摘要: 随着信息网络技术的飞速发展，万物互联时代正在到来，5G等信息技术的发展也为传统汽车向智能网联汽车转型升级提供了技术保障。随着车辆与外界信息交换技术的不断突破，也让车辆开始拥有自主最优决策能力。同时智能网联混合动力汽车可有效减少能源消... 展开 随着信息网络技术的飞速发展，万物互联时代正在到来，5G等信息技术的发展也为传统汽车向智能网联汽车转型升级提供了技术保障。随着车辆与外界信息交换技术的不断突破，也让车辆开始拥有自主最优决策能力。同时智能网联混合动力汽车可有效减少能源消耗与环境污染，对实现碳达峰、碳中和的“双碳战略”具有重要意义。为此，亟需开发一套满足车、路、云、网协同的实时能量控制策略，确保车辆实现最优经济性驾驶。本文基于车辆与外界的信息交换技术(Vehicle to Everything，V2X)，研究了插电式混合动力汽车在网联跟车场景下动态交通中的最优能量控制策略问题。本文的动态交通设定为:网联场景中前车可能受到其他车辆引起的交通堵塞、停滞等红灯等情况的影响，且信号灯的时序信息(Signal Phase and Timing，SPaT)并不是全路程都知晓，对于拥有车辆对建筑的信息交换技术(Vehicle to Infrastructure，V2I)的目标车辆来说，其信息传递只能接受临近的2处信号灯的时序信息。具体研究内容如下: 首先，分析了目标车辆的动力系统模型，使用功率分流式行星排结构作为动力耦合装置，分析了其与传统串、并联构型的差异。在行星排传动结构建模中考虑了转动惯量因素，利用后向建模仿真方法，建立模型公式。并建立了网联路况的交通信息模型。 其次，对于网联车辆而言，其速度规划也是非常重要的一个方面。针对网联跟车场景下对前车的速度预测，提出了径向基神经网络速度预测、高斯过程速度预测和基于加速度序列的速度预测方法，并进行了比较分析。对比结果显示，加速度序列的速度预测具有更高的预测精度，更加适用于来预测前车穿过临近信号灯处的时间点，为网联跟车场景下的目标车辆的速度优化提供信息支持。 再次，针对于网联车辆的能量管理策略问题，使用了基于模型预测控制方法(Model Predictive Control，MPC)的庞特里亚金最小值原理(Pontryagin''s Minimum Principle，PMP)来实时求解，并与动态规划(Dynamic Programming，DP)方法进行比较研究。现有的PMP算法中的参考电池荷电状态(State of Charge，SOC)曲线常采取等距离分配的策略，没有考虑有无坡度下的SOC的最佳变化问题，本文提出了基于贝叶斯优化(Bayesian)的参考SOC曲线规划方法，与等距离分配策略相比，其结果更加贴合基于DP方法下SOC曲线，燃油经济性更佳。 最后，在网联跟车场景中，综合考虑了跟车通行效率、跟车安全性和燃油经济性等多目标来规划目标车辆的速度曲线，分析了其速度规划算法中不同最优恒定速度的设定对总燃油消耗的影响。并使用贝叶斯优化的PMP+MPC方法来求解能量管理策略，并进行仿真结果分析。 收起