摘要
基于规则的插电式混合动力系统能量管理策略难以实现全局最优,全局优化策略则存在未来功率需求难以获取及无法实时求解等问题.预测能量管理策略通过对未来一段时间内车辆功率需求进行预测,进而在预测时段内采用全局优化算法,从而在保证算法实时性的同时取得接近全局优化的控制效果.车速预测算法是预测能量管理策略的核心和关键,采用适应能力强、计算速度快的径向基神经网络对车辆功率需求进行预测,以提高车速预测的准确性.以P2构型插电式混合动力系统为研究对象,将模型预测控制与动态规划结合,以发动机油耗最小为优化目标对车速预测时域内最优发动机转矩序列进行求解.建立系统仿真模型,对基于规则的能量管理策略和预测能量管理策略进行对比.结果表明:与基于规则的策略相比,在8个NEDC工况下,基于径向基神经网络的预测能量管理策略能耗降低13.8％.
基金项目
国家自然科学基金(51305475)
重庆市教委科学技术研究项目(KJQN201801143)
重庆市自然科学基金面上项目(cstc2019jcyj-msxmX0308)
重庆理工大学车辆学院科研支撑项目(CL2019-16)
国家科技期刊平台
NSTL
万方数据