基于駕駛員預測模型改善插電式混合動力汽車的燃油經(jīng)濟性

對于插電式混合動力汽車（PHEV），為了保證其電池、電機等電子電氣部件的使用壽命，需要限制動力總成的溫度，這就需要一個動力總成恒溫控制器。動力總成恒溫控制器的使用將消耗燃油，使汽車的燃油經(jīng)濟性下降。對此，建立了一個駕駛員預測模型，用來降低動力總成恒溫控制器的燃油消耗，從而改善汽車的燃油經(jīng)濟性。

基于駕駛員預測模型，在汽車前方160m長的路段上確定駕駛員可能進行的操作。通過對駕駛員行駛路線和加減速操作的確定，提前制定控制策略，同時實現(xiàn)制動能量回收，從而改善汽車的燃油經(jīng)濟性。所建立的駕駛員預測模型是一個簡單的PID控制器，控制器上采用實時預測駕駛控制策略，該策略能夠與其它汽車控制策略共享一些機器學習特征，共同學習駕駛員的行為，以預測駕駛員意圖。預測駕駛員意圖的過程可以分為兩步，每步都有相應的預測算法。第1步是預測駕駛員將要去哪里以及可能采用的行駛路線，稱為路線預測。第2步是預測駕駛員在預測路線上行駛車速的變化，稱為速度預測。進行路線預測時，采用隱形馬爾科夫模型；而進行速度預測時，采用回歸樹模型。此外，所建立的駕駛員預測模型可提供4種不同的駕駛行為：在限制車速內(nèi)但加速較快的駕駛員行為、在限制車速內(nèi)但加速較慢的駕駛員行為、超過限制車速且加速較快的駕駛員行為、超過限制車速且加速較慢的駕 駛 員 行 為 。 利 用 Matlab/ Simulink對駕駛員預測模型的性能進行驗證。驗證時，設定限制車速為30～120km/h，并采用基于GPS模型建立的城市模型作為汽車的行駛環(huán)境，計算不同駕駛員行為對應的能源消耗。試驗結果表明，與不使用駕駛員預測模型的動力總成恒溫控制器相比，使用4種駕駛員行為預測模型所消耗的燃油平均減少了8.4%，而電能消耗增加了5.5%。

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

編譯：張振偉