智能混合动力汽车动力控制II：实时能量智能管理

智能混合动力汽车动力控制II：实时能量智能管理

基于智能混合动力汽车动力控制I提出的机器学习算法框架（ML_EMO_HEV），将其用于混合动力汽车的实车能量优化管理之中。基于ML_EMO_HEV提出了3种智能能量控制系统：①IEC_HEV_SISE；② IEC_HEV_ MISE；③IEC_HEV_MIME。3种智能能量管理系统能够将发动机功率和电池组的荷电量（SOC）很好地结合在一起，使得整个循环工况中汽车的行驶状态不仅能够满足驾驶员的需求，还能在满足系统的限制和发动机、电机、蓄电池、发电机等运行条件下使油耗量最小。

将3种智能能量管理系统应用到仿真软件PAST中的福特Escape模型，并对其进行性能分析。根据PAST中所提供的10组测试循环工况得到的仿真结果与模型默认控制器的仿真结果进行对比，同时也对3种智能控制器进行对比。仿真结果得出：基于道路类型和交通拥堵情况优化算法的最优能量管理策略对汽车能量控制是非常有效的，可以明显地减少能量消耗。相比于模型默认的控制器而言，良好的智能能量管理系统在10个循环周期中可以减少3%～20%的燃油消耗。3种智能能量管理系统中表现最好的控制器类型是IEC_HEV_MISE，在10个循环工况中约减少能源消耗5%～19%。提出的基于机器学习（神经网络）算法的混合动力汽车实时智能能量管理系统可以在满足行驶要求的前提下有效地管理能量，减少燃油消耗。

刊名：IEEE Transactions on Vehicular Technology（英）

刊期：2013年第1期

作者：Yi Lu Murphey et al

编译：刘晓莹