基于PMP的混合动力公交车能量管理策略研究

The driving performance and fuel economy of hybrid power bus largely depend on energy management strategy，However，the traditional energy management strategy can't satisfy both practical and global optimization, Aiming at this problem, a new energy management strategy for hybrid power bus based on Pontryagin's Minimum Principle (PMP) is presented in this project. This project will establish the driving intention forecast and prediction model in full consideration of the people-vehicle-road influence on power management control system, which can make accurate prediction of driving intention for some time to come. The algorithm research of operation state identification of hybrid power bus is done based on multi-dimensional Gaussian Model (GM) and Hidden Markov Model (HMM), and the real-time identification of actual working conditions is realized. And also, this project ties to discuss some key issues of Pontryagin's Minimum Principle (PMP) application in depth including control parameters tuning and global optimization, and energy management model will be built to find the optimal solution of force distribution. In this way, both global optimization and practical can be taken into account. Finally, an examinational platform will be set up to validate the theoretical analysis and the numerical results, and vehicle test will be performed. This study will provide a new ideas and a useful general strategy for hybrid power bus power management.

混合动力公交车动力性和燃油经济性很大程度上取决于能量管理策略， 针对传统能量管理策略实用性和全局最优化目标不能兼顾的问题，提出基于庞特里亚金极小值原理（PMP）的混合动力公交车能量管理策略。充分考虑人车路对能量管理策略影响，构建基于AR-HMM的驾驶意图识别与预测模型，准确预测未来一段时间内驾驶意图；基于多维GM和HMM，进行公交车工况辨识算法研究，实时辨识整车实际工况。围绕庞特里亚金极小值原理应用中的控制参数选定、全局最优化讨论等关键问题进行深入研究，构建能量管理问题模型，求出动力分配最优解，既能保证全局最优化，又具有实用性。搭建试验平台，验证理论分析与数值计算结果，在此基础上进行整车测试。本研究为混合动力汽车能量管理问题提供新思路和通用策略。

本项目以单轴并联混合动力电动汽车为研究对象，为了减少混合动力汽车尾气排放和降低燃油消耗，针对HEV的能量管理策略，基于局部优化方法，设计并联混合动力汽车的能量管理策略，旨在优化发动机与电机间的能量配比，在满足车辆运行需求的前提下，使发动机和电机尽量工作在高效率区，提高能量的利用效率。.与申请书的预期成果相比，完成了项目任务。主要取得以下成果：.（1）构建出可用于驾驶意图识别的AR-HMM模型。根据公交车当前运行状态和驾驶行为，运用所建立的AR-HMM，结合AR算法和Viterbi算法，重点研究公交车驾驶意图识别及预测算法，预测未来一段时间内驾驶意图，为实时修正车辆需求功率提供依据。.（2）SOC直接影响到能量管理控制策略有效性，根据电动汽车电池环境温度变化量、电池内阻变化量对RBF模糊神经网络估计模型输出值进行补偿，提高电动汽车电池SOC值估计的精确度。.（3）以每一时刻燃油消耗的总和作为目标函数，在保持电池组电量平衡的条件下，以电池的SOC为系统状态变量，以动力电池的输出功率为控制变量，建立了能量管理问题模型，采用庞特里亚金极小值原理，确定控制参数及其初始值影响因素，求出最优解。仿真结果表明，与基于逻辑规则的能源管理策略相比，该策略发动机输出转矩较大，电机主要工作转矩较小且效率高，百公里油耗仅为6.34L/Km，燃油经济性有了很大提高。.（4）针对PMP算法的求解过程需要遍历约束范围内所有的控制变量，导致计算量较大，运算时间较长，实时性较差的不足，基于核模糊C-均值聚类和多神经网络模型，建立混合动力汽车能量管理控制器。利用KFCM聚类方法训练出若干个子模型，以电池SOC、需求功率、车轮转速作为神经网路输入量，发动机功率为神经网路输出量，仿真结果表明，与基于PMP的能量管理策略相比，该策略极大的缩短了计算时间，百公里油耗为10.93L/Km，燃油经济性有所下降，但获得了更好的动力性。