節(jié)能、安全、舒適及環(huán)保是汽車行業(yè)發(fā)展的主題,圍繞這些主題,當前最熱門的研究方向是車輛的智能化、網(wǎng)聯(lián)化及電動化。本文以智能化、網(wǎng)聯(lián)化的混合動力汽車隊列為研究對象,以提高燃油經(jīng)濟性、交通流暢性、舒適性及安全性為目標,以模型預測控制(model predictive control,MPC)為主要研究方法,提出了混合動力汽車隊列分層預測控制構架,提出了分層控制實時化的解決方案并進行了實車在環(huán)測試和硬件在環(huán)仿真,研究了考慮系統(tǒng)誤差的燃油經(jīng)濟性控制,研究了基于預測信息的能量管理優(yōu)化,研究了集成垂向振動燃油經(jīng)濟性控制。全文的主要工作概括如下:研究了考慮效率反饋的智能網(wǎng)聯(lián)混合動力汽車隊列分層預測控制。將控制構架分為兩層,上層控制器基于混合動力汽車油耗、相對距離、SPAT得到的目標車速以及加速度,設計基于MPC的控制算法,優(yōu)化混合動力汽車隊列的目標車速。下層控制器以燃油經(jīng)濟性為目標,以動力電池SOC均衡為主要約束,基于A-ECMS能量管理控制算法進行混合動力汽車能量管理。與此同時,下層控制器周期性地計算平均驅動效率和能量回收效率并將其反饋至上層控制器,用于修正上層控制器中與效率相關的油耗模型。研究了基于分層控制構架的智能網(wǎng)聯(lián)混合動力汽車隊列實時車速預測及能量優(yōu)化管理。上層控制器針對MPC優(yōu)化問題的具體結構,采用牛頓迭代法求解KKT方程并基于近似方法求解牛頓迭代方程,設計了基于F-MPC實時預測混合動力汽車隊列最優(yōu)目標車速,下層控制器基于動力部件的Willans Line模型,將ECMS控制算法線性化,設計了基于WL-ECMS進行混合動力汽車隊列實時能量管理控制策略。研究了考慮控制系統(tǒng)隨機誤差的網(wǎng)聯(lián)混合動力汽車隊列閉環(huán)協(xié)同控制方法。在分層控制的基礎上,上層控制器考慮了控制系統(tǒng)的隨機誤差,基于Markov決策建立隨機誤差模型及其概率轉移矩陣,基于SMPC處理隨機誤差,并基于方案樹簡化SMPC問題,縮短計算的時間成本。下層控制器基于A-ECMS進行混合動力汽車隊列的能量管理。在上層代碼中嵌入簡化的混合動力汽車模型,依據(jù)可測量的變量和Autonomie后處理文件,建立了驅動和回收效率模型并實時反饋至上層控制器進行下一時刻的車速優(yōu)化。研究了基于預測信息的網(wǎng)聯(lián)四驅混合動力汽車能量優(yōu)化管理控制方法。首先描述了基于規(guī)則的四驅混合動力汽車控制策略,然后在基于規(guī)則控制策略的基礎上,設計了基于ECMS的控制策略。根據(jù)四驅混合動力汽車預測車速,進行了基于預測信息的等效因子全局優(yōu)化以及分段優(yōu)化,并基于預測信息,采用DP算法進行了四驅混合動力汽車隊列能量管理的全局優(yōu)化。研究了集成垂向振動的混合動力汽車燃油經(jīng)濟性控制。利用懸架系統(tǒng)狀態(tài)與車速和位置均相關的特點,將整車縱向動力學與懸架系統(tǒng)垂向動力學有機結合起來�；谥悄芫W(wǎng)聯(lián)環(huán)境下獲取的混合動力汽車車速及位置信息及SPAT信息,建立綜合優(yōu)化燃油經(jīng)濟性、交通流暢性、跟車距離、垂向舒適性以及縱向舒適性的MPC模型,在保障基于智能網(wǎng)聯(lián)基本特性及不犧牲最優(yōu)燃油經(jīng)濟性的前提下,提高混合動力汽車隊列的垂向振動舒適性。為降低計算求解的時間成本,采用F-MPC進行最優(yōu)目標車速的快速優(yōu)化。
【學位單位】：合肥工業(yè)大學
【學位級別】：博士
【學位年份】：2018
【中圖分類】：U469.7;U463.6
【部分圖文】：

義內(nèi)汽車的保有量和產(chǎn)銷量正迅猛增長，由此、環(huán)境污染、汽車行駛安全及駕駛舒適性等 18 年里，以發(fā)展中國家為主要推動力的汽車量增加了 10 倍以上[4]。截止到 2017 年底，中銷量冠軍[5,6]。盡管我國已經(jīng)成為名副其實的遠遠低于發(fā)達國家同期水平，甚至低于世界平有達到飽和狀態(tài)，其他主要發(fā)展中國家也呈現(xiàn)如圖 1.1 所示[9]，各主要國家汽車銷量及走勢濟的持續(xù)增長，消費者購買力的逐漸增強，汽，世界汽車保有量已經(jīng)突破 12 億輛大關，并日益嚴重，節(jié)能、高效、環(huán)保、安全及舒適成

車市場遠遠沒有達到飽和狀態(tài)，其他主要發(fā)展中國家也呈現(xiàn)出類似的態(tài)勢汽車銷量走勢如圖 1.1 所示[9]，各主要國家汽車銷量及走勢如圖 1.2 所示發(fā)展中國家經(jīng)濟的持續(xù)增長，消費者購買力的逐漸增強，汽車產(chǎn)銷量還有升空間。目前，世界汽車保有量已經(jīng)突破 12 億輛大關，并呈現(xiàn)出增長導致的問題將日益嚴重，節(jié)能、高效、環(huán)保、安全及舒適成為當今汽車工主題[11-14]。圖 1.1 全球汽車銷量（×106）及走勢Fig 1.1 Worldwide vehicle sales （×106）and its trends

問題（如圖 1.3 所示）已經(jīng)成為城市交通系統(tǒng)中最為突出的問題[22-24]。為此，美國交通部智能交通署率先提出了智能交通和智能網(wǎng)聯(lián)的概念，受到世界范圍內(nèi)的廣泛關注，并被應用于車輛的燃油經(jīng)濟性控制、安全及交通流暢性控制等領域[25]。在智能網(wǎng)聯(lián)環(huán)境下，可通過車-車（vehicle to vehicle，V2V）通信獲取相鄰車輛之間的位置和車速信息，通過車與交通設施（vehicletoinfrastructure，V2I）通信獲取路側單元信息（如交通信號燈信息等），因而實現(xiàn)車與車，車與交通設施的互聯(lián)。據(jù)美國交通部報道，應用車聯(lián)網(wǎng)技術可以減少 79%的交通事故，減少交通擁堵造成的 872 億美元的損失，節(jié)省 42 億小時的車輛怠速時間以及節(jié)省 28 億加侖的燃油消耗[26-28]。相比于當前交通系統(tǒng)中 走走停停 的車輛行駛模式，采用車聯(lián)網(wǎng)技術，可以大幅度的增加交通流暢性，因而節(jié)省行駛時間，降低燃油消耗，并減少溫室氣體的排放[29,30]。可以預見的是，基于智能網(wǎng)聯(lián)技術，可以使得交通系統(tǒng)中的車輛協(xié)同工作，甚至實現(xiàn)無駕駛員干預的全自動化運行，進而提高車輛隊列的燃油經(jīng)濟性節(jié)省車輛單位距離的行駛時間并提高車輛隊列的安全性[31,32]。為此，車輛智能化、網(wǎng)聯(lián)化也是汽車工業(yè)發(fā)展的必然趨勢[33]。
【參考文獻】

相關期刊論文 前10條

1 錢立軍;邱利宏;辛付龍;;插電式四驅混合動力汽車控制策略設計及優(yōu)化[J];西南交通大學學報;2015年06期

2 錢立軍;邱利宏;辛付龍;陳朋;王金波;;插電式四驅混合動力汽車能量管理控制策略及其優(yōu)化[J];農(nóng)業(yè)工程學報;2015年13期

3 錢立軍;邱利宏;陳朋;;基于模糊PID扭矩識別的混合動力汽車優(yōu)化控制[J];中國機械工程;2015年13期

4 邱利宏;錢立軍;程偉;;插電式四驅混合動力轎車控制策略研究[J];汽車工程學報;2015年01期

5 錢立軍;邱利宏;辛付龍;胡偉龍;;基于模糊扭矩識別的混合動力汽車控制策略[J];科學技術與工程;2014年35期

6 孟凡博;黃開勝;曾祥瑞;張堯;;基于馬爾可夫鏈的混合動力汽車模型預測控制[J];中國機械工程;2014年19期

7 錢立軍;邱利宏;辛付龍;胡偉龍;;插電式四驅混合動力汽車能量管理與轉矩協(xié)調(diào)控制策略[J];農(nóng)業(yè)工程學報;2014年19期

8 隗寒冰;秦大同;陳淑江;;重度混合動力汽車油耗和排放的多目標隨機最優(yōu)控制策略[J];汽車工程;2014年08期

9 邱利宏;錢立軍;程偉;王振國;;插電式串聯(lián)混合動力汽車參數(shù)匹配及控制策略研究[J];汽車工程學報;2014年04期

10 秦大同;彭志遠;劉永剛;段志輝;楊陽;;基于工況識別的混合動力汽車動態(tài)能量管理策略[J];中國機械工程;2014年11期

相關博士學位論文 前5條

1 王光平;并聯(lián)插電式混合動力汽車控制技術研究[D];吉林大學;2016年

2 詹森;基于工況與駕駛風格識別的混合動力汽車能量管理策略研究[D];重慶大學;2016年

3 孫超;混合動力汽車預測能量管理研究[D];北京理工大學;2016年

4 孫揚;無人駕駛車輛智能水平的定量評價[D];北京理工大學;2014年

5 吳迪;ISG混合動力汽車能量優(yōu)化管理策略研究[D];合肥工業(yè)大學;2013年

相關碩士學位論文 前8條

1 司遠;四驅混合動力汽車能量管理優(yōu)化策略研究[D];合肥工業(yè)大學;2017年

2 楊猛;同軸并聯(lián)HEV模式切換過程動力傳動轉矩協(xié)調(diào)控制研究[D];北京交通大學;2017年

3 羅少華;基于工況識別的混聯(lián)式混合動力汽車能量管理策略研究[D];重慶大學;2016年

4 李安邦;混合動力汽車自適應控制策略研究[D];大連理工大學;2016年

5 林椿松;混合動力汽車能量管理多目標優(yōu)化研究[D];重慶交通大學;2016年

6 趙敏敏;四輪驅動混合動力汽車建模與仿真研究[D];北京交通大學;2016年

7 崔佳超;無人駕駛智能車在動態(tài)環(huán)境中的避障方法[D];西安工業(yè)大學;2015年

8 俞倩雯;基于車聯(lián)網(wǎng)的汽車行駛經(jīng)濟車速控制方法[D];清華大學;2014年

本文編號：2889715