基于优化控制的电动赛车人在回路能量与热管理
最优化与控制
2026-03-05 v1
摘要
本文提出了一种用于电动赛车的能量与热管理系统，其中我们实时为驾驶员调整松油门信号，以遵守能量预算和热约束。首先，我们在实时可解的求解时间内计算全局最优状态轨迹，在 2.5 秒内优化 47 公里的预测范围。接下来，为了与人类驾驶员安全操作，我们在全油门区域（直道）将其简化为最大功率或滑行操作。因此，车辆应开始滑行的位置和最优油门图均需调整。为此，我们利用最优解中动能的协状态轨迹阈值来定义滑行区段。我们设计了一种可在线实现的二分算法来调整该阈值，并使用 PI 反馈进行自适应。最后，我们针对一辆电动耐力赛车验证了所提出的方法，并比较了具有不同实现挑战的三个变体：一个在线重新优化并更新动能协状态轨迹，一个仅在线应用二分算法，一个完全依赖反馈控制。我们的结果表明，在典型的赛车干扰下，与具有干扰先验知识的离线优化相比，我们的能量管理可以实现比慢 0.056\% 到 0.22\% 的停站时间，为车载实现和测试铺平了道路。
引用
@article{arxiv.2412.15379,
title = {Human-in-the-loop Energy and Thermal Management for Electric Racing Cars through Optimization-based Control},
author = {Erik van den Eshof and Jorn van Kampen and Mauro Salazar},
journal= {arXiv preprint arXiv:2412.15379},
year = {2026}
}
备注
7 pages, 8 figures. This paper is submitted to the European Control Conference 2025