引用本文

 

赵秀春, 郭戈. 混合动力电动汽车的跟车控制与能量管理. 自动化学报, 2022, 48(1): 162−170 doi: 10.16383/j.aas.c200136

Zhao Xiu-Chun, Guo Ge. Tracking control and energy management of hybrid electric vehicles. Acta Automatica Sinica, 2022, 48(1): 162−170 doi: 10.16383/j.aas.c200136

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200136?viewType=HTML

文章简介

关键词

混合动力电动汽车, 动态面控制, 车辆跟踪, 能量管理, 动态规划

摘   要

混合动力电动汽车(Hybrid electric vehicles, HEVs)的能量管理问题至关重要, 而混合动力电动汽车的跟车控制不仅涉及跟车效果与安全性, 也影响着能量的高效利用. 将HEVs的跟车控制与能量管理相结合, 提出一种基于安全距离的HEVs车辆跟踪与能量管理控制方法. 首先, 考虑坡度、载荷变动建立了HEVs车辆跟车系统的非线性模型, 并基于安全距离, 提出一种基于道路观测器的动态面控制(Dynamic surface control, DSC)进行车辆跟踪控制. 然后, 结合跟踪控制下工况循环, 采用滚动动态规划(Dynamic programming, DP)算法进行混合动力电动汽车能量实时优化控制. 最后, 通过仿真研究进行验证.

引   言

近年来, 能源与环保问题越来越受到全球专家学者的关注, 汽车保有量的不断增加导致能源消耗与环境污染日益加剧, 同时也使得城市拥堵现象越来越严重. 混合动力电动汽车(Hybrid electric vehicles, HEVs)具备传统汽车和纯电动汽车两者的优点, 既能够缓解纯电动汽车电池续航里程的问题, 又能够有效降低燃油汽车的能耗与污染问题, 是目前解决能源危机与环境污染的有效途径之一. 混合动力电动汽车的能量管理策略直接影响着车辆性能和燃油经济性, 而车辆驾驶工况是车辆动力性和燃油经济性的重要影响因素, 对能量管理起着至关重要的作用. 在实际驾驶环境中, 车辆的工况循环和速度变化往往是未知的, 给混合动力电动汽车的控制与能量管理带来了挑战.

目前, 混合动力电动汽车的能量管理控制策略的研究主要分为基于规则和基于优化的控制算法两大分支. 基于规则的控制策略主要是根据车辆的不同转矩、车速、电池电量SOC或发动机效率map图进行工作模式划分, 制定规则进行切换控制. 该控制策略算法简单且规则容易实现, 但无法适应不同工况和实时动态变化的需求, 因而往往通过结合其他智能控制算法(如模糊控制、神经网络)以获得更好的鲁棒性和适应性. 但在实际驾驶条件下, 仍无法保证最佳的控制性能. 因此, 更多的研究开始关注并探索基于优化的能量管理控制策略. 基于既定的工况循环或已知的速度规划, 动态规划(Dynamic programming, DP)算法以其公认的全局最优性被广泛应用于混合动力能量管理控制, 但由于实际的驾驶循环往往都是未知的且其计算负担较高而受到制约, 因而难以进行实时控制而多用于评价或固定路线的能量管理. 为了改善DP算法在实际应用中的局限性, 专家学者进行了各种改进与探索. 另一方面, 为了更好地实现实时优化控制, 模型预测控制被普遍采用. 比如, 文献[13-14]根据驾驶员意图采用模型预测算法对转矩分配或功率需求进行瞬时预测控制, 虽然能够实现实时优化, 但其预测控制效果基于初始状态的选择, 且无法实现全局最优.

上述能量管理研究都是针对单辆HEV车辆进行能量管理控制, 但实际道路上车辆并不是独立行驶, 往往是在车流中跟随前方车辆行驶. 因此, 车辆的行驶还会受到前车行驶模式和速度变化的影响, 所以混合动力电动汽车的能量管理需要与跟车控制相结合. 车辆跟车控制方面的研究已有数十年历史, 主要集中于自适应巡航控制 (Adaptive cruise control, ACC)和车辆队列控制. 车辆队列控制关注的是多个车辆的协同控制, 其重点是队列稳定性. ACC属于单车控制技术, 解决的是与前车保持安全距离的巡航控制问题, 已在很多中高档汽车中使用. 已有的自适应巡航控制大多针对内燃机车辆, 很少有混合动力电动汽车跟车控制方面的研究. 本文主要考虑车辆跟随前方车辆的安全控制和跟车过程中的能量管理问题, 队列稳定性并不属于本文研究范围.

混合动力电动汽车跟车控制系统更为复杂, 既要考虑车辆的跟踪性能, 又要考虑车辆的能量管理问题. 近几年, 有少量关于混合动力电动汽车跟车控制和能量管理的研究. 比如, 文献[22]提出基于规则的混合动力电动汽车能量管理与自适应巡航控制方法, 该算法简单易实现, 但无法保证性能最优; 文献[23-24]分别给出一种基于驾驶员行为预测和车辆加速度预测的能量管理方法; 文献[25]给出混合动力电动汽车能量管理与自适应巡航控制的动态规划和在线查表方法; 文献[26]提出考虑道路坡度的HEV车辆队列控制与能量管理方法. 需要指出的是, 上述研究存在如下几方面的不足: 1)将能量管理与车辆巡航控制综合到同一成本函数, 参数较多, 计算负担较重, 且性能互相影响; 2)车辆环境工况中未充分利用前车信息, 需要进行加速度预测或假定参考值; 3)无法实现道路坡度和载荷实时变化的影响.

本文旨在针对混合动力电动汽车跟车控制与能量管理综合问题, 考虑前车与道路工况, 提出了基于安全距离的HEV车辆动态面控制(Dynamic surface control, DSC), 然后针对安全距离内的驾驶工况, 采用滚动动态规划算法进行混合动力电动汽车实时能量管理. 本文主要创新点和贡献如下:

1)考虑前车对行驶工况的影响以及混合动力电动汽车能量的综合控制, 通过车辆跟踪控制为动态规划算法提供工况循环, 既保证了控制的最优性又解决了算法对工况预测和速度规划的要求;

2)通过基于观测器的DSC跟车控制, 考虑了道路坡度和载荷实时变动对车辆跟踪控制性能与车辆能量消耗的影响;

3)基于安全距离的滚动动态规划算法, 解决了存储空间有限和在线计算负担大的问题, 可实现实时能量优化管理.

本文组织结构如下: 第1节给出HEV跟车系统、能量管理模型及控制目标, 第2节是基于安全车距的跟车控制器设计、稳定性分析以及能量管理动态规划方法, 第3节为仿真验证, 第4节是本文总结.

图 1  HEV控制系统

图 2  Power-split HEV功率关系

图 3  发动机燃油消耗率

作者简介

赵秀春

大连民族大学讲师, 大连理工大学控制科学与工程专业博士研究生. 2006年获得东北大学硕士学位. 主要研究方向为车辆控制技术, 混合动力电动汽车能量管理.

E-mail: zxc_xiu@163.com

郭   戈

东北大学教授. 1998年获得东北大学博士学位. 主要研究方向为智能交通系统, 运动目标检测跟踪网络. 本文通信作者.

E-mail: geguo@yeah.net

相关文章

[1]  陈虹, 郭露露, 宫洵, 高炳钊, 张琳. 智能时代的汽车控制. 自动化学报, 2020, 46(7): 1313−1332 doi: 10.16383/j.aas.c190329

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190329?viewType=HTML

[2]  王琼, 郭戈. 车队速度滚动时域动态规划及非线性控制. 自动化学报, 2019, 45(5): 888-896. doi: 10.16383/j.aas.c170442

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c170442?viewType=HTML

[3]  陈锦涛, 李鸿一, 任鸿儒, 鲁仁全. 基于RRT森林算法的高层消防无人机室内协同路径规划. 自动化学报. doi: 10.16383/j.aas.c210368

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c210368?viewType=HTML

[4]  张晗, 杨继斌, 张继业, 宋鹏云, 徐晓惠. 燃料电池有轨电车能量管理Pareto多目标优化. 自动化学报, 2019, 45(12): 2378-2392. doi: 10.16383/j.aas.c190044

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190044?viewType=HTML

[5]  尚婷, 钱富才, 张晓艳, 谢国. 具有未知参数的LQG对偶控制算法研究. 自动化学报, 2017, 43(8): 1478-1484. doi: 10.16383/j.aas.2017.c160401

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2017.c160401?viewType=HTML

[6]  孙秋野, 滕菲, 张化光. 能源互联网及其关键控制问题. 自动化学报, 2017, 43(2): 176-194. doi: 10.16383/j.aas.2017.c160390

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2017.c160390?viewType=HTML

[7]  张继文, 刘莉, 陈恳. 面向全方位双足步行跟随的路径规划. 自动化学报, 2016, 42(2): 189-201. doi: 10.16383/j.aas.2016.c150432

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2016.c150432?viewType=HTML

[8]  赵秀春, 郭戈. 混合动力电动汽车能量管理策略研究综述. 自动化学报, 2016, 42(3): 321-334. doi: 10.16383/j.aas.2016.c150477

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2016.c150477?viewType=HTML

[9]  储珺, 龚文, 缪君, 张桂梅. 基于线性滤波的树结构动态规划立体匹配算法. 自动化学报, 2015, 41(11): 1941-1950. doi: 10.16383/j.aas.2015.c140693

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2015.c140693?viewType=HTML

[10]  刘希, 孙秀霞, 刘树光, 徐嵩, 程志浩. 非线性增益递归滑模动态面自适应NN控制. 自动化学报, 2014, 40(10): 2193-2202. doi: 10.3724/SP.J.1004.2014.02193

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2014.02193?viewType=HTML

[11]  贾涛, 刘军, 钱富才. 一类非线性时滞系统的自适应模糊动态面控制. 自动化学报, 2011, 37(1): 83-91. doi: 10.3724/SP.J.1004.2011.00083

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2011.00083?viewType=HTML

[12]  张秀宇, 林岩. 具有磁滞输入非线性系统的鲁棒自适应控制. 自动化学报, 2010, 36(9): 1264-1271. doi: 10.3724/SP.J.1004.2010.01264

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2010.01264?viewType=HTML

[13]  白保存, 陈英武, 贺仁杰, 李菊芳. 基于分解优化的多星合成观测调度算法. 自动化学报, 2009, 35(5): 596-604. doi: 10.3724/SP.J.1004.2009.00596

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2009.00596?viewType=HTML

[14]  李铁山, 邹早建, 罗伟林. 基于DSC后推法的非线性系统的鲁棒自适应NN控制. 自动化学报, 2008, 34(11): 1424-1430. doi: 10.3724/SP.J.1004.2008.01424

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2008.01424?viewType=HTML

[15]  钱富才, 高振斌, 刘丁. 双线性系统多目标控制问题研究. 自动化学报, 2007, 33(8): 847-851. doi: 10.1360/aas-007-0847

http://www.aas.net.cn/cn/article/doi/10.1360/aas-007-0847?viewType=HTML

[16]  翟桥柱, 管晓宏, 郭燕, 孙岚, 范炜. 具有混合动态约束的生产系统优化调度新算法. 自动化学报, 2004, 30(4): 539-546.

http://www.aas.net.cn/cn/article/id/16199?viewType=HTML

[17]  宋春跃, 王慧, 李平. 考虑工业设备老化时的递阶最优生产控制策略. 自动化学报, 2003, 29(4): 501-508.

http://www.aas.net.cn/cn/article/id/13919?viewType=HTML

[18]  曾智洪. 高速公路中的行车道检测和车辆跟踪. 自动化学报, 2003, 29(3): 450-456.

http://www.aas.net.cn/cn/article/id/14666?viewType=HTML

[19]  侯增广, 吴沧浦. 一种基于动态规划策略的离散动态大系统递阶优化神经网络. 自动化学报, 1999, 25(1): 45-51.

http://www.aas.net.cn/cn/article/id/16777?viewType=HTML

[20]  王朝晖, 陈浩勋, 胡保生. 用Lagrangian松弛法解化工批处理调度问题. 自动化学报, 1998, 24(1): 1-8.

http://www.aas.net.cn/cn/article/id/16900?viewType=HTML

[21]  章新华. 一种特征选择的动态规划方法. 自动化学报, 1998, 24(5): 675-680.

http://www.aas.net.cn/cn/article/id/16781?viewType=HTML

[22]  赵蔚, 吴沧浦. 多指标动态规划的交互式满意置换率法. 自动化学报, 1994, 20(6): 694-701.

http://www.aas.net.cn/cn/article/id/14026?viewType=HTML