基于工況預(yù)測(cè)的混合動(dòng)力汽車能量管理策略研究綜述

蔡 偉，何太碧

（西華大學(xué)，四川 成都 610039）

文章重點(diǎn)是梳理基于工況預(yù)測(cè)的混合動(dòng)力汽車能量管理策略，在各類工況識(shí)別模型與能量管理優(yōu)化的作用下提升燃油經(jīng)濟(jì)性，同時(shí)組建了行駛工況大數(shù)據(jù)，優(yōu)化管理策略模型，為后續(xù)研究工作者提供了參考。

行駛工況的構(gòu)建是研究汽車燃油經(jīng)濟(jì)性和污染物排放等指標(biāo)的第一步，行駛工況反映的是某個(gè)區(qū)域車輛行駛特征的速度-時(shí)間-坡度等曲線，對(duì)車檢測(cè)指標(biāo)最終會(huì)體現(xiàn)在工況中的地理性，駕駛風(fēng)格以及道路的不平整度等方面。國內(nèi)外眾多學(xué)者在工況的預(yù)測(cè)方面做出了重要貢獻(xiàn)，

1 工況構(gòu)建方法

工況的構(gòu)建的研究方法有多種，林歆悠等人采用學(xué)習(xí)向量化（Learning Vector Quantization LVQ）神經(jīng)網(wǎng)絡(luò)模型在工況識(shí)別中訓(xùn)練工況特征參數(shù)，基于動(dòng)態(tài)規(guī)劃（Dynamic Programming，DP）為主要的數(shù)學(xué)模型，再制定工況識(shí)別控制策略。章楠通過構(gòu)建一種基于改進(jìn)學(xué)習(xí)向量化（I-LVQ）神經(jīng)網(wǎng)絡(luò)工況識(shí)別模型并設(shè)計(jì)I-LVQ算法。相較于傳統(tǒng)LVQ訓(xùn)練算法以及識(shí)別精度都有一定的提升。行駛過程中的干擾性對(duì)后期優(yōu)化有較大影響，曹騫等人在車輛行駛過程中收集數(shù)據(jù)，建立大數(shù)據(jù)庫，根據(jù)傅里葉變換通過濾波降噪篩選出有效數(shù)據(jù)，基于馬爾科夫鏈的行駛工況組建算法。結(jié)果表明其有效性也得以驗(yàn)證。

2 能量優(yōu)化策略選擇

能量管理在汽車使用過程中占有重要的地位，對(duì)于現(xiàn)代純電動(dòng)（BEV）與混合動(dòng)力（Hybrid vehicle）尤其至關(guān)重要，出行過程中能量消耗量最小而不影響駕駛性才是能量管理的最優(yōu)解。動(dòng)態(tài)規(guī)劃（DP）的全局優(yōu)化優(yōu)勢(shì)在于能將問題分解為多個(gè)子問題，在通過最優(yōu)原則下保證子問題的解最優(yōu)，同時(shí)減少搜索時(shí)間和計(jì)算量?；诳刂埔?guī)則的基礎(chǔ)上，建立模糊推理過程，再通過反模糊化進(jìn)行能量分配，因混合動(dòng)力汽車具有較高的非線性和不確定性因素，因此模糊控制策略在混合動(dòng)力車輛控制中具有較強(qiáng)的魯棒性。

3 仿真模型建立

基于工況預(yù)測(cè)的混合動(dòng)力汽車能量管理，仿真模型建立是驗(yàn)證優(yōu)化管理策略的重要一步，模型建立所需軟件有ADVISOR（AdvancedVehIcle SimulatOR，高級(jí)車輛仿真器)軟件與MATLAB軟件相結(jié)合建立的混合動(dòng)力系統(tǒng) [9]，也可通過AVL Cruise仿真軟件搭配MATLAB/Simulink平臺(tái)建立各類動(dòng)力系統(tǒng)。

4 結(jié) 語

近幾年對(duì)汽車能源輸出控制方面的研究有著長足進(jìn)步，文章針對(duì)車輛工況中的參數(shù)提取方法和管理策略的優(yōu)化以及仿真軟件的選擇做了簡單的梳理，具體如下：①車輛行駛工況的預(yù)測(cè)算法逐漸提高，但在計(jì)算方法與運(yùn)算量上還有提升的空間，在各類算法中優(yōu)化方法還有待進(jìn)一步研究，為進(jìn)一步提升運(yùn)行工況的精度和適用度奠定基礎(chǔ)；②在優(yōu)化管理策略中，管理策略的優(yōu)化有著較高的實(shí)用價(jià)值，能根據(jù)實(shí)時(shí)工況特點(diǎn)選擇合適的管理策略，減少能耗損失，在多種管理策略的算法中，通過對(duì)比分析，得出最優(yōu)控制策略，算法的研究在能量管理中意義非凡。