基于工况数据驱动的插电式混合动力车辆自学习能量管理方法研究

This project originated from the pressing demand of information transformation for the automobile industry in China because of the energy and environmental problems caused by the automobile industry in our country, breaks through “low calculation efficiency, difficult information acquisition, poor power distribution” which are the key challenges in the global optimization of vehicle powertrain control area. The project focus on those important issues on the mechanism of energy management and global optimization for plug-in hybrid electric vehicle, the vehicle driving cycle model establishment based on actual conditions, and the computation method of energy requirement. The innovative ideas of this project aims at: we propose that action-dependent heuristic dynamic programming based on driving cycle data is used as the core of energy management, the all-factors driving cycles model and hardware equipment of trip information is developed, and energy demand model of vehicles based on trip information with Markov property on the premise of the satisfaction of emissions regulations and demand power of drivers. This project will clarify the mechanism of global optimization; realize the optimization and self-learning of energy control strategy according to the user’s data, and .open up a new avenue for controlling the power system of vehicles under the condition of information sharing. After the hardware in loop simulation test, other drive system configurations will be applied, and the method of global energy management of vehicles will be provided in the vehicle internet environment.

本项目面向国家汽车产业因石油能源紧张、环境污染等问题须向信息化转型的迫切需求，突破“计算效率低、信息获取难、动力分配差”等车辆动力系统全局优化领域关键问题。针对插电式混动汽车的能量管理与全局优化机制、实际路况下的驾驶循环模型构建、车辆能量需求计算方法等关键科学问题展开研究。本项目创新思路在于：提出基于工况数据的执行依赖启发式动态规划为核心能量管理控制方法；建立全因素驾驶循环模型及信息获取设备，为自适应动态规划算法提供工况数据作为信息基础；同时构建基于马尔可夫性工况数据的车辆能量需求模型，保证在满足排放法规和动力性的前提下，最大限度提升整车经济性。本项目将阐明自适应动态规划对车用能量的管理机制，实现能量控制策略对用户数据的优化与学习，开辟在信息共享条件下车辆动力系统控制的新途径。经硬件在环仿真试验验证后，研究成果可向各驱动系统构型进行推广，同时也为在车联网环境下的车辆全局能量管理提供新思路。

为应对能源短缺和环境污染问题，发展新能源汽车是21世纪全球汽车产业的必然选择，以插电式混合动力汽车(PHEV)为代表的多能量源汽车是我国汽车产业未来发展方向的重心之一，所涉及的车辆能量管理系统则是亟待解决的关键核心问题。由于传统动态规划方法对PHEV的能量管理只能采用相对固定的控制策略，而无法根据工况进行自学习与优化，因此，本项目基于自适应动态规划方法(ADP)，提出并联式PHEV的全局能量管理方法，建立基于工况数据的并联式PHEV能量管理控制系统。为了使得车辆动力部件的工作点在转矩维度上和转速维度上不发生偏移，建立融合交通信息与道路信息的全因素驾驶循环模型，提供道路坡度和滑移率的采集及计算平台；建立车辆能量需求计算模型，明确能量需求与车辆动力系统控制变量的关系，采用工况状态概率分布的统计方法实现对车辆能量需求的高效计算；在工况信息采集和能量需求计算的基础上，建立“信息-物质-能量”分层车辆全局优化能量管理架构，以规范化的架构描述全因素工况信息的获取、车辆驱动模式的选择及全局寻域算法；最后，采用执行依赖启发式动态规划结构，建立并联式PHEV自适应动态规划能量管理控制系统。实验结果表明，不同驾驶场景下的车速可以较好地跟随期望车速，验证了所提ADP控制策略的自适应性，ADP控制策略的整车节能潜力可达DP控制策略（理论最优）节能潜力约90%，验证了ADP控制策略的近似最优性。因此，本项目所提出的ADP控制策略针对我国实际道路工况数据具有良好的自适应性和近似最优性，项目成果为我国今后智能网联汽车动力控制系统的开发提供理论基础和工程应用经验，也为在智能交通运输系统中的节能减排需求提供了现实的解决方案。