[论文解读] Hybrid Optimal Theory and Predictive Control for Power Management in Hybrid Electric Vehicle

Kasemsak Uthaichana, Raymond A. DeCarlo+3 more|arXiv (Cornell University)|Apr 2, 2018

Electric and Hybrid Vehicle Technologies参考文献 37被引用 10

一句话总结

本文提出了一种混合最优控制与非线性模型预测控制（NMPC）框架，用于并联式混合动力电动汽车（PHEVs）的次优动力管理。通过将PHEV建模为双模切换系统，并构建一个惩罚燃油消耗、跟踪误差、摩擦力和SOC偏差的性能指标，作者将原始的非凸最优控制问题嵌入到一个凸问题中，利用直接配点法与序列二次规划求解，并在多种驾驶循环中展示了出色的跟踪性能与燃油效率，同时保持了SOC的可持续性。

ABSTRACT

This paper presents a nonlinear-model based hybrid optimal control technique to compute a suboptimal power-split strategy for power/energy management in a parallel hybrid electric vehicle (PHEV). The power-split strategy is obtained as model predictive control solution to the power management control problem (PMCP) of the PHEV, i.e., to decide upon the power distribution among the internal combustion engine, an electric drive, and other subsystems. A hierarchical control structure of the hybrid vehicle, i.e., supervisory level and local or subsystem level is assumed in this study. The PMCP consists of a dynamical nonlinear model, and a performance index, both of which are formulated for power flows at the supervisory level. The model is described as a bi-modal switched system, consistent with the operating mode of the electric ED. The performance index prescribing the desired behavior penalizes vehicle tracking errors, fuel consumption, and frictional losses, as well as sustaining the battery state of charge (SOC). The power-split strategy is obtained by first creating the embedded optimal control problem (EOCP) from the original bi-modal switched system model with the performance index. Direct collocation is applied to transform the problem into a nonlinear programming problem. A nonlinear predictive control technique (NMPC) in conjunction with a sequential quadratic programming solver is used to compute suboptimal numerical solutions to the PMCP. Methods for approximating the numerical solution to the EOCP with trajectories of the original bi-modal PHEV are also presented in this paper. The usefulness of the approach is illustrated via simulation results on several case studies.

研究动机与目标

• 开发一种适用于并联式PHEVs的实时可实施动力管理策略，以平衡燃油效率、驾驶性能与电池荷电状态（SOC）约束。
• 通过将多模式PHEV控制问题建模为双模切换系统，降低原始问题的复杂性，同时不牺牲关键动态行为。
• 构建一个联合优化车辆跟踪、燃油消耗、摩擦损失与SOC调节的性能指标。
• 应用嵌入技术与直接配点法，将非凸最优控制问题转化为可解的非线性规划问题（NLP）。
• 通过在多种驾驶剖面（包括锯齿形、EPA高速公路与US06 FTP循环）上的仿真验证基于NMPC的策略。

提出的方法

• 在监控层将PHEV建模为双模切换系统，表示仅发动机运行与仅电机运行两种模式。
• 定义一个多目标性能指标，对车辆跟踪误差、燃油消耗、摩擦损失以及SOC与标称值的偏差进行惩罚。
• 应用文献[20]中的嵌入技术，将非凸切换最优控制问题转化为凸嵌入最优控制问题（EOCP）。
• 使用直接配点法将连续时间EOCP转化为有限维非线性规划问题（NLP）。
• 在预测窗口内使用序列二次规划（SQP）求解器求解生成的NLP，以生成次优控制输入。
• 采用滚动时域实现NMPC策略，在每个时间步基于实时反馈更新预测与控制动作。

实验结果

研究问题

• RQ1 双模切换系统模型能否准确表征PHEV的关键动力管理动态，从而在不损失控制保真度的前提下降低复杂性？
• RQ2 该嵌入技术在简化PHEV动力管理非凸最优控制问题方面效果如何？
• RQ3 在采用短预测窗口的NMPC中，能在多大程度上实现精确的车辆速度跟踪，同时维持SOC约束？
• RQ4 在EPA高速公路与US06 FTP等多样化驾驶循环中，所提策略的燃油效率与功率分配行为如何？
• RQ5 与基准策略相比，NMPC解在跟踪性能与能量管理方面表现如何？

主要发现

• NMPC策略在锯齿形、EPA高速公路与US06 FTP驾驶循环中均实现了接近完美的期望速度跟踪，跟踪误差极小。
• 在平坦EPA高速公路循环中，燃油效率平均达到32 mpg；在正弦坡度道路中下降至27.5 mpg，主要由于再生制动效率低下与摩擦损失。
• 在激进的US06 FTP循环中，燃油效率降至23 mpg，原因在于高瞬态功率需求，且发动机在电动与发电模式下均接近最大功率运行。
• 电池SOC成功维持在允许范围内，激进加速期间降至约45%，并在US06循环结束时回升至60%，这归因于SOC惩罚项的增加。
• NMPC策略表现出合理的模式切换行为，与速度变化保持一致，避免了不必要的切换，如模式与SOC曲线所示。
• 内燃机（ICE）在约40 kW时运行效率最高，功率-转速图上密集的数据点表明其处于最优工作区域，且在加速与减速过程中表现出迟滞特性。