【混动车】基于模型预测控制MPC与动态规划DP在全混合动力自动驾驶汽车中燃油消耗最小化的比较附Matlab代码和报告
✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、算法改进、程序设计科研仿真。
🍎完整代码获取 定制创新 论文复现私信
🍊个人信条：做科研，博学之、审问之、慎思之、明辨之、笃行之，是为：博学慎思，明辨笃行。
🔥 内容介绍
如今，向电动汽车转型已成为全球范围内的普遍趋势。其主要目标是减少二氧化碳排放；就汽车行业而言，这一目标可通过减少传统汽油车的使用数量、同时增加电动车型的比例来实现。然而，可供选择的技术方案众多：从广义上讲（不考虑具体架构），可区分出轻度混合动力车、全混合动力车、插电式混合动力车和纯电动车。在广泛的混合动力车型中，关键点在于驱动车辆所需的扭矩由传统内燃机和电动机（分别称为ICE和EM）共同提供。这种扭矩分配策略通过充分发挥两种动力源的优势，实现了能耗最小化：• 在高速行驶时，车辆需要大量动力，而内燃机凭借其高效运行特性能更好地满足需求，且其使用还能延长电池寿命；• 在低速行驶及频繁启停的交通场景下，电动机效率极高。此外，该方案避免了使用可能因不完全燃烧而导致能量损耗更大的内燃机。本报告重点研究一款全混合动力电动汽车，这类车辆无法像插电式混合动力车那样直接从外部能源充电，因此电池必须尽可能通过内燃机或再生制动进行充电。这意味着扭矩分配在决定车辆油耗方面起着主导作用，必须将其降至最低。本研究采用2013款福特嘉年华混合动力车型的真实数据，包括内燃机与电动机的效率曲线图。鉴于已有文献表明，在几乎所有驾驶条件下，混合动力系统相较于纯内燃机车辆能实现更低的油耗和更少的排放，本研究旨在开发一种可在实时（即行驶过程中）应用的方法，以高效确定最优扭矩分配系数。本文提出两种解决方案：动态规划（DP）方法和基于模型预测控制（MPC）的方法。DP可提供离线优化方案作为基准，而MPC则能实现在线因果决策。为公平比较这两种方法，假设车辆具备自动驾驶能力并支持轨迹规划；规划层（尤其是全局规划层）的存在使得预测能力得以充分发挥，从而支持MPC策略的实施。两种方案均基于标准驾驶循环生成（例如……）。包括 WLTC）以及我们自行设计的随机模型。完整的混合动力车辆模型及其所有组成部分将在第3节中详细介绍；第4节将概述待解决的总体优化问题；第5节阐述如何运用动态规划与模型预测控制（MPC）方法解决该问题，特别是如何实现在线实时计算；最后第6节将介绍求解器配置方案及 MATLAB 仿真结果。
问题建模 并联混合动力电动汽车的数学模型（其工作逻辑如图1所示）借鉴自[3]和[4]的研究成果。该模型以驾驶循环提供的参考速度作为输入参数，输出所需的燃油质量流量及电池荷电状态。因此，整车及其各部件的建模旨在根据本研究的最终目标，清晰呈现各组件间的能量流动关系。基于这一原理构建模型时，图1中所示的各项量均代表所需参数——例如Pb表示供给电池的功率而非电池实际输出功率。这种建模方法被称为“反向建模”。与传统的“正向建模”相比，其主要区别在于：车辆速度是预先设定的（与驾驶员操作无关），即v等于vref（即特定驾驶循环规定的参考速度）。简而言之，通过固定输出量和状态变量（效应），从而反向推导出作用力（原因）。两种方法得出的方程完全一致，但总功率值存在差异：反向建模中速度与参考速度完全匹配，而正向建模中速度则受驾驶员行为模型影响。下文将简要概述各组成部分的模型及其相应假设，最后将完整列出计算中使用的所有方程。有关符号说明，请参见第2节。
⛳️ 运行结果
🔗 参考文献
[1] Shun Chen, Guodong Fan, Yansong Wang, Boru Zhou, Siyi Ye, Yisheng Liu, Bangjun Guo, Chong Zhu,and Xi Zhang. The impact of intermittent overcharging on battery capacity and reliability: Electrochemicalperformance analysis and failure prediction.
[2] Lorenzo M. Fagiano. Numerical optimization for control. Lecture Notes, 9 2024.
[3] L. Guzzella. Vehicle Propulsion Systems: Introduction to Modeling and Optimization. Springer, 2 edition,6 2007.
[4] Sergio Savaresi. Automation and control of electrical and hybrid vehicles. Lecture Notes, 2 2024