基于多源交通信息的混合动力车能量管理系统建模及优化控制

Energy shortage and air pollution is an important problem facing the world. One of the effective ways to mitigate it is to develop hybrid vehicles and other energy resource vehicles. However, traffic decision information needed by hybrid vehicle energy management system has become the major bottleneck to restricting hybrid vehicle's popularization, which shows the characteristics of multi-source, time varying and fuzzy. Hybrid vehicle Energy management problem using multi- source traffic information cycle of s is taken as the aim, numerical simulations and laboratory tests are the two methods to solve it in this project. First, dynamic extraction mechanism of multi-source traffic information, such as dynamic link travel time and vehicle path are studied based on support vector regression theory and quantum ant colony algorithm. And then, Markov theory is adopted to study the system level energy optimization modeling of hybrid vehicle energy management system based on multi-source traffic information. Finally, using multi-source traffic information, quantitative control model of energy optimization performance is constructed .This topic is aim to reveal the energy optimal law in hybrid vehicle energy management system using multi-source traffic information，which would lay the theoretical and technical basis for developing new intelligent energy management system suitable for the conditions of multi-source traffic information..

能源短缺和空气污染是世界各国面临的重大难题，大力发展混合动力车等新能源车辆是缓解该问题的有效途径。然而，混合动力车运行时能量管理系统所需的交通状态决策信息具有多源、模糊、时变特性，成为制约其推广应用的主要瓶颈。本课题拟以多源交通信息下混合动力车的能量优化问题为研究对象，采用数值模拟和实验室试验两种手段，基于支持向量回归理论和量子蚁群算法，研究动态路段行程时间和车辆行车路径等多源交通信息的动态提取机制；进而，引入马尔科夫理论，研究混合动力车能量管理系统的系统级多源交通信息能量优化建模，构建基于动态路段行程时间、出行者路径选择行为等多源交通信息的能量管理系统能量优化性能定量控制模型。本课题旨在揭示多源交通信息条件下混合动力车能量管理系统中能量优化规律，为适合多源交通信息条件的新型智能能量管理系统的研制奠定理论基础和技术基础。

当前，能源短缺和空气污染异常严峻，我国尤为突出。从“十五”开始，国家就陆续出台政策大力发展混合动力车等新能源车辆，用以缓解缓解该问题。截止目前，混合动力车的普及程度仍不太不高，究其原因是多方面的，其中现有混合动力车能量管理系统的优化控制问题尤为突出。混合动力车行驶过程中的车速、车流量、路阻系数、动态路段行程时间等多源交通信息是车辆进行能量管理的重要基础。准确提取多源交通信息的特征，将有助于提高能量管理系统的优化控制性能。申请人和项目组成员对对国内外现有研究成果进行充分论证基础上，开展了多源交通信息下混合动力车的能量管理及相关问题一系列研究，具体内容如下：. （1）以交通信息流图像处理为对象，引入了Blind deconvolution算法，研究了有效交通信息获取问题。在此基础上，利用支持向量回归算法研究了适用于间断流的行程时间支持向量回归预测方法。给出了基于量子蚁群算法的混合动力车行程路径的动态优化方法。. （2）建立了多源交通信息能量优化控制马尔科夫跳跃系统的数学描述，并给出相应假设。然后，基于系统的输出信息，构建了一个静态滑模输出反馈控制器；基于系统可测量状态信息和输出信息，构建了动态滑模输出反馈控制器。. （3）以电动车仿真软件Cruise作为模拟平台，利用MATLAB软件中的Subsystem模块建立了响应的数学模型，对混合动力车多源交通信息能量优化控制数学模型进行了数值求解。. （4）初步进行了多源交通信息能量优化控制数学模型的试验研究，得出了基于动态路段行程时间、出行者路径选择行为等多源交通信息的能量管理系统能量优化性能的定量控制模型。. 相关研究成果已发表学术论文9篇，收录4篇，授权发明专利1件，申请发明专利1件；培养硕士2名。