楊慧榮

關(guān)鍵詞：自動(dòng)駕駛汽車；動(dòng)力總成；多智能體；集成控制

中圖分類號(hào)：U469.7；TP18 文獻(xiàn)標(biāo)識(shí)碼：A

0引言

動(dòng)力總成控制系統(tǒng)屬于自動(dòng)駕駛汽車的一項(xiàng)核心組成部分，能夠在滿足駕駛性能需求的前提下，調(diào)控發(fā)動(dòng)機(jī)和電機(jī)／電池組獲得更優(yōu)動(dòng)力輸出效果?，F(xiàn)階段，自動(dòng)駕駛汽車（AV）所采用的動(dòng)力總成控制方案包括基于優(yōu)化與規(guī)則兩種形式。通過結(jié)合優(yōu)化算法和人工智能技術(shù)的方式，可以實(shí)現(xiàn)瞬時(shí)優(yōu)化與全局調(diào)控的效果，還可以進(jìn)一步提升人工智能的智能程度與高度的實(shí)時(shí)控制效果，這也成為AV動(dòng)力總成控制的關(guān)鍵方式與重點(diǎn)研究?jī)?nèi)容。吳劍等根據(jù)等效油耗最低原理進(jìn)行離線仿真測(cè)試獲得AV能量瞬時(shí)最優(yōu)集，再以此組成訓(xùn)練樣本訓(xùn)練反向傳播神經(jīng)網(wǎng)絡(luò)，從而確定神經(jīng)網(wǎng)絡(luò)能量管理方案，能夠有效復(fù)現(xiàn)等效油耗控制效果，同時(shí)增強(qiáng)算法實(shí)時(shí)性。

多智能體系統(tǒng)（MAS）屬于分布式人工智能分支，可以通過單個(gè)智能體控制方式與MAS交互、協(xié)調(diào)的方式實(shí)現(xiàn)復(fù)雜問題的求解分析。當(dāng)前，多智能體已被應(yīng)用于眾多領(lǐng)域，在智能設(shè)計(jì)、充電調(diào)節(jié)、數(shù)據(jù)分析與融合、城市路網(wǎng)規(guī)劃等領(lǐng)域都起到了重要作用，在條件優(yōu)化、子系統(tǒng)協(xié)同等方面也具有顯著優(yōu)勢(shì)。但以多智能體和優(yōu)化算法相結(jié)合的方式來研究AV動(dòng)力總成控制策略的內(nèi)容較少。

本文通過構(gòu)建等效燃油消耗模型，設(shè)計(jì)了一種AV動(dòng)力總成多智能體集成控制方案，加入電輔助控制方式作為對(duì)比，對(duì)各工況條件下的車輛動(dòng)力控制性能、排放量與油耗進(jìn)行分析。

1 MAS體系結(jié)構(gòu)

采用并聯(lián)AV結(jié)構(gòu)作為研究車型，其中，發(fā)動(dòng)機(jī)和控制單元（ECU）、控制單元（MCU）與蓄電池控制系統(tǒng)（BMS）都保持獨(dú)立的物理結(jié)構(gòu)。為AV動(dòng)力總成建立MAS系統(tǒng)，如圖1所示，可以看到組成AV動(dòng)力系統(tǒng)的MAS系統(tǒng)，系統(tǒng)層中存在系統(tǒng)Agent，通過動(dòng)力總成任務(wù)的分解與算法優(yōu)化過程實(shí)現(xiàn)動(dòng)力初步響應(yīng)控制，由此建立Agent信息交互與協(xié)作關(guān)系；發(fā)動(dòng)機(jī)與ECU、電機(jī)與MCU以及蓄電池與BMS都位于執(zhí)行層，實(shí)現(xiàn)工況數(shù)據(jù)的采集，并完成部件Agent動(dòng)力指令。

2 MAS集成控制策略

MAS集成控制策略是一種根據(jù)工作效率與運(yùn)行工況對(duì)初級(jí)動(dòng)力請(qǐng)求進(jìn)行響應(yīng)的過程，其通過部件Agent來實(shí)現(xiàn)，跟其余部件Agent之間進(jìn)行交互協(xié)調(diào)獲得動(dòng)力響應(yīng)控制指令。圖2為MAS集成控制策略控制流程。

要求油耗與排放指標(biāo)滿足當(dāng)前國際排放標(biāo)準(zhǔn)，電池目標(biāo)效率則根據(jù)蓄電池充放電曲線確定。隨著蓄電池荷電狀態(tài)（state of charge，SOC）值提高，充電效率呈現(xiàn)持續(xù)降低的趨勢(shì)，但放電效率發(fā)生了相反的變化。當(dāng)SOC介于0.4～0.6時(shí)，可以獲得較高充放電效率，為獲得更優(yōu)的協(xié)調(diào)性能，需要在提升充放電效率的同時(shí)，降低能量損耗程度。此時(shí)需要盡量保障電池運(yùn)行于中間SOC階段，根據(jù)以上分析結(jié)果可以將電池目標(biāo)效率設(shè)定在0.95，得到表1中各性能參數(shù)。

3控制策略仿真分析

3.1整車仿真模型

整車仿真測(cè)試得到的相關(guān)參數(shù)如表2所示。把MAS集成控制策略加入ADVISOR整車模型中，得到的結(jié)果如圖3所示。所有部件Agent都跟動(dòng)力部件進(jìn)行連接，利用MAS集成控制策略獲得最優(yōu)發(fā)動(dòng)機(jī)輸出參數(shù)與電機(jī)轉(zhuǎn)矩，同時(shí)控制蓄電池達(dá)到最優(yōu)輸出功率，再將結(jié)果傳輸至執(zhí)行部件控制單元中，由此實(shí)現(xiàn)AV動(dòng)力總成分配與集成控制的過程。

3.2工作效率仿真分析

進(jìn)行新歐洲駕駛周期（new European driving cycle，NEDC）仿真時(shí)，依次對(duì)MAS集成控制與電輔助控制下的發(fā)動(dòng)機(jī)與電動(dòng)機(jī)效率開展仿真測(cè)試，由此判斷不同控制方案的性能差異。圖4和圖5分別給出了在MAS集成控制下和在電輔助控制下的發(fā)動(dòng)機(jī)與電機(jī)效率測(cè)試結(jié)果。

由圖4可以看出，采用MAS集成控制策略時(shí)，發(fā)動(dòng)機(jī)運(yùn)行于效率區(qū)間[0.04，0.14]內(nèi)；采用電輔助控制策略時(shí)，發(fā)動(dòng)機(jī)運(yùn)行于效率區(qū)間[0.04，0.17]內(nèi)。相較于電輔助控制，MAS集成控制策略的發(fā)動(dòng)機(jī)運(yùn)行效率更為穩(wěn)定，尤其是300～800 s內(nèi)呈現(xiàn)更規(guī)律的分布狀態(tài)，判斷此時(shí)電動(dòng)機(jī)已經(jīng)達(dá)到了穩(wěn)定的工況狀態(tài)。如圖5所示，MAS集成控制和電輔助控制對(duì)電機(jī)效率的影響差異不明顯，MAS集成控制表現(xiàn)出稍微規(guī)律的分布狀態(tài)。從總體上對(duì)比發(fā)現(xiàn)，綜合發(fā)動(dòng)機(jī)和電機(jī)效率控制精度方面，最大值從0.17控制到0.14，MAS集成控制相對(duì)電輔助控制在效率精度控制方面有所提高。

4結(jié)論

本文開展自動(dòng)駕駛汽車動(dòng)力總成MAS集成控制及工作效率分析，取得如下結(jié)果。

（1） MAS集成控制和電輔助控制電動(dòng)機(jī)都形成了相近的工作點(diǎn)分布特點(diǎn)，800 s已經(jīng)達(dá)到了穩(wěn)定的工況。

（2）MAS集成控制發(fā)動(dòng)機(jī)運(yùn)行效率在區(qū)間