环境污染和能源匮乏是目前汽车工业面临的两大难题，发展节能与新能源汽车技术是实现可持续交通系统的有效途径之一。国务院2015 年5 月发布的《中国制造2025 》中明确提出，发展智能网联汽车、节能与新能源汽车是今后汽车产业的重点方向。节能与新能源汽车根据采用的动力源不同主要分为纯电动汽车、燃料电池电动汽车、混合动力汽车、氢能源动力汽车等。

作为节能与新能源汽车的重要组成部分，混合动力汽车是一个非线性、多变量、时变的复杂系统。它通常具有两种以上动力源，通过多种能量源的特性互补，可以实现整车系统性能的改善和提高。能量管理策略是混合动力汽车领域研究的热点和难点，是混合动力汽车的核心技术，其直接决定了整车的燃油经济性、动力性及驾驶性等，对于提升整车经济性和效率具有十分重要的意义。能量管理的主要任务是在满足驾驶员需求功率前提下，实现对动力源功率或转矩的优化分配，使整车性能最佳。已有文献中所提出的不同控制策略均为实现某个或多个最优目标，主要包括：燃油经济性最优、排放最低、系统的成本最低、整车性能最佳等。

目前，在混合动力汽车能量管理策略领域，已有一些综述文章对能量管理策略进行了分类并对比不同算法的优缺点。近年来基于模型预测控制(Model predictive control, MPC) 的能量管理策略受到了广泛关注。然而，针对混合动力汽车模型预测能量管理的文献综述较少。HUANG 等首次对基于MPC 的能量管理策略进行了较为详细的综述，从驾驶员行为状态预测方法和动力学模型方面进行了分类，并探讨了影响预测控制性能的因素。但是，随着近两年新思路和新方法的不断涌现，基于MPC 的能量管理方法呈现蓬勃发展。

因此，研究人员张风奇、胡晓松、许康辉、唐小林和崔亚辉在《机械工程学报》2019年第10期发表了《混合动力汽车模型预测能量管理研究现状与展望》一文，该文作为当期的封面文章引起了广泛关注。他们对最近几年所提出的模型预测能量管理策略的研究成果进行全面系统的收集和整理。与 HUANG 等不同，这几位研究人员对 MPC 能量管理策略采用不同的分类方式，围绕 MPC 能量管理策略实现要素，主要从预测信息获取方式、 MPC 求解方法及 MPC 改进方法三个层次进行介绍。另外，重点阐述 MPC 的求解和改进方法，指出影响 MPC 控制策略的各种因素，并从不同角度呈现 MPC 能量管理的未来研究方向。与此同时，他们总结和分析了此前研究者们中并未涉及的一些重要的新思路和创新的预测控制方案，对先进混合动力汽车能量管理控制器的设计具有启发和参考意义。

混合动力汽车能量管理策略类型

展望 MPC控制方法优势明显，可以有效处理多变量约束，克服受控系统的不确定性、时变等因素的影响，具有良好的鲁棒性和稳定性。但是基于MPC的混合动力汽车能量管理策略仍存在诸多不足。如何从全局信息物理系统的角度，充分融合动力总成特性、先进控制方法、人工智能算法，设计出更为先进的能量管理策略是当前新能源汽车领域所面临的严峻挑战。本节从六个重要方面对MPC能量管理策略的未来研究方向进行展望，旨在鼓励和启发研究者提出更多创新性的技术思路和方案，进一步推动混合动力汽车的发展与应用。
(1) 考虑不同因素耦合影响的多目标优化。目前，MPC能量管理策略主要考虑车辆系统的动力需求，未考虑辅助系统(如空调、液压助力转向系统、电动座椅加热等)的动力需求，这些系统也需要相应的动力，同时车辆的负载不同，相同速度下的动力需求也不尽相同。此外，电池的老化也会影响能源效率和燃油经济性。另一方面，驾驶性、排放性亦不可忽视。多种性能指标相互影响、相互制约，必然引入更多的约束条件，这对于MPC的求解是一个挑战。因此，如何综合考虑这些因素实施多目标优化，同时保证算法的实时性以提高系统综合性能是一个技术难点。
(2) 考虑动力源瞬态响应特性的多时间尺度MPC能量管理。混合动力汽车能量管理策略通常属于慢系统控制，作为上层算法决策发动机、电机转矩等。而 发动机、电机转矩响应较快 ，属于瞬 态控制。目前，传统MPC能量管理算法大多针对燃油经济性进行优化，较少考虑动力传动系统瞬态特性对整车性能的影响，属于单一尺度优化。然而，采用该方法并不能充分保证整车动力性和驾驶性。因此，如何建立较为精确的动力源瞬态响应模型，有效协调长时域油耗优化与短时域动态响应特性，实施多时间尺度优化，提升燃油经济性和驾驶性是未来的研究方向之一。
(3) 考虑驾驶员风格的自适应MPC能量管理。尽管传统MPC能量管理算法已经取得了瞩目的成果，但实际行驶工况中由于驾驶员行为的不确定性、多样性，极大地增加了MPC控制参数的调节难度。研究人员多数依靠经验或试验确定参数，鲁棒性较差，难以适应工况的变化。预测时域长度、目标函数权重因子等均会影响能量管理的优化效果。若预测时间太长，计算量会过大；若预测时间过短，则计算量减小，但控制结果则为次优。因此，如何引入驾驶员风格辨识以在线调节MPC的控制参数，适应工况的变化，提高算法的工况适应性和实时性是一个关键技术问题。
(4) 智能网联环境下的MPC能量管理。实现MPC控制策略的前提是对车辆状态的预测，因而建立精准的工况预测模型是关键。随着智能交通系统、智能网联技术等高科技手段的迅速发展，结合大数据信息，利用先进的传感器、GPS，获取更丰富的数据信息，同时在车辆行驶过程中考虑更多的外部环境(如：天气)、交通信息(如：交通拥堵)，前方车辆状态等多源信息，使工况预测结果更为准确是一个重要的研究方向。另一方面，目前针对单一车辆能量管理的研究较多，对多运载体的全局能量管理策略研究相对较少。在智能网联环境下，人-车-路之间相互影响会越来越明显，车辆安全性、燃油经济性、驾驶性、舒适性等性能指标之间的协同越发重要。因此，如何综合考虑多车耦合影响、多源异构特性，实施MPC能量管理协同智能优化，提升路面运载体系的综合性能、经济性、安全性及能量效率是未来的研究重点。
(5) 考虑不确定性约束和目标函数的随机模型预测控制(Stochastic MPC, SMPC)能量管理。SMPC是用于解决含有随机性约束和目标函数的MPC控制问题，考虑外部随机干扰，提升控制器的鲁棒性。由于驾驶环境和行驶工况的动态变化，系统的约束条件(如：驾驶风格)是随机变化的，尤其对于复杂的非线性系统，如何有效描述随机约束并实现实时优化控制是一个挑战。尽管高斯混合模型和蒙特卡洛方法可以用于描述随机变量，但计算量较大，在线应用较困难。此外，插电式混合动力汽车(PHEV)进行充电时，充电接入时间、车辆由家出发时间、充电需求能量及家庭需求电量受多种因素影响，具有不确定性。如何描述这些约束的随机性，降低约束处理的保守性，运用SMPC实现随机约束下PHEV、智能家居及可再生能源充电集成能量管理至关重要。因此，如何考虑动态工况下随机性约束和目标函数实施MPC能量管理策略，以提升MPC的动态工况适应性和实时性，是一个具有前景的研究方向。
(6) 基于学习的模型预测控制能量管理(Learning based MPC, LBMPC)。基于学习的模型预测控制是将MPC与机器学习算法相融合，以数据驱动方式提升MPC控制器的性能，目前还没有文献涉及基于学习算法的MPC混合动力汽车能量管理。传统的MPC主要是基于系统参数不变的模型，难以保证MPC对随机驾驶状况的鲁棒性和自适应性。车辆系统模型通常是时变的，如一些工程车辆或混合动力客车、公交车的质量随时间变化，电池寿命随时间变化等。因而，开发基于学习算法的新型模型预测控制，运用机器学习算法在线学习，自适应调节模型参数，动态更新系统模型，以捕捉控制对象随时间变化的动态特性，更好地应用MPC解决能量管理问题，提高MPC控制器的鲁棒性和稳定性。另外，随着车联网与大数据技术的不断发展，利用人-车-路互动的海量数据，可以更好地表征混合动力汽车能量管理所需的外部随机预测信息，连续或周期性地改进SMPC能量管理控制器的性能与可靠性，实现SMPC与LBMPC的协同增效。这对一些具有重复性工作特点的车辆尤为有用，因为通过不断融合消化实测数据，可以对一些关键随机量，如驾驶风格、车速、交通信号等进行有效学习与表征，提升MPC能量控制器的实用性与自适应性。
结 论 (1) 简述了混合动力汽车能量管理策略的分类，重点阐述了MPC能量管理策略的基本原理，在此基础上，提出了MPC能量管理策略的分类框架。
(2) 从不同预测方式的MPC、MPC的求解及MPC改进方法三个方面，详细阐述了文献中所提出的MPC能量管理策略的适用范围和特点；融合多源信息实施工况预测有助于提升预测精度。
(3) 重点阐释了MPC的求解及改进方法，MPC计算效率与求解算法的选择、系统模型有关；同时，通过融合其他优化算法或采用改进MPC方法(如：PMP、分布式MPC等)可进一步提升MPC的求解效率，最终明确了影响MPC控制策略的因素。
(4) 以具体算例分析和展示了MPC能量管理策略的特点，算例表明其具有实时应用的潜力，且性能与预测时域大小有关。
(5) 从多目标优化、自适应MPC、网联环境下MPC、随机MPC及基于学习的MPC等不同角度展望了该领域的研究趋势。指出了考虑人-车-路相互影响并融合多源异构信息的MPC能量管理策略是未来的发展方向。
作者简介

张风奇，男，1987年出生，博士，讲师。主要研究方向为混合动力汽车能量管理及优化控制。

胡晓松(通信作者)，男，1983年出生，博士，教授。主要研究方向为电动汽车电池管理技术、机电复合动力传动系统优化与控制。

许康辉，男，1993年出生，硕士研究生。主要研究方向为混合动力系统建模及优化控制。

唐小林，男，1984年出生，博士，副教授。主要研究方向为混合动力系统建模与控制。

崔亚辉，男，1963年出生，博士，教授，博士研究生导师。主要研究方向为混合动力车辆传动技术与控制。

引用本文 张风奇, 胡晓松, 许康辉, 唐小林, 崔亚辉. 混合动力汽车模型预测能量管理研究现状与展望[J]. 机械工程学报, 2019, 55(10): 86-108.

ZHANG Fengqi, HU Xiaosong, XUKanghui, TANG Xiaolin, CUI Yahui. Current Status and Prospects for ModelPredictive Energy Management in Hybrid Electric Vehicles[J]. Journal ofMechanical Engineering, 2019, 55(10): 86-108.

对本文感兴趣的朋友可以点击“阅读原文”，免费获取全文阅读！拿走不谢！ 寻觅合作伙伴

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。