关键词：能量管理策略;模型预测控制;卷积神经网络;鲸鱼优化算法;序列二次规划;混合动力汽车
摘 要：为提升插电式混合动力汽车(PHEV)的车速预测精度和燃油经济性，提出基于序列二次规划(SQP)算法的模型预测控制能量管理策略。以卷积神经网络(CNN)构建的车速预测模型为基础，选取三类典型历史工况数据作为CNN车速预测模型的训练集，使用鲸鱼优化算法(WOA)优化CNN参数，通过优化的WOA-CNN模型预测未来时域内的车速；采用SQP算法对模型预测控制策略进行求解，且与基于规则的电量消耗和电量保持(CD-CS)策略和基于全局优化的动态规划(DP)策略的控制结果进行对比分析，验证所提策略的有效性。结果表明：通过WOA-CNN模型可提高车速预测精度，为4.88%～8.39%；与DP控制策略相比，本文提出策略的燃油消耗量高出1.98%，但计算时间减少了74.32%，能量管理的实时性得到大幅提升；与CDCS控制策略相比，提出策略的节油率为20.37%。综合考虑，本文提出策略的整车能量消耗和计算成本较优，可合理实现对PHEV转矩分配的智能控制。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取