[论文解读] Reducing Detailed Vehicle Energy Dynamics to Physics-Like Models

Nour Khoudari, Sulaiman Almatrudi+7 more|arXiv (Cornell University)|Oct 10, 2023

Vehicle emissions and performance被引用 7

一句话总结

本文提出了一套系统化的模型降阶流程，将来自Autonomie的高保真车辆能量模型转化为快速、开源、类物理的简化模型，适用于交通流优化和实时仿真。通过利用虚拟底盘测功机数据和多项式拟合，该方法生成结构简单、适合优化的模型，能够在六种车辆类别中以极低计算成本准确复现Autonomie的能量预测结果。

ABSTRACT

The energy demand of vehicles, particularly in unsteady drive cycles, is affected by complex dynamics internal to the engine and other powertrain components. Yet, in many applications, particularly macroscopic traffic flow modeling and optimization, structurally simple approximations to the complex vehicle dynamics are needed that nevertheless reproduce the correct effective energy behavior. This work presents a systematic model reduction pipeline that starts from complex vehicle models based on the Autonomie software and derives a hierarchy of simplified models that are fast to evaluate, easy to disseminate in open-source frameworks, and compatible with optimization frameworks. The pipeline, based on a virtual chassis dynamometer and subsequent approximation strategies, is reproducible and is applied to six different vehicle classes to produce concrete explicit energy models that represent an average vehicle in each class and leverage the accuracy and validation work of the Autonomie software.

研究动机与目标

• 解决宏观交通流研究中高保真车辆能量模型的计算与结构复杂性问题。
• 通过简化模型结构并消除换挡过程中的非凸性，使准确且经过验证的车辆能量模型能够应用于优化与控制框架。
• 创建开放、可复现且计算快速的能量模型，代表六类不同车辆类别中的典型车辆。
• 弥合详细车辆仿真工具与大规模交通能耗优化中所用简化模型之间的差距。
• 通过生成平滑、类凸的能量函数，确保与实时应用和优化求解器的兼容性。

提出的方法

• 该流程始于在Autonomie中生成的高保真车辆模型，涵盖从轻型到重型车辆的代表性车辆类别。
• 使用虚拟底盘测功机在多种驾驶循环下模拟车辆响应，提取不同车速、加速度和道路坡度输入下的瞬时油耗率和功率数据。
• 基于测功机数据，构建半原理性模型，作为插值后的油耗率和功率值的三维数组，保持物理一致性。
• 通过多项式拟合进一步近似这些半原理性模型，生成油耗率和功率的显式、封闭形式数学表达式。
• 将简化模型实现为开源MATLAB文件，接受车速、加速度和道路坡度作为输入，输出油耗率、功率和可行性标志。
• 通过投影标志选项，实现在输入超出物理极限时的可行外推，提升在优化场景中的鲁棒性。

实验结果

研究问题

• RQ1 高保真车辆能量模型能否被系统性地降阶为简化、开源且适合优化的形式，同时保持高精度？
• RQ2 简化后的多项式模型在多种驾驶循环和车辆类别下，能否准确复现详细Autonomie模型的能量行为？
• RQ3 简化模型在多大程度上平均化了非凸行为（例如由换挡引起的非凸性），从而提升在优化框架中的性能？
• RQ4 该模型降阶流程能否在多个车辆类别中推广，同时保持保真度和计算效率？
• RQ5 用显式解析表达式替代复杂仿真工具时，模型简洁性与精度之间的权衡如何？

主要发现

• 简化模型在EPA和UNECE驾驶循环下，对Autonomie的真实能量预测具有高度准确性，偏差极小。
• 模型计算效率高，仅需瞬时车速、加速度和道路坡度作为输入，即可实现实时评估。
• 该流程成功消除了由换挡引起的局部非凸性，使模型适用于基于梯度的优化框架。
• 最终模型为开源形式，以MATLAB文件形式提供，确保可复现性，并便于在科研与应用中广泛传播。
• 该框架在六类不同车辆类别中得到验证，包括紧凑型轿车、SUV、皮卡和重型拖拉机，展现出广泛的适用性。
• 半原理性模型以三维插值数组形式提供，而最终的简化模型则以显式多项式函数形式表达，便于集成。