期刊：Control Theory and Technology

点击封面查看期刊详情

万物互联作为汽车工程创新的一个新趋势，在提高能效和减少二氧化碳排放方面具有巨大的潜力，为混合动力汽车（HEV）动力系统控制提供了新的机遇和挑战。在实际驾驶情况下，驾驶环境中始终存在随机性和无法检测的事件，导致在优化HEV动力系统中的能源分配以实现最佳能效的过程中需要面对功率需求的不确定性。智能网联使利用车对车、车对基础设施和车对云等实时信息来提前预测功率需求成为可能。这种新的混合动力系统控制配置激发了对网联车辆优化的创新研究。本期专刊重点介绍网联HEV车载优化策略设计的最新发展、趋势和新技术。特别的是，专刊包含了第六届IFAC发动机和动力系统控制、仿真和建模会议（IFAC ECOSM 2021）中针对智能网联HEV实时能量管理优化挑战问题的数篇解决方案论文。

本期专刊分为三组，共11篇论文。希望能为智能网联HEV的动力系统控制和车辆运动控制领域的科研人员带来新的灵感。

第一组专注于 IFAC ECOSM 2021挑战问题的解决方案，共7篇论文。首先，F. Xu等人给出了相关挑战问题的说明，文中描述了挑战问题的详细信息，包括模拟器、挑战问题和评估标准。在X. Jiao等人的论文中，利用条件线性高斯算法预测前车的未来速度，并设计了基于动态规划（DP）的能量管理策略。B. Zhang等人提出了一种基于规则的控制器来保持安全驾驶；在HEV动力系统控优化制中，利用高斯过程回归来预测前车速度。J. Gao等人同样开发了一个分层能量管理优化框架，在下层优化中，利用等效燃油消耗最低策略（ECMS）来实现动力系统的扭矩分配控制。Y. Yamasaki等人设计了一种基于规则的控制器以实现自动驾驶车辆的速度控制；在HEV动力系统优化控制器设计中，将电机的电量消耗等效于油耗。S. Dong等人提出了基于模型预测控制（MPC）的速度规划算法，并获得了一个关于HEV动力系统控制的解析解。T. Namerikawa等人开发了一个用于减少NOx排放和提高燃油经济性的分层MPC框架。

   01.网联混合动力汽车实时能源优化挑战问题和基于滚动时域优化的解决方案

点击图片查看文章详情

对于具体网联功能的汽车，车辆可实时获取周边的一切信息(vehicle-to-everything, V2X)，如地理信息、与基础设施的交互信息(vehicle-to-infrastructure, V2I)和路上其他车辆的交互信息(vehicle-to-vehicle, V2V)。本文针对网联混合动力汽车能效优化控制难题，为挑战者设计了一个挑战问题。本挑战赛提供的模拟器包括一个具有高保真的混合动力汽车模型和一个通过商业交通模拟器建立的网联交通场景数据库。其中汽车行驶的路线是由现实中真实数据生成的。挑战者需要完成在满足驾驶安全和出行时间约束的前提下，利用交通信息实现混合动力汽车动力系统优化控制来达到燃油经济性的提升。为展示混合动力系统的特性，本文给出了一个结合速度规划和能量管理策略的实例分析。

   02.基于预测巡航控制的智能网联混合动力汽车实时能量管理策略

点击图片查看文章详情

本文针对智能网联环境下运行的混合动力汽车（HEV），提出了一种基于前车速度预测、本车速度规划和带PI修正的动态规划(DP)能量分配的实时能量优化控制策略，以提高智能网联HEV的燃油经济性。本文利用历史运行数据建立了基于条件线性高斯(CLG)模型的前车速度预测模型。根据预测的前车速度信息和实时交通灯状态信息，在遵守交通规则前提下规划本车安全经济的运行速度曲线。依据发动机实际运行状态设计带有PI矫正的能量管理策略，实时分配需求功率。本文基于E-COSM 2021搭建的网联环境下的混合动力汽车仿真系统，在MATLAB/Simulink与CarMaker联合仿真测试平台上验证了该控制策略的有效性。

   03.针对E-COSM挑战问题提出的基于预测的车载扭矩管理方法

点击图片查看文章详情

本文针对 E-COSM 2021 的挑战问题提出了一种能源管理策略，以提高混合动力电动汽车 (HEV) 在斜坡道路上的能源效率。本文假设目标HEV在车联网环境中驾驶，并且可以实时获得交通环境信息（包括地理信息、车对基础设施信息和车对车信息）。要解决的挑战问题是：在满足HEV动力系统约束、驾驶安全以及驾驶时间前提下，利用交通信息实现燃油经济性的提高。本文提出一种混合控制策略，包括多种规则和基于模型预测控制（MPC）能量管理策略。该策略的规则是根据外部环境信息设计，以确定驾驶模式并维持安全驾驶。为了提高燃油经济性，首先考虑了最优的能量管理策略，并在具有安全约束的互联环境中通过MPC优化实现实时的能量管理，实现该控制策略的关键问题是预测前车在目标范围内的动态变化。为验证所提出的优化策略，本文构建了车辆在闭环环境下的动力总成控制仿真平台，并对该仿真平台上的实例研究结果进行了报告和讨论。

   04.基于分层优化控制框架的网联混合动力汽车速度规划与能量管理

点击图片查看文章详情

智能网联技术的发展给混合动力汽车能量优化带来了机遇和挑战。为了实现网联环境下的跟车安全，同时降低车辆燃油消耗，本文提出了一种集成速度规划和实时能量分配的双层优化控制框架。首先，以功率分流式混合动力汽车为研究对象，建立了包括发动机、发电机、驱动电机、电池和车辆纵向动力学的数学模型。其次，在上层控制器中基于预览交通信息求解速度规划问题，将优化出的自车车速输入到下层控制器中。在满足车辆动力需求的前提下，下层控制器基于等效消耗最小策略实现不同能量源之间实时转矩优化。仿真结果表明，本文所提出的分层优化控制框架能够获得良好的跟车性能和提高车辆燃油经济性。

   05.基于V2X信息的混合动力汽车最小化燃油消耗转矩控制策略

点击图片查看文章详情

如今交通基础设施和车辆传感器为本车提供了大量的信息，使混合动力汽车（HEV）在现实世界中进一步降低油耗成为可能。本文提出了一种利用网联信息以油耗最优为目标的混合动力汽车动力系统控制策略。首先为了避免加速/减速导致不必要的油耗增加，利用交通信号、位置信息以及前车速度设计了自车的参考加速度。接下来，以实现参考加速度和最大限度地减少燃料消耗为目标，所设计的策略优化了动力系统中发动机、发电机和电机的参考扭矩。本文利用已知的等效系数，将发电机和电机的电力消耗转换为燃料消耗。通过在E-COSM 2021的仿真器的测试结果表明，动力系统在有效区域运行是降低总油耗的关键因素。

   06.网联自动驾驶混合动力汽车的实时预测节能控制

点击图片查看文章详情

本文针对网联自动驾驶混合动力汽车(HEV)提出了一种实时预测节能控制策略。考虑到整车速度优化和底层能量管理控制所带来的固有复杂性，在模型预测控制(MPC)框架中建立了一种可实时实现的分层控制体系结构。在上层控制器中，构建了一种新的速度优化问题，以实现安全高效的预测行驶，并通过高效的算法推导出实时控制序列。在下层控制器中，引入了发动机/电机转矩分配比和换挡规律的最优显式解，以跟踪从上层控制器得到的最优速度轨迹。仿真结果表明，与基准策略相比，本文提出的方法可节省约13%的油耗。

   07.基于分层模型预测控制的轻度混合动力汽车油耗与NO_x排放优化控制

点击图片查看文章详情

本文研究了基于分层模型预测控制的轻度混合动力汽车燃油经济性优化问题。本文主要研究了两个问题：一个是节能驾驶，另一个是动力链扭矩分配。在节能驾驶问题中，车速作为控制输入。为了减少燃料消耗和NO_x排放，通过上层规划的速度计算出驾驶员的需求扭矩。在转矩分配问题中，通过求解油耗最优问题得到发动机和电机之间的转矩分配。上述两个优化问题在时间尺度上是不同的，因此本文提出了分层模型预测控制策略。最后，通过数值模拟验证了本文所设计策略的有效性。

第二组包括两篇论文，分别关注乘用车的动力系统控制和重型卡车的制动控制。在W. Cao等人的工作中，为了提高燃油经济性，对发动机开/关场景进行了优化。K. Sekiguchi等人设计了基于卡尔曼滤波器的状态估计，并开发了一种基于随机MPC的制动控制，在TruckSim平台上验证了算法的有效性。

   08.车辆滑行阶段前预加速的节油减耗效果及其节油机理

点击图片查看文章详情

近年研究者们致力于提出多种新型节能策略以减少车辆的燃料消耗。其中一种节能策略就是节油滑行功能，即在不需要动力的情况下，停止内燃机(ICE)驱动车辆的喷油，解锁单向离合器，以使发动机脱离动力链，开始车辆滑行。本文针对具备节油滑行功能的车辆提出了一种降低车辆总燃料消耗的方法。首先，针对给定行驶距离、初末速度，且在到达终点前需要减速滑行的情况，我们定义了一个车辆油耗最小化问题。通过求解优化问题，得到了每个时刻最优的整车速度、发动机工况点和发动机开/关时间。本文通过解析分析和数值分析，验证了所得到的速度曲线的节油功能及节油机理。传统理念认为：为了削减油耗，当行驶距离足够长时车辆应先加速至最佳节能车速，然后匀速行驶，最终滑行至终点。本文发现，在匀速行驶阶段和滑行阶段之间添加一个预加速阶段有利于削减车辆燃料消耗，且此结论与车辆模型复杂程度无关。本文将这种包含预加速阶段的速度曲线应用于交通拥堵的驾驶场景。应用结果证实与保持最佳节能车速然后滑行至终点相比，在匀速阶段和滑行阶段之间加入一个预加速阶段有利于减少车辆行驶总燃料消耗。

   09.考虑不确定制动压力和路面条件的重型商用车的随机模型预测制动控制

点击图片查看文章详情

当重型商用车(HDCV)在进行紧急制动时，制动压力、路面剖面变化等不确定条件不可避免地会影响制动控制效果。本文提出了一种基于随机模型预测控制(SMPC)的优化控制策略，并利用Chebyshev-Cantelli不等式实现纵向和横向联合控制。本文所设计的控制策略对摩擦圆的概率不确定性影响具有鲁棒性。更具体地说，使用Chebyshev-Cantelli不等式抑制了不同于高斯分布的路面剖面影响，从而提高了制动鲁棒性和对统计干扰的控制性能。此外，本文利用卡尔曼滤波(KF)算法来预测干扰的期望和协方差，并将SMPC问题转化为带有机会约束的确定性MPC。最后，利用 MATLAB/Simulink 和 TruckSim 联合仿真平台验证了所设计算法的有效性。

第三组包括两篇关于驾驶员行为预测和车辆路径规划问题的论文。S. Kim等人的论文设计了一种在加速情景下基于人工神经网络的驾驶员特征估计器，并分别在燃油车和插电式混合动力汽车实验平台上验证了算法的有效性。Y. Wu等人在考虑地形坡度的情况下，解决了多服务客户条件电动汽车的能量输送最优的问题。

   10.基于人工神经网络的人类驾驶员特征建模与分析

点击图片查看文章详情

人类驾驶员存在着不同的特性，若已知人类驾驶员的特征，那么便可以对每个驾驶员的控制输入进行定制设计，以优化人机车辆系统。因此，如何定量地表征人类驾驶员是至关重要的。本文提出了一种估算人类驾驶员理论模型参数的方法。该方法采用人工神经网络(ANN)模型。首先，通过多个驾驶员和车辆的底盘测功机测试，确定人工神经网络驾驶员模型。随后，利用神经网络模型对相应的驾驶员得到理论驾驶员模型的参数。具体地，使用识别的人工神经网络模型在控制输入下模拟驾驶员的行为。最后，采用PID控制模型作为理论模型，并利用数值模拟结果估计了理论驾驶员模型参数。结果表明，PID驾驶员模型参数组合能够表征人类驾驶员的行为特性。

   11.结合道路坡度信息的带时间窗电动汽车路径问题的研究

点击图片查看文章详情

在新的温室气体排放立法的推动下，运营商开始使用电动汽车（EV）进行物流运输。本文解决了结合道路坡度信息的带有时间窗电动汽车路径问题 (EVRPTW)。电动汽车在不同道路坡度行驶的耗电量由电池充电状态 (SoC) 表示。我们的目标是在为一组客户在指定时间窗内提供服务的同时尽量减少总用电量。为了解决这个问题，我们提出一个道路坡度信息的简化模型，并将问题构建为一个混合整数线性规划模型。此外，我们提出了一种混合遗传算法（GA），将2-opt算法与 GA 相结合。在仿真结果中，通过与模拟退火（SA）算法和遗传算法在数据集上测试的比较，表明该方法的有效性且可以在短时间内提供更好的解决方案。

点击此处，进入期刊主页获取更多文章！