基于驾驶员预测模型改善插电式混合动力汽车的燃油经济性

基于驾驶员预测模型改善插电式混合动力汽车的燃油经济性

对于插电式混合动力汽车（PHEV），为了保证其电池、电机等电子电气部件的使用寿命，需要限制动力总成的温度，这就需要一个动力总成恒温控制器。动力总成恒温控制器的使用将消耗燃油，使汽车的燃油经济性下降。对此，建立了一个驾驶员预测模型，用来降低动力总成恒温控制器的燃油消耗，从而改善汽车的燃油经济性。

基于驾驶员预测模型，在汽车前方160m长的路段上确定驾驶员可能进行的操作。通过对驾驶员行驶路线和加减速操作的确定，提前制定控制策略，同时实现制动能量回收，从而改善汽车的燃油经济性。所建立的驾驶员预测模型是一个简单的PID控制器，控制器上采用实时预测驾驶控制策略，该策略能够与其它汽车控制策略共享一些机器学习特征，共同学习驾驶员的行为，以预测驾驶员意图。预测驾驶员意图的过程可以分为两步，每步都有相应的预测算法。第1步是预测驾驶员将要去哪里以及可能采用的行驶路线，称为路线预测。第2步是预测驾驶员在预测路线上行驶车速的变化，称为速度预测。进行路线预测时，采用隐形马尔科夫模型；而进行速度预测时，采用回归树模型。此外，所建立的驾驶员预测模型可提供4种不同的驾驶行为：在限制车速内但加速较快的驾驶员行为、在限制车速内但加速较慢的驾驶员行为、超过限制车速且加速较快的驾驶员行为、超过限制车速且加速较慢的驾 驶 员 行 为 。 利 用 Matlab/ Simulink对驾驶员预测模型的性能进行验证。验证时，设定限制车速为30～120km/h，并采用基于GPS模型建立的城市模型作为汽车的行驶环境，计算不同驾驶员行为对应的能源消耗。试验结果表明，与不使用驾驶员预测模型的动力总成恒温控制器相比，使用4种驾驶员行为预测模型所消耗的燃油平均减少了8.4%，而电能消耗增加了5.5%。

Brian Magnuson et al.SAE 2016-01-1248.

编译：张振伟