混合动力汽车动态规划能量管理与离散化研究

"该文档是上海交通大学李卫民博士的博士学位论文，研究混合动力汽车的控制系统和能量管理策略。论文主要围绕并联混合动力汽车，探讨了动态规划、随机动态规划和神经元动态规划在能量管理中的应用，并通过实验建模和仿真进行了策略性能对比。" 混合动力汽车是一种结合传统内燃机和电动机技术的车辆，旨在降低油耗和排放，提高能源效率。在控制系统的层面上，其能量管理是关键，因为它决定了汽车如何在发动机和电池之间有效地分配动力。 动态规划(Dynamic Programming, DP)是一种优化方法，常用于解决多阶段决策问题，如混合动力汽车的能量管理。DP策略基于Bellman原理，通过将全局优化问题分解为一系列子问题，寻找从当前状态到最终状态的最优路径。在HEV能量管理中，状态空间（如电池状态、电机速度等）和行为空间（如发动机扭矩、档位选择）需要离散化，以便在有限的格点上计算最优控制策略。状态转移方程（如4.12和4.13）描述了系统从一个状态转移到另一个状态的代价，而最优控制律（如4.14）给出了每个时刻应采取的行动。 在实际应用中，由于未来驾驶条件的不确定性，实时实现动态规划策略面临挑战。然而，它提供的最优解决方案可以作为评估其他实时可行策略的基准。论文中，作者设计了基于动态规划的能量管理策略，同时考虑到随机因素的影响，提出了随机动态规划和神经网络动态规划策略，以适应不同驾驶条件和环境变化。 在仿真和实验研究中，作者利用MATLAB/Simulink构建了HEV的前向仿真模型，通过Stateflow设计了多工作模式切换的能量管理策略。这一策略允许在不同工况下灵活地切换控制模式，确保了系统的稳定性和效率。基于高性能DSP芯片TMS320F2812的整车控制器实现，为复杂算法的执行提供了硬件支持，并经过实车测试验证了其性能和功能。 这篇论文深入研究了混合动力汽车的控制系统设计和能量管理策略，通过动态规划方法及其变体，为提高HEV的燃油经济性和减少排放提供了理论基础和实践方法。