面向混合动力汽车能量管理并含驾驶模式决策的基于学习的模型预测控制
系统与控制
2023-01-04 v1 系统与控制
摘要
本文提出了一种基于模型预测控制的、可在线运行的并联混合动力汽车能量管理系统控制器。其任务是通过计算驾驶员功率需求在动力总成的电动部分与燃烧部分之间的分配，并选择取决于车辆离合器状态的驾驶模式，从而在预测行驶任务中最小化车辆的燃油消耗。在模型预测控制结构中纳入离合器状态并非易事，因为这会使底层优化问题变为混合整数规划。利用庞特里亚金极小值原理和简化车辆模型，可以证明存在一个依赖于行驶循环的关键功率需求 Pcrit，它唯一地划分出最优驾驶模式。基于该结果，提出了一种学习算法，用于在车辆运行过程中确定 Pcrit。该学习算法被纳入多级控制器结构中，并借助两条真实行驶任务详细分析了所得多级基于学习的模型预测控制器的工作原理。与动态规划所得解的对比表明，所提控制器达到了接近最优的性能。
引用
@article{arxiv.2301.01205,
title = {Learning-Based Model Predictive Control for the Energy Management of Hybrid Electric Vehicles Including Driving Mode Decisions},
author = {David Theodor Machacek and Stijn van Dooren and Thomas Huber and Christopher Onder},
journal= {arXiv preprint arXiv:2301.01205},
year = {2023}
}