基于局部速度规划的无人履带车能量管理策略
系统与控制
2021-07-06 v1 系统与控制
摘要
混合电系统因其优异的动力性与经济性，在无人履带车方面具有良好的应用潜力。由于无人履带车无传统驾驶装置且行驶工况不确定，给常规能量管理策略带来新挑战。本文提出一种基于局部速度规划的无人履带车新型能量管理策略。贡献有三：首先，采用局部速度规划算法作为行驶工况预测的输入，以避免传统车辆对驾驶员操作的依赖；其次，提出一种基于卷积神经网络与长短期记忆（CNN-LSTM）的预测模型，用于处理规划速度与历史速度序列以提升预测精度；最后，基于预测结果，利用模型预测控制算法实现能量管理的实时优化。利用我方无人履带车实际野外实验采集数据仿真验证了方法的有效性。与多步神经网络相比，基于 CNN-LSTM 的预测模型将预测精度提升 20%。与传统规则能量管理策略相比，基于模型预测控制的能量管理策略降低油耗 7%。
引用
@article{arxiv.2107.01762,
title = {Energy Management Strategy for Unmanned Tracked Vehicles Based on Local Speed Planning},
author = {Tianxing Sun and Shaohang Xu and Zirui Li and Yingqi Tan and Huiyan Chen},
journal= {arXiv preprint arXiv:2107.01762},
year = {2021}
}