況片段下降過快的問題，有針對性地選擇了23個典型工況并將其分類，以提高燃油經(jīng)濟(jì)性為目標(biāo)，用模擬退火粒子群算法對各類工況下能量管理策略的關(guān)鍵參數(shù)離線優(yōu)化并建立數(shù)據(jù)庫，提出了基于工況識別的能量管理策略。文獻(xiàn)[48]提出了一種基于駕駛模式識別的能量管理辦法，文章使用聚類分析方法對20個典型工況分析并分類，建立了駕駛模式識別模型，接著以提升電池壽命和燃油經(jīng)濟(jì)性為控制目標(biāo)，用PSO算法解決能量管理問題。文獻(xiàn)[49]目的是設(shè)計出在PNs環(huán)境下通用的能量管理辦法，提出了一種融合了GPS和基于規(guī)則的混合動力汽車能量管理辦法。文獻(xiàn)[50]以插電式混合動力通勤車為研究對象，考慮到通勤車路況相對固定的特點，提出一種可實現(xiàn)在線控制的預(yù)測控制模型減小油耗。路線預(yù)測模型通過反向傳播的NN算法得到，GA算法和PSO算法在預(yù)測模型中用來提高預(yù)測的準(zhǔn)確性，最后采用基于DP的預(yù)測控制算法解決能量管理問題。

在交通信息采集方面，智能交通系統(tǒng)(ITS)發(fā)揮了重大的作用。它提供的車速、道路坡度、位置等信息使能量管理問題更加適用于多種工況，擴展了能量管理策略的適用范圍，增加了其靈活性，也帶來了更大的挑戰(zhàn)。

3.2.2 基于馬爾可夫鏈的未來交通信息預(yù)測問題

智能交通系統(tǒng)采集的歷史數(shù)據(jù)和實時數(shù)據(jù)的主要用途之一是未來交通信息的預(yù)測。混合動力汽車的能量管理策略的控制目標(biāo)對駕駛工況有較強的依賴性，不同工況的車輛燃油經(jīng)濟(jì)性往往是不同的。由于實際行車中駕駛工況未知，能量管理策略控制目標(biāo)可能無法達(dá)成或是效果不盡人意，所以建立有效的預(yù)測模型能夠減小混合動力汽車能量管理對駕駛工況的依賴度，并利于實現(xiàn)實時控制。近年來，在相關(guān)技術(shù)的輔助下，車速預(yù)測模型[40,51-52]、驅(qū)動模式預(yù)測模型[53]、駕駛員行為預(yù)測模型[54-59]等都在能量管理問題中發(fā)揮了作用。在未來信息預(yù)測中，最廣泛應(yīng)用的隨機預(yù)測方法是馬爾可夫鏈的方法[40,51-60]。

文獻(xiàn)[51]以通勤車為研究對象，用實際測得的速度替換固定的駕駛路況車速信息，將平均速度用馬爾可夫過程表示，通過隨機動態(tài)規(guī)劃(SDP)解決能量管理問題。文獻(xiàn)[52]在[51]的基礎(chǔ)上，提出了修正的SDP算法，大大提高了發(fā)動機效率。文獻(xiàn)[53]研究了混合動力汽車的運行模式對能量管理策略的影響。由于動力源不唯一，混合動力汽車擁有多種運行模式，在多數(shù)研究中混合動力汽車的運行模式往往通過給定的固定參數(shù)進(jìn)行簡單判別，與車輛的實際運行情況有一定差距。文章充分考慮實際行車中運行模式的隨機性，將HEV運行模式表示為一個可控的馬爾可夫鏈模型，使得能量管理策略的設(shè)計更加貼近實際情況。文章以提高車輛的燃油經(jīng)濟(jì)性為控制目標(biāo)，用車輛長期運行的平均油耗作為衡量指標(biāo)，設(shè)計了一種多目標(biāo)優(yōu)化的能量管理策略，用Pareto控制思想計算最優(yōu)控制率并與動態(tài)規(guī)劃的結(jié)果作比較，仿真結(jié)果顯示這種能量管理策略的車輛燃油消耗與動態(tài)規(guī)劃算法的燃油消耗相同。此外，文章還研究了混合動力汽車不同系統(tǒng)如發(fā)動機、電動機和電池之間在整車燃油經(jīng)濟(jì)性和電池壽命的影響，提供了一種基于適用對象需求的多控制目標(biāo)實現(xiàn)的方法。

駕駛員作為車輛行駛中的實際操作者，其行為模式對能量管理策略的影響不容忽視。不少混合動力汽車能量管理策略的研究中都考慮到了駕駛員行為，一般將其表示為車輛的總需求功率或者總需求轉(zhuǎn)矩。文獻(xiàn)[54]以并聯(lián)HEV為研究對象，提出了一種基于速度預(yù)測和加強學(xué)習(xí)的能量管理策略。模糊編碼和最近鄰法用于車速預(yù)測，馬爾可夫鏈則用于學(xué)習(xí)功率需求，得到其轉(zhuǎn)移概率。文獻(xiàn)[55]將駕駛員行為和HEV驅(qū)動系統(tǒng)運行模式用馬爾可夫鏈表示，提出了一種基于PMP優(yōu)化方法的混合動力汽車能量分配方法，計算了能量管理問題全局最優(yōu)解。文獻(xiàn)[56]提出了一種基于規(guī)則的運行模式預(yù)測的方法，實現(xiàn)了實時給出發(fā)動機和電機轉(zhuǎn)矩分配方案，并結(jié)合修正制定規(guī)則以達(dá)到提高混合動力汽車燃油經(jīng)濟(jì)性的目的。在修正規(guī)則制定過程中主要應(yīng)用的就是基于馬爾可夫鏈的學(xué)習(xí)方法。文獻(xiàn)[57]提出了一種基于隨機模型預(yù)測控制(SMPC)的能量管理辦法，用馬爾可夫過程表示加速度變化，進(jìn)一步得到HEV未來需求轉(zhuǎn)矩預(yù)測模型，采用DP算法在有限時域內(nèi)滾動求解能量管理問題。文獻(xiàn)[58]以變速器前置式單軸轉(zhuǎn)矩耦合并聯(lián)式混合動力汽車為研究對象，考慮到未來工況的不確定性，將總需求轉(zhuǎn)矩用馬爾可夫鏈表示，通過SDP算法解決能量管理問題。文獻(xiàn)[59]以插電式并聯(lián)混合動力公交車為研究對象，為改善驅(qū)動系統(tǒng)運行模式頻繁切換帶來的燃油損耗問題，綜合實際公交車行駛路況建立了基于馬爾可夫鏈的駕駛員行為模型，提出了一種隨機模型預(yù)測的能量管理辦法。文獻(xiàn)[60]綜合分析了大量城市路況并分類，建立了基于馬爾可夫鏈的制動轉(zhuǎn)矩需求模型。

3.3 基于模型預(yù)測控制的能量管理策略

模型預(yù)測控制(MPC)因其具有較強的魯棒性是近年來被廣泛應(yīng)用在混合動力汽車能量管理策略的一種控制方法。這種方法通過一些動態(tài)參數(shù)的在線提煉，將能量管理問題中整個駕駛周期的全局最優(yōu)控制轉(zhuǎn)化為預(yù)測區(qū)域內(nèi)的局部優(yōu)化控制，通過不斷滾動優(yōu)化更新下一時間域參數(shù)獲得最優(yōu)結(jié)果[69]。模型預(yù)測控制的思想常常結(jié)合交通信息，用于建立交通信息預(yù)測模型，以彌補實際中未來路況信息未知的不足，并與其它優(yōu)化算法結(jié)合，計算能量管理問題[57,61-68]。在應(yīng)用MPC實現(xiàn)實時控制時，往往因為在預(yù)測時間域內(nèi)在線計算時間較長無法迅速獲得下一時間域的更新后的參數(shù)而無法實現(xiàn)在線控制，這也是目前MPC在混合動力汽車能量管理問題中的一個挑戰(zhàn)，需要更好的方法解決。

文獻(xiàn)[61]以混合動力車隊為研究對象，提出了一種結(jié)合道路坡度信息的MPC能量管理辦法。文獻(xiàn)[62]以串聯(lián)式混合動力汽車為模型，提出一種隨機模型預(yù)測控制(SMPC)，將總需求功率視為隨機變量。仿真結(jié)果顯示這種能量管理策略在油耗、發(fā)動機效率等方面效果突出。文獻(xiàn)[63]同樣應(yīng)用SMPC進(jìn)行能量分配，作者考慮到駕駛員對車輛動態(tài)的影響，將駕駛員行為處理為隨機變量并建模，并引入自學(xué)習(xí)機制，以適應(yīng)不同的駕駛行為。文獻(xiàn)[64]以帶有行星齒輪的混合動力汽車為研究目標(biāo)，利用行星齒輪可以充分發(fā)揮串聯(lián)式和并聯(lián)式混合動力汽車的優(yōu)點，既增加了車輛運行模式又節(jié)省了空間，同時由于驅(qū)動系統(tǒng)的復(fù)雜性也給能量管理策略的設(shè)計帶來了巨大的挑戰(zhàn)。文章以提高整車燃油經(jīng)濟(jì)性為控制目標(biāo)，將能量管理問題表述為帶有約束條件的非線性最優(yōu)控制問題。為了對比線性時變模型預(yù)測控制(LIV-MPC)和非線性模型預(yù)測控制(NMPC)的控制效果，文章設(shè)計了兩種目標(biāo)函數(shù)，分別是二次型的目標(biāo)函數(shù)和考慮到電池壽命的非線性目標(biāo)函數(shù)。在仿真驗證過程中文章用了大量不同的固定駕駛周期，仿真結(jié)果顯示NMPC的燃油經(jīng)濟(jì)性提升效果顯著。文獻(xiàn)[65]在利用隨機模型預(yù)測控制解決混合動力汽車的能量管理問題時將駕駛員行為考慮進(jìn)來，提出了一種基于駕駛員行為模型的自學(xué)習(xí)隨機模型預(yù)測控制方法。文章將駕駛員行為用車輛的總功率需求表示，建立了基于馬爾可夫鏈的功率需求模型，并在隨機模型預(yù)測控制解決能量分配問題中利用了二次規(guī)劃，使用二次規(guī)劃方法使隨機模型預(yù)測在解決高維狀態(tài)量的模型時體現(xiàn)了其優(yōu)越性。文中以串聯(lián)式混合動力汽車為研究對象，在迭代計算過程中根據(jù)實時道路信息不斷更新功率需求信息，得到了電池和發(fā)動機之間的最優(yōu)功率分配方案。由于在能量管理問題中考慮了基于馬爾可夫鏈的駕駛員行為模型，提高了模型預(yù)測控制的預(yù)測能力。通過在固定的駕駛周期和實際駕駛周期的仿真試驗，驗證了這種考慮駕駛員行為的自學(xué)習(xí)模型預(yù)測控制在油耗和電池效率方面的優(yōu)越性。文獻(xiàn)[66]將混合動力汽車的實時能量分配問題表示為非線性滾動優(yōu)化問題，提出了一種基于廣義最小殘余算法的在線迭代方法，得到的結(jié)果并非全局最優(yōu)，而是在每個規(guī)定時間范圍內(nèi)的最優(yōu)解。文獻(xiàn)[67]提出了一種基于非線性MPC的算法，具體通過結(jié)合高斯偽譜方法和MPC，將混合動力汽車能量管理的最優(yōu)控制問題表述為非線性規(guī)劃(NLP)問題，給出了最優(yōu)轉(zhuǎn)矩分配方案，跟傳統(tǒng)歐拉方法相比，這種能量管理辦法明顯縮短了計算時間。文獻(xiàn)[68]同樣提出了一種基于非線性MPC的能量管理辦法，通過使用DP算法在預(yù)測區(qū)域內(nèi)滾動解決優(yōu)化問題計算具體的能量管理問題，這種方法在燃油經(jīng)濟(jì)性方面展現(xiàn)了其優(yōu)越性。

3.4 其他優(yōu)化算法在能量管理中的應(yīng)用

除上述優(yōu)化算法外，近年來HEV能量管理還用過一些其他方法和思想。例如，文獻(xiàn)[70]注意到了發(fā)動機有其最大功率點(MP)和最高效率(ME)點，因此設(shè)計了一種極值追蹤方法(ESP)來追蹤發(fā)動機的MP和ME，這種方法采用自適應(yīng)遞歸最小二乘法(ARLS)確定在線模型，目的是確定發(fā)動機運行模式及性能的變化。文獻(xiàn)[71]充分考慮到混合動力汽車發(fā)動機運行在高效區(qū)的優(yōu)點，結(jié)合了固定高效區(qū)(CHER)和動態(tài)高效區(qū)(DHER)的控制方法，最大程度地發(fā)揮了兩者的作用。文獻(xiàn)[72]定義了一組瞬時優(yōu)化目標(biāo)函數(shù)，分別以減小燃油消耗、降低排放和維持SOC穩(wěn)定為目標(biāo)，應(yīng)用變可行域(Varying-domain)優(yōu)化方法的思想將多目標(biāo)優(yōu)化問題轉(zhuǎn)化為非線性規(guī)劃問題，最后用GA算法解決了優(yōu)化問題。文獻(xiàn)[73]以燃料電池混合動力汽車為研究對象，設(shè)計了一種雙層控制的能量管理策略，上層控制考慮了路況信息形成車輛動態(tài)方程，目標(biāo)是提高燃油經(jīng)濟(jì)性，下層控制主要解決燃料電池和蓄電池間的能量分配問題，并盡量減少氫氣消耗，達(dá)到維持燃料電池壽命和減少氧氣不足現(xiàn)象的目的。文獻(xiàn)[74]通過模擬退火算法和粒子群算法的結(jié)合，提出了一種基于多工況優(yōu)化混合動力汽車動力系統(tǒng)與控制策略參數(shù)的方法，這種方法優(yōu)化出的參數(shù)可適用于多種工況。文獻(xiàn)[75]應(yīng)用了一種基于帶寬控制算法，并結(jié)合了占空比控制策略，以減少能量儲存單元的消耗和提高燃油經(jīng)濟(jì)性為目標(biāo)，針對串聯(lián)混合動力汽車設(shè)計了能量管理策略，在求解能量管理問題時還用到了并行模式的多目標(biāo)遺傳算法(MOGA)。

另外，還有某些能量管理辦法只針對特定的車型或動力裝置設(shè)計，并不具備通用性。例如，文獻(xiàn)[76]以四驅(qū)HEV車隊為研究對象，提出了一種車聯(lián)網(wǎng)環(huán)境下的分層能量管理控制方法。上層控制器主要基于MPC建立最優(yōu)目標(biāo)車速預(yù)測模型求解HEV期望車速，下層控制器采用DP進(jìn)行全局能量管理優(yōu)化。文獻(xiàn)[77]設(shè)計了一種針對Atkinson發(fā)動機的能量管理辦法。文獻(xiàn)[78]針對混聯(lián)HEV中常用的無刷雙機械端口電機(BLDD-PM)，在充分研究該機器數(shù)學(xué)模型的基礎(chǔ)上設(shè)計了相關(guān)的能量管理辦法。文獻(xiàn)[79]針對一種不含離合器的Ravigneaux齒輪傳動裝置的混聯(lián)式混合動力汽車設(shè)計了能量管理策略，重點是這種驅(qū)動結(jié)構(gòu)的建模和其在節(jié)能方面的評估。

4 總結(jié)與展望

本文全面概述了混合動力汽車能量管理技術(shù)的發(fā)展，總結(jié)了基于規(guī)則和優(yōu)化算法的能量管理策略的特點及缺陷，分析了近年來能量管理策略的發(fā)展方向，并重點總結(jié)了基于交通信息提取及預(yù)測的混合動力汽車能量管理策略?；旌蟿恿ζ囅嚓P(guān)技術(shù)發(fā)展到現(xiàn)在，已經(jīng)取得了重大進(jìn)步。但是，其燃油經(jīng)濟(jì)性、可駕駛性、安全性、舒適度等方面都還有很大的提升空間。近年來我國的混合動力汽車發(fā)展迅速，多種能量管理方法已經(jīng)在仿真和實驗中實現(xiàn)了在線控制，但是距離生產(chǎn)和投入使用還有較大差距。混合動力汽車能量管理控制策略尚缺乏與系統(tǒng)構(gòu)型和參數(shù)的有效結(jié)合和匹配，而插電式混合動力汽車的能量管理策略多為電力消耗-電力維持型(CD-CS)，無法適應(yīng)多種工況[80]。在實際行車環(huán)境中，不同的駕駛工況、目標(biāo)函數(shù)及系統(tǒng)動態(tài)方程的確定、優(yōu)化算法的選擇等方面都直接影響混合動力汽車能量管理的控制目標(biāo)達(dá)成?？紤]到目前混合動力汽車能量管理面臨的挑戰(zhàn)，未來混合動力汽車的能量管理策略發(fā)展方向主要集中在以下幾方面。

一是進(jìn)一步優(yōu)化控制目標(biāo)，例如提高燃油經(jīng)濟(jì)性，減小排放，保證駕駛性等。雖然混合動力汽車的能量管理策略一直以提高燃油經(jīng)濟(jì)性和減小排放等為控制目標(biāo)并取得了不錯的成效，但是隨著各國對節(jié)能減排標(biāo)準(zhǔn)的不斷提高，對汽車控制的要求也相應(yīng)提高，能量管理策略相關(guān)技術(shù)也需要進(jìn)一步研究和開發(fā)。

二是交通信息進(jìn)一步的提取和利用。道路交通信息的合理使用對HEV的能量管理有很大的影響。雖然隨著GPS、ITS等技術(shù)的發(fā)展，提取交通信息已經(jīng)容易實現(xiàn)，但是由于交通信息的復(fù)雜性和非線性，如何選取有針對性的信息并合理建模仍然是研究熱點。

三是對未來信息的準(zhǔn)確預(yù)測。車輛的整個行駛周期在能量管理問題中占據(jù)重要的地位。在實際行車過程中，未來信息如車速、路況、需求功率等不可能提前預(yù)知，所以對未來信息的預(yù)測極為重要。目前已經(jīng)有學(xué)者提出多種預(yù)測方法，取得了不小的進(jìn)展。但是為了獲得最優(yōu)的能量分配方案，更加準(zhǔn)確的未來信息預(yù)測方法仍需要開發(fā)。

四是實現(xiàn)實時在線控制。目前不少能量管理策略在仿真實驗中都能實現(xiàn)在線控制，但是距離實際生產(chǎn)還有一定的差距，優(yōu)化算法的改進(jìn)、計算時間的減小等都需要投入精力繼續(xù)研究。