基于路况预测的混合动力汽车智能能量管理策略研究

Having the advantages of both traditional and pure electric vehicle，hybrid eletric vehicle receives universal concerns. However, the energy efficiency of the hybrid electric vehicle is far from the optimal level because the effect of energy management strategy is affected by the traffic conditions. Therefore, firstly, based on ITS, vehicle networking, and based on depth-enhanced learning, an intelligent prediction method for complex road conditions considering the interaction of “human-vehicle-road” will be explored; Secondly, build the electric - heat - aging multi - field coupling model of the power battery and realize the battery multi - state robust joint estimation based on the strong tracking adaptive particle filter. Thirdly, study the intelligent energy management strategy for hybrid electric vehicles by using the road condition prediction and based on the theory of rolling optimization, robust preview control theory and cloud computing technology. Finally, design a cloud computing-based hardware/vehicle - in - the - loop test platform and verify the validity of the new method and theory. This topic involves interdisciplinary areas of control theory, vehicle engineering, traffic information and big data etc. and has great theoretical value and practical significance in promoting the basic theory research and application of related disciplines, promoting the development of hybrid electric vehicle and its related industries of our country, and solving the environmental energy crisis.

混合动力汽车因兼具传统汽车与纯电动汽车的优势而广受关注，但其能量管理策略运行效果受行驶路况影响大，导致其整车能效水平远未达到最佳。因此，拟首先基于ITS、车联网及云计算平台实现路况大数据的准确获取与处理分析，进而基于深度增强学习研究考虑“人-车-路-环境”交互影响的的复杂路况系统智能预测方法；其次，建立动力电池电-热-老化多领域耦合模型并基于强跟踪自适应粒子滤波实现电池多状态联合估计；再次，基于滚动优化思想、鲁棒预演控制理论及云计算等新理论新方法，研究综合利用路况预测信息的混合动力汽车在线滚动优化智能能量管理策略。最后，设计基于云计算的硬件/车辆在环试验平台，验证提出的新理论新方法。本课题涉及控制理论、车辆工程、交通、大数据等多学科交叉领域，对促进相关学科的基础理论研究和应用、发展我国混合动力汽车及其相关产业、解决环境能源危机具有重大的理论价值和现实意义。

多源动力混杂耦合、高维路况错综交互、多样驾驶风格迥异，致使混合动力汽车（Hybrid Electric Vehicle, HEV）全工况、多主体驾驶环境下综合能效水平偏离预期，成为制约HEV高质量发展的关键。项目以提升HEV路况预见能力、智能决策能力、网联化应用为突破口，聚焦复杂路况预测、电池建模及状态估计、整车能效优化、集成验证四条主线，融合云计算、大数据以及智能滚动优化技术建立“人-车-路-云”交互架构下的HEV高效智能能量管控理论，取得如下创新成果：. 1)基于云平台大数据技术揭示网联交通场景内部复杂交互机理，实现时空域高效解耦；研究“人-车-路-环境”交互行为辨识方法，建立“多场景-强鲁棒-广视角”多维路况智能预测理论，在高复杂环境下实现多视距路况精准预测。. 2)建立动力电池“电-热-老化”耦合模型及鲁棒参数辨识理论，揭示内部宏微观特性动态演化机理，实现宽温度范围内模型精度有效提升；建立从单体到电池组的时空融合多状态鲁棒估计理论，突破噪声统计特性不明及多态耦合导致的电池状态SOX精准估计难题。. 3)阐明HEV多源动力耦合特性，建立全特征混杂切换系统模型及“机-电-化学”多能转换优化理论，实现全动力链动力学特性精细化描述及制动能量回收效率有效提升；基于云计算技术，建立多视距预测、智能决策双驱动的整车能效滚动优化理论，突破HEV综合能效水平低、多场景路况适应性差等瓶颈问题；构建信息物理交互下的网联多目标优化架构，实现基于迁移学习的异构主体策略移植，大幅缩短算法研发周期。. 4)实现分布式架构下云平台及车端VCU软硬件自主开发，搭建了车-云协同架构下硬件/车辆在环实验平台，完成“策略开发-仿真模拟-硬件/车辆在环-实车应用”全链条开发测试及应用。. 项目主要研究内容在国内外高水平期刊及会议发表论文80篇，其中SCI/EI论文77篇；申请发明专利27项，其中已授权17项；成果获山东省科技进步一等奖1项，中国专利优秀奖1项；培养国家级人才1名，博士后3名，博士6名，硕士7名，另有5名博士生和5名硕士生在读。