節(jié)能、安全、舒適及環(huán)保是汽車(chē)行業(yè)發(fā)展的主題,圍繞這些主題,當(dāng)前最熱門(mén)的研究方向是車(chē)輛的智能化、網(wǎng)聯(lián)化及電動(dòng)化。本文以智能化、網(wǎng)聯(lián)化的混合動(dòng)力汽車(chē)隊(duì)列為研究對(duì)象,以提高燃油經(jīng)濟(jì)性、交通流暢性、舒適性及安全性為目標(biāo),以模型預(yù)測(cè)控制(model predictive control,MPC)為主要研究方法,提出了混合動(dòng)力汽車(chē)隊(duì)列分層預(yù)測(cè)控制構(gòu)架,提出了分層控制實(shí)時(shí)化的解決方案并進(jìn)行了實(shí)車(chē)在環(huán)測(cè)試和硬件在環(huán)仿真,研究了考慮系統(tǒng)誤差的燃油經(jīng)濟(jì)性控制,研究了基于預(yù)測(cè)信息的能量管理優(yōu)化,研究了集成垂向振動(dòng)燃油經(jīng)濟(jì)性控制。全文的主要工作概括如下:研究了考慮效率反饋的智能網(wǎng)聯(lián)混合動(dòng)力汽車(chē)隊(duì)列分層預(yù)測(cè)控制。將控制構(gòu)架分為兩層,上層控制器基于混合動(dòng)力汽車(chē)油耗、相對(duì)距離、SPAT得到的目標(biāo)車(chē)速以及加速度,設(shè)計(jì)基于MPC的控制算法,優(yōu)化混合動(dòng)力汽車(chē)隊(duì)列的目標(biāo)車(chē)速。下層控制器以燃油經(jīng)濟(jì)性為目標(biāo),以動(dòng)力電池SOC均衡為主要約束,基于A-ECMS能量管理控制算法進(jìn)行混合動(dòng)力汽車(chē)能量管理。與此同時(shí),下層控制器周期性地計(jì)算平均驅(qū)動(dòng)效率和能量回收效率并將其反饋至上層控制器,用于修正上層控制器中與效率相關(guān)的油耗模型。研究了基于分層控制構(gòu)架的智能網(wǎng)聯(lián)混合動(dòng)力汽車(chē)隊(duì)列實(shí)時(shí)車(chē)速預(yù)測(cè)及能量?jī)?yōu)化管理。上層控制器針對(duì)MPC優(yōu)化問(wèn)題的具體結(jié)構(gòu),采用牛頓迭代法求解KKT方程并基于近似方法求解牛頓迭代方程,設(shè)計(jì)了基于F-MPC實(shí)時(shí)預(yù)測(cè)混合動(dòng)力汽車(chē)隊(duì)列最優(yōu)目標(biāo)車(chē)速,下層控制器基于動(dòng)力部件的Willans Line模型,將ECMS控制算法線性化,設(shè)計(jì)了基于WL-ECMS進(jìn)行混合動(dòng)力汽車(chē)隊(duì)列實(shí)時(shí)能量管理控制策略。研究了考慮控制系統(tǒng)隨機(jī)誤差的網(wǎng)聯(lián)混合動(dòng)力汽車(chē)隊(duì)列閉環(huán)協(xié)同控制方法。在分層控制的基礎(chǔ)上,上層控制器考慮了控制系統(tǒng)的隨機(jī)誤差,基于Markov決策建立隨機(jī)誤差模型及其概率轉(zhuǎn)移矩陣,基于SMPC處理隨機(jī)誤差,并基于方案樹(shù)簡(jiǎn)化SMPC問(wèn)題,縮短計(jì)算的時(shí)間成本。下層控制器基于A-ECMS進(jìn)行混合動(dòng)力汽車(chē)隊(duì)列的能量管理。在上層代碼中嵌入簡(jiǎn)化的混合動(dòng)力汽車(chē)模型,依據(jù)可測(cè)量的變量和Autonomie后處理文件,建立了驅(qū)動(dòng)和回收效率模型并實(shí)時(shí)反饋至上層控制器進(jìn)行下一時(shí)刻的車(chē)速優(yōu)化。研究了基于預(yù)測(cè)信息的網(wǎng)聯(lián)四驅(qū)混合動(dòng)力汽車(chē)能量?jī)?yōu)化管理控制方法。首先描述了基于規(guī)則的四驅(qū)混合動(dòng)力汽車(chē)控制策略,然后在基于規(guī)則控制策略的基礎(chǔ)上,設(shè)計(jì)了基于ECMS的控制策略。根據(jù)四驅(qū)混合動(dòng)力汽車(chē)預(yù)測(cè)車(chē)速,進(jìn)行了基于預(yù)測(cè)信息的等效因子全局優(yōu)化以及分段優(yōu)化,并基于預(yù)測(cè)信息,采用DP算法進(jìn)行了四驅(qū)混合動(dòng)力汽車(chē)隊(duì)列能量管理的全局優(yōu)化。研究了集成垂向振動(dòng)的混合動(dòng)力汽車(chē)燃油經(jīng)濟(jì)性控制。利用懸架系統(tǒng)狀態(tài)與車(chē)速和位置均相關(guān)的特點(diǎn),將整車(chē)縱向動(dòng)力學(xué)與懸架系統(tǒng)垂向動(dòng)力學(xué)有機(jī)結(jié)合起來(lái)�；谥悄芫W(wǎng)聯(lián)環(huán)境下獲取的混合動(dòng)力汽車(chē)車(chē)速及位置信息及SPAT信息,建立綜合優(yōu)化燃油經(jīng)濟(jì)性、交通流暢性、跟車(chē)距離、垂向舒適性以及縱向舒適性的MPC模型,在保障基于智能網(wǎng)聯(lián)基本特性及不犧牲最優(yōu)燃油經(jīng)濟(jì)性的前提下,提高混合動(dòng)力汽車(chē)隊(duì)列的垂向振動(dòng)舒適性。為降低計(jì)算求解的時(shí)間成本,采用F-MPC進(jìn)行最優(yōu)目標(biāo)車(chē)速的快速優(yōu)化。
【學(xué)位單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2018
【中圖分類(lèi)】：U469.7;U463.6
【部分圖文】：

義內(nèi)汽車(chē)的保有量和產(chǎn)銷(xiāo)量正迅猛增長(zhǎng)，由此、環(huán)境污染、汽車(chē)行駛安全及駕駛舒適性等 18 年里，以發(fā)展中國(guó)家為主要推動(dòng)力的汽車(chē)量增加了 10 倍以上[4]。截止到 2017 年底，中銷(xiāo)量冠軍[5,6]。盡管我國(guó)已經(jīng)成為名副其實(shí)的遠(yuǎn)遠(yuǎn)低于發(fā)達(dá)國(guó)家同期水平，甚至低于世界平有達(dá)到飽和狀態(tài)，其他主要發(fā)展中國(guó)家也呈現(xiàn)如圖 1.1 所示[9]，各主要國(guó)家汽車(chē)銷(xiāo)量及走勢(shì)濟(jì)的持續(xù)增長(zhǎng)，消費(fèi)者購(gòu)買(mǎi)力的逐漸增強(qiáng)，汽，世界汽車(chē)保有量已經(jīng)突破 12 億輛大關(guān)，并日益嚴(yán)重，節(jié)能、高效、環(huán)保、安全及舒適成

車(chē)市場(chǎng)遠(yuǎn)遠(yuǎn)沒(méi)有達(dá)到飽和狀態(tài)，其他主要發(fā)展中國(guó)家也呈現(xiàn)出類(lèi)似的態(tài)勢(shì)汽車(chē)銷(xiāo)量走勢(shì)如圖 1.1 所示[9]，各主要國(guó)家汽車(chē)銷(xiāo)量及走勢(shì)如圖 1.2 所示發(fā)展中國(guó)家經(jīng)濟(jì)的持續(xù)增長(zhǎng)，消費(fèi)者購(gòu)買(mǎi)力的逐漸增強(qiáng)，汽車(chē)產(chǎn)銷(xiāo)量還有升空間。目前，世界汽車(chē)保有量已經(jīng)突破 12 億輛大關(guān)，并呈現(xiàn)出增長(zhǎng)導(dǎo)致的問(wèn)題將日益嚴(yán)重，節(jié)能、高效、環(huán)保、安全及舒適成為當(dāng)今汽車(chē)工主題[11-14]。圖 1.1 全球汽車(chē)銷(xiāo)量（×106）及走勢(shì)Fig 1.1 Worldwide vehicle sales （×106）and its trends

問(wèn)題（如圖 1.3 所示）已經(jīng)成為城市交通系統(tǒng)中最為突出的問(wèn)題[22-24]。為此，美國(guó)交通部智能交通署率先提出了智能交通和智能網(wǎng)聯(lián)的概念，受到世界范圍內(nèi)的廣泛關(guān)注，并被應(yīng)用于車(chē)輛的燃油經(jīng)濟(jì)性控制、安全及交通流暢性控制等領(lǐng)域[25]。在智能網(wǎng)聯(lián)環(huán)境下，可通過(guò)車(chē)-車(chē)（vehicle to vehicle，V2V）通信獲取相鄰車(chē)輛之間的位置和車(chē)速信息，通過(guò)車(chē)與交通設(shè)施（vehicletoinfrastructure，V2I）通信獲取路側(cè)單元信息（如交通信號(hào)燈信息等），因而實(shí)現(xiàn)車(chē)與車(chē)，車(chē)與交通設(shè)施的互聯(lián)。據(jù)美國(guó)交通部報(bào)道，應(yīng)用車(chē)聯(lián)網(wǎng)技術(shù)可以減少 79%的交通事故，減少交通擁堵造成的 872 億美元的損失，節(jié)省 42 億小時(shí)的車(chē)輛怠速時(shí)間以及節(jié)省 28 億加侖的燃油消耗[26-28]。相比于當(dāng)前交通系統(tǒng)中 走走停停 的車(chē)輛行駛模式，采用車(chē)聯(lián)網(wǎng)技術(shù)，可以大幅度的增加交通流暢性，因而節(jié)省行駛時(shí)間，降低燃油消耗，并減少溫室氣體的排放[29,30]�？梢灶A(yù)見(jiàn)的是，基于智能網(wǎng)聯(lián)技術(shù)，可以使得交通系統(tǒng)中的車(chē)輛協(xié)同工作，甚至實(shí)現(xiàn)無(wú)駕駛員干預(yù)的全自動(dòng)化運(yùn)行，進(jìn)而提高車(chē)輛隊(duì)列的燃油經(jīng)濟(jì)性節(jié)省車(chē)輛單位距離的行駛時(shí)間并提高車(chē)輛隊(duì)列的安全性[31,32]。為此，車(chē)輛智能化、網(wǎng)聯(lián)化也是汽車(chē)工業(yè)發(fā)展的必然趨勢(shì)[33]。
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 錢(qián)立軍;邱利宏;辛付龍;;插電式四驅(qū)混合動(dòng)力汽車(chē)控制策略設(shè)計(jì)及優(yōu)化[J];西南交通大學(xué)學(xué)報(bào);2015年06期

2 錢(qián)立軍;邱利宏;辛付龍;陳朋;王金波;;插電式四驅(qū)混合動(dòng)力汽車(chē)能量管理控制策略及其優(yōu)化[J];農(nóng)業(yè)工程學(xué)報(bào);2015年13期

3 錢(qián)立軍;邱利宏;陳朋;;基于模糊PID扭矩識(shí)別的混合動(dòng)力汽車(chē)優(yōu)化控制[J];中國(guó)機(jī)械工程;2015年13期

4 邱利宏;錢(qián)立軍;程偉;;插電式四驅(qū)混合動(dòng)力轎車(chē)控制策略研究[J];汽車(chē)工程學(xué)報(bào);2015年01期

5 錢(qián)立軍;邱利宏;辛付龍;胡偉龍;;基于模糊扭矩識(shí)別的混合動(dòng)力汽車(chē)控制策略[J];科學(xué)技術(shù)與工程;2014年35期

6 孟凡博;黃開(kāi)勝;曾祥瑞;張堯;;基于馬爾可夫鏈的混合動(dòng)力汽車(chē)模型預(yù)測(cè)控制[J];中國(guó)機(jī)械工程;2014年19期

7 錢(qián)立軍;邱利宏;辛付龍;胡偉龍;;插電式四驅(qū)混合動(dòng)力汽車(chē)能量管理與轉(zhuǎn)矩協(xié)調(diào)控制策略[J];農(nóng)業(yè)工程學(xué)報(bào);2014年19期

8 隗寒冰;秦大同;陳淑江;;重度混合動(dòng)力汽車(chē)油耗和排放的多目標(biāo)隨機(jī)最優(yōu)控制策略[J];汽車(chē)工程;2014年08期

9 邱利宏;錢(qián)立軍;程偉;王振國(guó);;插電式串聯(lián)混合動(dòng)力汽車(chē)參數(shù)匹配及控制策略研究[J];汽車(chē)工程學(xué)報(bào);2014年04期

10 秦大同;彭志遠(yuǎn);劉永剛;段志輝;楊陽(yáng);;基于工況識(shí)別的混合動(dòng)力汽車(chē)動(dòng)態(tài)能量管理策略[J];中國(guó)機(jī)械工程;2014年11期

相關(guān)博士學(xué)位論文 前5條

1 王光平;并聯(lián)插電式混合動(dòng)力汽車(chē)控制技術(shù)研究[D];吉林大學(xué);2016年

2 詹森;基于工況與駕駛風(fēng)格識(shí)別的混合動(dòng)力汽車(chē)能量管理策略研究[D];重慶大學(xué);2016年

3 孫超;混合動(dòng)力汽車(chē)預(yù)測(cè)能量管理研究[D];北京理工大學(xué);2016年

4 孫揚(yáng);無(wú)人駕駛車(chē)輛智能水平的定量評(píng)價(jià)[D];北京理工大學(xué);2014年

5 吳迪;ISG混合動(dòng)力汽車(chē)能量?jī)?yōu)化管理策略研究[D];合肥工業(yè)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前8條

1 司遠(yuǎn);四驅(qū)混合動(dòng)力汽車(chē)能量管理優(yōu)化策略研究[D];合肥工業(yè)大學(xué);2017年

2 楊猛;同軸并聯(lián)HEV模式切換過(guò)程動(dòng)力傳動(dòng)轉(zhuǎn)矩協(xié)調(diào)控制研究[D];北京交通大學(xué);2017年

3 羅少華;基于工況識(shí)別的混聯(lián)式混合動(dòng)力汽車(chē)能量管理策略研究[D];重慶大學(xué);2016年

4 李安邦;混合動(dòng)力汽車(chē)自適應(yīng)控制策略研究[D];大連理工大學(xué);2016年

5 林椿松;混合動(dòng)力汽車(chē)能量管理多目標(biāo)優(yōu)化研究[D];重慶交通大學(xué);2016年

6 趙敏敏;四輪驅(qū)動(dòng)混合動(dòng)力汽車(chē)建模與仿真研究[D];北京交通大學(xué);2016年

7 崔佳超;無(wú)人駕駛智能車(chē)在動(dòng)態(tài)環(huán)境中的避障方法[D];西安工業(yè)大學(xué);2015年

8 俞倩雯;基于車(chē)聯(lián)網(wǎng)的汽車(chē)行駛經(jīng)濟(jì)車(chē)速控制方法[D];清華大學(xué);2014年

本文編號(hào)：2889715