基于人-车-路-环境系统的混合动力汽车整车控制方法研究

Nowadays,the Hybrid Electric Vehicle(HEV) control strategy is usually based on the vehicle dynamic model and typical driving cycle. It can't adapt to the road, environment, and driving style variation, and also lack of considering on the driving safety. Therefore,the road characteristic, environment information and driving style parameters which influence the HEV working point are first analyzed in this project,the way to obtain these parameters are also determined based on the on-board equipment. As for the road and environment,the road slope detection,the road curvature,the free driving space detection and traffic state detection algorithm based on the on-board information collection will be developed to provide the environmental feedback for the future speed prediction. As for the driver, based on the driving style and current intention recognition, an on-board self-learning future vehicle speed prediction algorithm utilized the Radical Basis Function (RBF) neural network is proposed to equip the vehicle with the prediction ability. To realize the adaptive adjustment of the control strategy with the variation of road, environment and driver, the vehicle control model is constructed based on the hybrid system theory; the State Of Charge (SOC) sequence global optimization solving method based on the constraints priority is proposed; the real-time optimal power split ratio is calculated. Finally, a general implementation framework of HEV control strategy based on the intelligent transport information and integrated with safety, environmental protection and energy efficiency is constructed. It will promote the intelligent development of new energy vehicles.

目前混合动力汽车的整车控制常基于车辆动力系统模型和典型工况，对道路、环境及驾驶员的适应能力不足，且未考虑行驶的安全性。为此，本项目首先对影响HEV工作模式和工作点的道路特征、环境信息和驾驶员行为参数进行分析，并立足车载设备，研究相关参数获取方法。从道路和环境角度，提出基于车载信息采集的路面坡度、道路曲率、自由驾驶空间和交通状态检测算法，为未来车速轨迹预测提供环境反馈；从驾驶员的角度，在驾驶风格识别及当前意图识别基础上，提出基于环境反馈及RBF神经网络在线学习的未来车速轨迹预测方法，使车辆具备"预知"能力。然后，建立基于混杂系统理论的整车控制模型，提出基于约束优先级的SOC序列全局优化求解方法，并进一步计算瞬时最优的功率分配，实现控制策略随道路环境及驾驶员变化的自适应寻优。最终，构建以智能交通信息为基础，集节能、环保和安全为一体的HEV控制方法实施框架，推动新能源汽车的智能化发展。

混合动力电动汽车（HEV）具有良好的燃油经济性和较低的排放，是当前解决能源和排放问题最具现实意义的途径之一。为了使HEV能够适应不同驾驶员风格、在变化的道路交通环境中达到预期性能，本项立足车载信息采集，从人—车—路—环境系统的角度对HEV 的控制策略进行深入研究，在车辆未来行驶轨迹预测和混杂系统建模的基础上提出集节能、环保和安全为一体的智能化HEV控制策略。. 本项目的研究内容由三部分组成：基于车载信息采集的车辆前方道路及环境分析方法研究、基于环境反馈的未来车速轨迹预测方法研究、HEV 整车控制系统建模与控制方法研究。在项目成果方面，首先建立了“节能与新能源汽车信息化平台” ，目前已采集并监控了近1500台不同车企的新能源汽车运行数据，包括比亚迪、启辰、一汽、黄海、安凯等，实现了HEV行驶数据的大范围采集与分析；其次，提出基于NAR神经网络的HEV未来行驶轨迹预测方法，为基于预测控制理论的HEV整车控制策略研究奠定基础；然后，提出一种基于短期工况预测的混合逻辑动态（MLD）模型预测控制（MPC）策略，试验结果表明，所提出的整车控制方法具有良好的求解效率，且能获得接近全局优化的控制效果；此外，针对HEV的AMT、电机、电池等关键系统，提出故障模式下的容错控制策略，保障车辆的稳定运行；最后，搭建整车控制器台架测试系统，开展了整车控制器台架试验及实车道路试验，通过搭载车载信息采集系统，验证了在道路工况下整车控制的有效性。. 通过本项目研究，建立了集成化的车载信息采集系统，获第十九届中国国际高新技术成果交易会优秀产品奖；构建了以智能交通信息为基础、通用性强、可扩展的HEV 控制方法实施框架；共发表学术论文20篇，授权国家发明专利13项；此外，在中德政府间电动汽车合作中与德方进行了广泛的数据交换与深入学术探讨，并赴美国俄亥俄州立大学访学交流，产生了一定的学术影响力，推动了新能源汽车整车控制策略的智能化发展。