智能混合動力汽車動力控制II：實時能量智能管理

智能混合動力汽車動力控制II：實時能量智能管理

基于智能混合動力汽車動力控制I提出的機器學習算法框架（ML_EMO_HEV），將其用于混合動力汽車的實車能量優化管理之中。基于ML_EMO_HEV提出了3種智能能量控制系統：①IEC_HEV_SISE；② IEC_HEV_ MISE；③IEC_HEV_MIME。3種智能能量管理系統能夠將發動機功率和電池組的荷電量（SOC）很好地結合在一起，使得整個循環工況中汽車的行駛狀態不僅能夠滿足駕駛員的需求，還能在滿足系統的限制和發動機、電機、蓄電池、發電機等運行條件下使油耗量最小。

將3種智能能量管理系統應用到仿真軟件PAST中的福特Escape模型，并對其進行性能分析。根據PAST中所提供的10組測試循環工況得到的仿真結果與模型默認控制器的仿真結果進行對比，同時也對3種智能控制器進行對比。仿真結果得出：基于道路類型和交通擁堵情況優化算法的最優能量管理策略對汽車能量控制是非常有效的，可以明顯地減少能量消耗。相比于模型默認的控制器而言，良好的智能能量管理系統在10個循環周期中可以減少3%～20%的燃油消耗。3種智能能量管理系統中表現最好的控制器類型是IEC_HEV_MISE，在10個循環工況中約減少能源消耗5%～19%。提出的基于機器學習（神經網絡）算法的混合動力汽車實時智能能量管理系統可以在滿足行駛要求的前提下有效地管理能量，減少燃油消耗。

刊名：IEEE Transactions on Vehicular Technology（英）

刊期：2013年第1期

作者：Yi Lu Murphey et al

編譯：劉曉瑩