85、汽车加速事件中的预测控制以提高燃油经济性

汽车加速事件中的预测控制以提高燃油经济性

1. 概念

交通运输部门已成为温室气体排放的主要贡献者，2021 年占美国碳排放的 36%。政府和行业各级制定了众多减排目标，未来几十年将逐步实施，这需要快速减少交通运输排放，进而降低交通运输的燃油消耗。短期内，提高燃烧动力车辆的燃油效率可减少其排放，燃油效率通常用燃油经济性（FE）来衡量。常见提高 FE 的技术包括发动机尺寸优化、先进发动机控制、减少摩擦/质量/阻力以及动力系统电气化。

我们聚焦于基于控制的 FE 改进技术——最优能量管理策略（Optimal EMS）。在理想预测和执行条件下，该策略理论上可为混合动力电动汽车（HEV）提高高达 30%的 FE。

Optimal EMS 是将最优控制应用于车辆动力系统运行，目标是最小化燃油消耗（即最大化 FE）。其计算依赖于对车辆未来状态的预测，这些预测信息可通过车辆传感器收集、与其他车辆和基础设施通信获取，或基于历史驾驶数据学习得到。该技术最初由 Lin 等人提出，他们使用动态规划（DP）为混合动力电动卡车推导了全局最优控制。此后，研究人员探索了随机鲁棒策略和快速计算策略，旨在推动该技术商业化，但由于实时预测和计算最优控制策略的计算成本较高，尚未实现商业化。

我们提出并测试了一种实现 Optimal EMS 的新方法。不使用实时计算的非全局最优 EMS（如随机动态规划、等效消耗最小化策略或启发式方法），而是提前使用 DP 计算全局最优 EMS。这实际上是将不可行的处理能力需求转化为潜在可行的内存需求，提高了商业实施的可行性。此外，我们将策略针对一类驾驶事件——加速事件（AE），即车辆从一个速度（通常为零）加速到另一个速度的过程。选择 AE 是因为它们比一般驾驶更容易预