网联环境下基于分层式模型预测控制的车队能量控制策略研究

网联环境下如何同时兼顾车间协同控制与车辆燃油经济性是提高交通效率与发挥节能潜力的关键技术之一。首先,为解决车队协同控制,同时减少车辆燃油消耗,以功率分流式混合动力汽车车队为研究对象,以城市道路为背景,建立多车速度规划与跟驰模型,基于该模型设计了模型预测控制(Model predictive control,MPC)算法,规划汽车队列的未来车速,以提高混合动力汽车车队的跟车稳定性;其次,利用分层式模型预测控制设计出一种实时能量管理策略,上层从优化速度及频繁加减速等为目标获取最优经济车速,下层控制系统根据该最优车速对混合动力汽车实施能量管理;最后该实时能量管理策略在保证跟车稳定的前提下,优化车辆燃油经济性;将该算法与动态规划(Dynamic programming,DP)进行结果对比。结果表明,该方法能够实现整个车队的协同跟车控制,获得较好的燃油经济性。     

基于自适应遗传算法的循环工况整车参数优化

针对传统遗传算法空间搜索速度慢,交叉和变异率选定依赖经验且无法得到真实最优解的缺点,提出了一种改进的自适应遗传算法。以机械式传动系统为例,建立了循环工况的整车传动系统参数化优化模型,并把优化前传统遗传算法、自适应遗传算法和改进自适应遗传算法进行对比分析。结果表明,改进自适应遗传算法搜索速度最快,优化结果最理想;与自适应遗传算法对比,改进的自适应遗传算法中的六循环工况油耗降低了0.18%,最高车速提高了0.8%,连续换挡加速时间降低了5.02%。这些结果表明,改进的自适应遗传算法结果可靠且有效。