CN111231930A - 基于mpc的hev自适应巡航中多目标的能量管理方法 - Google Patents

基于mpc的hev自适应巡航中多目标的能量管理方法 Download PDF

Info

Publication number
CN111231930A
CN111231930A CN202010022703.XA CN202010022703A CN111231930A CN 111231930 A CN111231930 A CN 111231930A CN 202010022703 A CN202010022703 A CN 202010022703A CN 111231930 A CN111231930 A CN 111231930A
Authority
CN
China
Prior art keywords
engine
following
eng
mpc
vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010022703.XA
Other languages
English (en)
Other versions
CN111231930B (zh
Inventor
胡晓松
张小倩
唐小林
韩杰
李佳承
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN202010022703.XA priority Critical patent/CN111231930B/zh
Publication of CN111231930A publication Critical patent/CN111231930A/zh
Application granted granted Critical
Publication of CN111231930B publication Critical patent/CN111231930B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W20/00—Control systems specially adapted for hybrid vehicles
    • B60W20/10—Controlling the power contribution of each of the prime movers to meet required power demand
    • B60W20/11—Controlling the power contribution of each of the prime movers to meet required power demand using model predictive control [MPC] strategies, i.e. control methods based on models predicting performance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Control Of Vehicle Engines Or Engines For Specific Uses (AREA)

Abstract

本发明涉及一种基于MPC的HEV自适应巡航中多目标的能量管理方法，属于新能源汽车领域。该方法包含步骤为：S1：HEV跟车过程及动力传统系统建模，计算相应时刻整车的需求转矩，并考虑发动机排放模型；S2：考虑跟车过程中各综合性能要求，分别计算与跟车安全性、燃油经济性和排放性能对应的代价函数；S3：采用MPC算法，预测车辆未来时刻的需求转矩，由此算出预测域内总的代价函数；S4：根据S3中求得的总代价函数，最小化目标函数得到最优的转矩分配，使得发动机工作在高效率区域。本发明考虑了汽车在跟车过程中的安全性、燃油经济性和低排放性能，在缓解交通压力的同时，能够减少能源消耗，汽车排放物对环境的污染。

Description

基于MPC的HEV自适应巡航中多目标的能量管理方法
技术领域
本发明属于新能源汽车领域，涉及基于模型预测控制(Model PredictiveControl，MPC)的混合动力汽车HEV自适应巡航中多目标的能量管理方法。
背景技术
混合动力汽车(HEVs)比传统燃料动力汽车具有更低的能耗和更少的有害排放，这是由于可逆储能装置和电机提供了更多的自由度。在HEV中，能源管理策略(EMS)对燃油经济性有重要影响。EMS的设计和性能受到交通状况、未来交通信息、道路状况等外部因素的影响。
同时，研究人员正在大力研发智能网联车(CAVs)技术。通过车车通信(V2V)和车辆对基础设施通信(V2I)，这些技术使得车辆能够共享和交换当前交通状况的信息。基于CAV技术提供的有用信息，将EMS与自适应巡航控制(ACC)相结合，可以进一步提高燃油经济性和车辆性能。开发一个同时解决多目标控制问题的控制框架是非常重要的。然而，这对传统的启发式方法而言，优化多约束目标问题是一个巨大的挑战。
发明内容
有鉴于此，本发明的目的在于提供一种基于MPC的HEV自适应巡航中多目标的能量管理方法。本发明使用了MPC算法，充分利用基于V2V获得的交通信息来规划后车速度，从而提高跟车过程中的燃油经济性和减少排放，具体步骤如下：
为达到上述目的，本发明提供如下技术方案：
基于MPC的HEV自适应巡航中多目标的能量管理方法，该方法包含以下步骤：
S1：HEV跟车过程及动力传统系统建模，计算相应时刻整车的需求转矩，并考虑发动机排放模型；
S2：考虑跟车过程中各综合性能要求，分别计算与跟车安全性、燃油经济性和排放性能对应的代价函数；
S3：采用MPC算法，预测车辆未来时刻的需求转矩，由此算出预测域内总的代价函数；
S4：根据S3中求得的总代价函数，最小化目标函数得到最优的转矩分配，使得发动机工作在高效率区域。
可选的，所述步骤S1包括以下步骤：
S11：建立跟车模型，采样时间为0.1秒；
Figure BDA0002361366450000021
vf，k+1＝vf，k+af，k·Ts
其中，下标f代表后车，k表示时间，sf代表位置，vf代表速度，Ts是采样时间，af表示加速度；
整车的需求转矩计算如下：
Figure BDA0002361366450000022
其中，Td为k时刻车轮处的需求转矩；mv，为整车质量；g是重力加速度；f为滚动阻力系数；θ为道路坡度；ρ为空气密度；A表示迎风面积；CD为空气阻力系数；vf，k代表k时刻后车速度；af，k为k时刻后车加速度；rw为车轮半径；
S12：发动机排放模型按照下述方式建立：
Figure BDA0002361366450000023
其中，
Figure BDA0002361366450000024
和
Figure BDA0002361366450000025
分别代表发动机瞬时产生的HC，CO和NOx，单位为g/s；Peng为发动机功率[w]；Teng、ωeng分别代表发动机转矩和转速；f(Teng，ωeng)[g/kWh]是一个三维查表函数，即发动机排放速率取决于发动机的转速和转矩。
可选的，所述步骤S2包括以下步骤：
S21：计算最大最小跟车距离，最优跟车区间以及与跟车安全性相关的代价函数；
Figure BDA0002361366450000026
Figure BDA0002361366450000027
Figure BDA0002361366450000028
Figure BDA0002361366450000029
其中，Lmin和Lmax分别代表最小跟车距离和最大跟车距离；
Figure BDA00023613664500000210
和
Figure BDA00023613664500000211
分别代表最佳跟车距离区域的上下界限；
Figure BDA0002361366450000031
其中，Js(k)代表与跟车性能相关的代价函数；
S22：计算与燃油经济性相关的代价函数；
Jeco(k)＝mfc(k)+se·mem(k)
其中，mfc代表k时刻的燃油消耗；se为等效因子；se·mem表示电机等效为的燃油消耗；
S23：计算与排放性能相关的代价函数；
Figure BDA0002361366450000032
其中，mco、mHC和
Figure BDA0002361366450000033
分别代表k时刻发动机产生的CO、HC和NOx。
可选的，所述步骤S3包括以下步骤：
S31：计算跟车过程中的总的代价函数：
Jopt(k)＝Js(k)+λ·Jeco(k)+β·Iemis(k)
S32：根据MPC算法，计算预测域内的整车需求转矩：
Figure BDA0002361366450000034
Figure BDA0002361366450000035
其中，ωeng，min和ωeng，max是发动机的最小和最大转速，Teng，min和Teng，max是发动机的最小和最大转矩限制；ωem，min和ωem，max是电机的最小和最大转速，Tem，min和Tem，max是电机的最小和最大转矩，af，min和af，max是后车的最小和最大加速度；Lmin和Lmax代表最小和最大车间距；
S33：通过MPC求解结果，获得发动机-电机最优转矩分配。
本发明的有益效果在于：本发明所提出的多目标优化策略充分利用了MPC算法求解多目标多约束问题的特性，不仅可以保证跟车过程中的安全性，缓解交通压力；同时减少跟车过程中的能量消耗，并将污染物排放加入优化目标中，有效地控制了有害污染物的排放，减少对环境的破坏。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1是本发明整体的方法流程图；
图2是本发明适用的并联混合动力汽车的动力系统结构简图；
图3是跟车过程中多目标控制优化示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
本发明涉及了一种基于MPC的HEV自适应巡航过程中多目标优化的能量管理策略，参照图1～图3，具体包括以下步骤：
S11：建立跟车模型，采样时间为0.1秒；
Figure BDA0002361366450000051
vf，k+1＝vf，k+af，k·Ts
其中，下标f代表后车，k表示时间，sf代表位置，vf代表速度，Ts是采样时间，af表示加速度。
整车的需求转矩计算如下：
Figure BDA0002361366450000052
其中，Td为k时刻车轮处的需求转矩；mv为整车质量；g是重力加速度；f为滚动阻力系数；θ为道路坡度；ρ为空气密度；A表示迎风面积；CD为空气阻力系数；vf，k代表k时刻后车速度；af，k为k时刻后车加速度；rw为车轮半径。
S12：发动机排放模型按照下述方式建立：
Figure BDA0002361366450000053
其中，
Figure BDA0002361366450000054
和
Figure BDA0002361366450000055
分别代表发动机瞬时产生的HC，CO和NOx，单位为g/s；Peng为发动机功率[w]；Teng、ωeng分别代表发动机转矩和转速；f(Teng，ωeng)[g/kWh]是一个三维查表函数，即发动机排放速率取决于发动机的转速和转矩。
S21：计算最大最小跟车距离，最优跟车区间以及与跟车安全性相关的代价函数；
Figure BDA0002361366450000056
Figure BDA0002361366450000057
Figure BDA0002361366450000058
Figure BDA0002361366450000059
其中，Lmin和Lmax分别代表最小跟车距离和最大跟车距离；
Figure BDA0002361366450000061
和
Figure BDA0002361366450000062
分别代表最佳跟车距离区域的上下界限。
Figure BDA0002361366450000063
其中，Js(k)代表与跟车性能相关的代价函数。
S22：计算与燃油经济性相关的代价函数；
Jeco(k)＝mfc(k)+se·mem(k)
其中，mfc代表k时刻的燃油消耗；se为等效因子；se·mem表示电机等效为的燃油消耗。
S23：计算与排放性能相关的代价函数；
Figure BDA0002361366450000064
其中，mco、mHc和
Figure BDA0002361366450000065
分别代表k时刻发动机产生的CO、HC和NOx。
S31：计算跟车过程中的总的代价函数：
Jopt(k)＝Js(k)+λ·Jeco(k)+β·Jemis(k)
S32：根据MPC算法，计算预测域内的整车需求转矩：
Figure BDA0002361366450000066
Figure BDA0002361366450000067
其中，ωeng，min和ωeng，max是发动机的最小和最大转速，Teng，min和Teng，max是发动机的最小和最大转矩限制。ωem，min和ωem，max是电机的最小和最大转速，Tem，min和Tem，max是电机的最小和最大转矩，af，min和af，max是后车的最小和最大加速度；Lmin和Lmax代表最小和最大车间距。
S33：通过MPC求解结果，获得发动机-电机最优转矩分配。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.基于MPC的HEV自适应巡航中多目标的能量管理方法，其特征在于：该方法包含以下步骤：
S1：HEV跟车过程及动力传统系统建模，计算相应时刻整车的需求转矩，并考虑发动机排放模型；
S2：考虑跟车过程中各综合性能要求，分别计算与跟车安全性、燃油经济性和排放性能对应的代价函数；
S3：采用MPC算法，预测车辆未来时刻的需求转矩，由此算出预测域内总的代价函数；
S4：根据S3中求得的总代价函数，最小化目标函数得到最优的转矩分配，使得发动机工作在高效率区域。
2.根据权利要求1所述的基于MPC的HEV自适应巡航中多目标的能量管理方法，其特征在于：所述步骤S1包括以下步骤：
S11：建立跟车模型，采样时间为0.1秒；
Figure FDA0002361366440000015
vf，k+1＝vf，k+af，k·Ts
其中，下标f代表后车，k表示时间，sf代表位置，vf代表速度，Ts是采样时间，af表示加速度；
整车的需求转矩计算如下：
Figure FDA0002361366440000011
其中，Td为k时刻车轮处的需求转矩；mv为整车质量；g是重力加速度；f为滚动阻力系数；θ为道路坡度；ρ为空气密度；A表示迎风面积；CD为空气阻力系数；vf，k代表k时刻后车速度；af，k为k时刻后车加速度；rw为车轮半径；
S12：发动机排放模型按照下述方式建立：
Figure FDA0002361366440000012
其中，
Figure FDA0002361366440000013
和
Figure FDA0002361366440000014
分别代表发动机瞬时产生的HC，CO和NOx，单位为g/s；Peng为发动机功率[w]；Teng、ωeng分别代表发动机转矩和转速；f(Teng，ωeng)[g/kWh]是一个三维查表函数，即发动机排放速率取决于发动机的转速和转矩。
3.根据权利要求1所述的基于MPC的HEV自适应巡航中多目标的能量管理方法，其特征在于：所述步骤S2包括以下步骤：
S21：计算最大最小跟车距离，最优跟车区间以及与跟车安全性相关的代价函数；
Figure FDA0002361366440000021
Figure FDA0002361366440000022
Figure FDA0002361366440000023
Figure FDA0002361366440000024
其中，Lmin和Lmax分别代表最小跟车距离和最大跟车距离；
Figure FDA0002361366440000025
和
Figure FDA0002361366440000026
分别代表最佳跟车距离区域的上下界限；
Figure FDA0002361366440000027
其中，Js(k)代表与跟车性能相关的代价函数；
S22：计算与燃油经济性相关的代价函数；
Jeco(k)＝mfc(k)+se·mem(k)
其中，mfc代表k时刻的燃油消耗；se为等效因子；se·mem表示电机等效为的燃油消耗；
S23：计算与排放性能相关的代价函数；
Figure FDA0002361366440000028
其中，mCO、mHC和
Figure FDA0002361366440000029
分别代表k时刻发动机产生的CO、HC和NOx。
4.根据权利要求1所述的基于MPC的HEV自适应巡航中多目标的能量管理方法，其特征在于：所述步骤S3包括以下步骤：
S31：计算跟车过程中的总的代价函数：
Jopt(k)＝Js(k)+λ·Jeco(k)+β·Jemis(k)
S32：根据MPC算法，计算预测域内的整车需求转矩：
Figure FDA00023613664400000210
Figure FDA0002361366440000031
其中，ωeng，min和ωeng，max是发动机的最小和最大转速，Teng，min和Teng，max是发动机的最小和最大转矩限制；ωem，min和ωem，max是电机的最小和最大转速，Tem，min和Tem，max是电机的最小和最大转矩，ar，min和af，max是后车的最小和最大加速度；Lmin和Lmax代表最小和最大车间距；
S33：通过MPC求解结果，获得发动机-电机最优转矩分配。
CN202010022703.XA 2020-01-09 2020-01-09 基于mpc的hev自适应巡航中多目标的能量管理方法 Active CN111231930B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010022703.XA CN111231930B (zh) 2020-01-09 2020-01-09 基于mpc的hev自适应巡航中多目标的能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010022703.XA CN111231930B (zh) 2020-01-09 2020-01-09 基于mpc的hev自适应巡航中多目标的能量管理方法

Publications (2)

Publication Number Publication Date
CN111231930A true CN111231930A (zh) 2020-06-05
CN111231930B CN111231930B (zh) 2021-06-29

Family

ID=70875959

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010022703.XA Active CN111231930B (zh) 2020-01-09 2020-01-09 基于mpc的hev自适应巡航中多目标的能量管理方法

Country Status (1)

Country Link
CN (1) CN111231930B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111845701A (zh) * 2020-08-05 2020-10-30 重庆大学 一种跟车环境下基于深度强化学习的hev能量管理方法
CN112124298A (zh) * 2020-09-21 2020-12-25 吉林大学 一种基于快速求解算法的混合动力车辆跟车巡航能量管理方法
CN112721907A (zh) * 2021-01-28 2021-04-30 西安理工大学 一种考虑道路坡度的网联混合动力汽车高效能量管理方法
CN113561793A (zh) * 2021-08-02 2021-10-29 昆明理工大学 一种动态约束的智能燃料电池汽车能量管理策略
CN115424429A (zh) * 2022-08-30 2022-12-02 浙江绿色慧联有限公司 基于深度强化学习的eco-cacc控制方法及系统
WO2024187939A1 (zh) * 2023-03-14 2024-09-19 合众新能源汽车股份有限公司 混合动力汽车的能量管理方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103863318A (zh) * 2014-03-25 2014-06-18 河南理工大学 一种基于跟车模型的混合动力汽车节能预测控制方法
CN107577234A (zh) * 2017-09-21 2018-01-12 合肥工业大学 一种驾驶员在环的汽车燃油经济性控制方法
CN108313057A (zh) * 2018-04-09 2018-07-24 重庆大学 基于mpc和凸优化算法的纯电动汽车自适应巡航控制方法
CN109291925A (zh) * 2018-09-20 2019-02-01 厦门大学 一种节能型智能网联混合动力汽车跟车控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103863318A (zh) * 2014-03-25 2014-06-18 河南理工大学 一种基于跟车模型的混合动力汽车节能预测控制方法
CN107577234A (zh) * 2017-09-21 2018-01-12 合肥工业大学 一种驾驶员在环的汽车燃油经济性控制方法
CN108313057A (zh) * 2018-04-09 2018-07-24 重庆大学 基于mpc和凸优化算法的纯电动汽车自适应巡航控制方法
CN109291925A (zh) * 2018-09-20 2019-02-01 厦门大学 一种节能型智能网联混合动力汽车跟车控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡吉: "基于MPC算法的混合动力汽车自适应巡航控制研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111845701A (zh) * 2020-08-05 2020-10-30 重庆大学 一种跟车环境下基于深度强化学习的hev能量管理方法
CN111845701B (zh) * 2020-08-05 2021-03-30 重庆大学 一种跟车环境下基于深度强化学习的hev能量管理方法
CN112124298A (zh) * 2020-09-21 2020-12-25 吉林大学 一种基于快速求解算法的混合动力车辆跟车巡航能量管理方法
CN112124298B (zh) * 2020-09-21 2021-12-24 吉林大学 一种基于快速求解算法的混合动力车辆跟车巡航能量管理方法
CN112721907A (zh) * 2021-01-28 2021-04-30 西安理工大学 一种考虑道路坡度的网联混合动力汽车高效能量管理方法
CN113561793A (zh) * 2021-08-02 2021-10-29 昆明理工大学 一种动态约束的智能燃料电池汽车能量管理策略
CN113561793B (zh) * 2021-08-02 2023-09-08 昆明理工大学 一种动态约束的智能燃料电池汽车能量管理策略
CN115424429A (zh) * 2022-08-30 2022-12-02 浙江绿色慧联有限公司 基于深度强化学习的eco-cacc控制方法及系统
CN115424429B (zh) * 2022-08-30 2024-06-07 浙江绿色慧联有限公司 基于深度强化学习的eco-cacc控制方法及系统
WO2024187939A1 (zh) * 2023-03-14 2024-09-19 合众新能源汽车股份有限公司 混合动力汽车的能量管理方法和系统

Also Published As

Publication number Publication date
CN111231930B (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN111231930B (zh) 基于mpc的hev自适应巡航中多目标的能量管理方法
Hu et al. Model predictive control of hybrid electric vehicles for fuel economy, emission reductions, and inter-vehicle safety in car-following scenarios
CN107284441B (zh) 实时工况自适应的插电式混合动力汽车能量优化管理方法
Nie et al. Co-optimization of speed planning and energy management for intelligent fuel cell hybrid vehicle considering complex traffic conditions
Zhang et al. Vehicle power management: modeling, control and optimization
Chen et al. Energy management and driving strategy for in-wheel motor electric ground vehicles with terrain profile preview
CN109733378B (zh) 一种线下优化线上预测的转矩分配方法
CN109291925B (zh) 一种节能型智能网联混合动力汽车跟车控制方法
CN104249736B (zh) 基于队列行驶的混合动力汽车节能预测控制方法
CN105083276B (zh) 基于分散控制的混合动力汽车节能预测控制方法
CN106080579B (zh) 一种基于悬架振动能量回收的混合动力汽车整车控制方法
CN115158094A (zh) 基于长短期soc规划的插电式混合动力汽车能量管理方法
Ouddah et al. From offline to adaptive online energy management strategy of hybrid vehicle using Pontryagin’s minimum principle
Li et al. Research on car-following control and energy management strategy of hybrid electric vehicles in connected scene
Panday et al. Energy management strategy implementation for hybrid electric vehicles using genetic algorithm tuned Pontryagin’s minimum principle controller
CN114475366B (zh) 基于凸优化的燃料电池汽车节能驾驶方法及系统
Singh et al. Development of an adaptive neuro‐fuzzy inference system–based equivalent consumption minimisation strategy to improve fuel economy in hybrid electric vehicles
Tian et al. A pulse‐and‐glide‐driven adaptive cruise control system for electric vehicle
Ganji et al. Drive cycle analysis of the performance of hybrid electric vehicles
CN111976707B (zh) 基于凸优化考虑电机热状态的混合动力汽车能量管理方法
Uysal et al. Modelling and fuzzy logic based control scheme for a series hybrid electric vehicle
CN112124298A (zh) 一种基于快速求解算法的混合动力车辆跟车巡航能量管理方法
CN118295247A (zh) 基于pmp燃料电池汽车车速规划与能量管理的联合优化方法
Zhang et al. Parameter closed-loop optimization for pure electric vehicles: unified design of power system and control parameters
CN115179922B (zh) 一种多车道车联网红绿灯道路混合动力汽车能量管理方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20200605

Assignee: Zhaolong Intelligent Technology (Chongqing) Co.,Ltd.

Assignor: Chongqing University

Contract record no.: X2025980010248

Denomination of invention: Multi objective energy management method for adaptive cruise control of HEV based on MPC

Granted publication date: 20210629

License type: Common License

Record date: 20250620