基于分支定界优化的重型卡车模型预测生态驾驶控制
系统与控制
2023-09-19 v2 系统与控制
摘要
生态驾驶（ED）可用于现有车辆的燃油节约，仅需少量硬件改装。为使该技术在动态环境中取得成功，ED 需要一种可在线实时实现的策略。本工作中，提出了一种专用的分支定界（BnB）模型预测控制（MPC）算法，用于求解 ED 最优控制问题的优化部分。所开发的 ED 的 MPC 方案基于以下要素。作为预测模型，速度随距离变化的动力学由有限个驾驶模式和挡位建模。随后我们构建一个优化问题，最小化一个包含两项代价的成本函数：一项惩罚燃油消耗，一项惩罚行程时长。我们利用上下文要素并采用热启动解，使 BnB 求解器能够实时运行。结果在以色列和法国的两条路线以及车辆能耗计算工具（VECTO）的长途循环的数值仿真中得到评估。与人工驾驶员和庞特里亚金最小值原理（PMP）解相比，平均分别实现了 25.8% 和 12.9% 的燃油节约。
引用
@article{arxiv.2206.02447,
title = {Model predictive eco-driving control for heavy-duty trucks using Branch and Bound optimization},
author = {B. Wingelaar and G. R. Gonçalves da Silva and M. Lazar},
journal= {arXiv preprint arXiv:2206.02447},
year = {2023}
}