首页|基于序列二次规划算法的插电式混合动力汽车模型预测控制策略

基于序列二次规划算法的插电式混合动力汽车模型预测控制策略

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为提升插电式混合动力汽车(PHEV)的车速预测精度和燃油经济性,提出基于序列二次规划(SQP)算法的模型预测控制能量管理策略.以卷积神经网络(CNN)构建的车速预测模型为基础,选取三类典型历史工况数据作为CNN车速预测模型的训练集,使用鲸鱼优化算法(WOA)优化CNN参数,通过优化的WOA-CNN模型预测未来时域内的车速;采用SQP算法对模型预测控制策略进行求解,且与基于规则的电量消耗和电量保持(CD-CS)策略和基于全局优化的动态规划(DP)策略的控制结果进行对比分析,验证所提策略的有效性.结果表明:通过WOA-CNN模型可提高车速预测精度,为 4.88%～8.39%;与DP控制策略相比,本文提出策略的燃油消耗量高出 1.98%,但计算时间减少了 74.32%,能量管理的实时性得到大幅提升;与CD-CS控制策略相比,提出策略的节油率为 20.37%.综合考虑,本文提出策略的整车能量消耗和计算成本较优,可合理实现对PHEV转矩分配的智能控制.
Predictive Control Strategy of PHEV Model Based on Sequential Quadratic Programming Algorithm

energy management strategymodel predictive controlconvolutional neural networkwhale optimization algorithmsequential quadratic programminghybrid electric vehicle

张代庆、俞聪、牛礼民、汪恒、张义奇

展开 >

安徽工业大学 机械工程学院,安徽 马鞍山 243032

能量管理策略 模型预测控制 卷积神经网络 鲸鱼优化算法 序列二次规划 混合动力汽车

先进数控和伺服驱动技术安徽省高等学校重点实验室开放基金安徽工程大学电力驱动与控制安徽省重点实验室开放基金安徽省大学生创新创业训练计划

XJSK202104DQKJ202204S202110360259

2023

10.12415/j.issn.1671-7872.22264

安徽工业大学学报(自然科学版)
安徽工业大学

安徽工业大学学报(自然科学版)

影响因子：0.428
ISSN：1671-7872
年,卷(期)：2023.40(3)
  • 17