类型a：学术研究报告

本研究报告聚焦于Haoming Gao、Xuanming Zhang、Xiaohong Zeng（通讯作者）等来自吉林大学汽车仿真与控制国家重点实验室及江苏大学汽车与交通工程学院的研究团队于2023年11月发表在《Energy Conversion and Management》第299卷的研究成果，题为《基于分层凸优化的混合动力汽车预测巡航控制》（Predictive Cruise Control for Hybrid Electric Vehicles Based on Hierarchical Convex Optimization）。该研究针对混合动力汽车（HEV）在复杂路况下的节能优化问题，提出了一种创新的分层控制架构。

学术背景

随着全球能源危机与环境问题加剧，传统燃油车的能效优化成为研究热点。混合动力汽车因其较传统燃油车更高的燃油经济性（fuel economy）和较纯电动车更长的续航里程而备受关注。预测巡航控制（Predictive Cruise Control, PCC）技术通过高精度地图获取前方道路坡度信息，可优化车辆动力需求扭矩，但现有研究多集中于传统燃油车，HEV与PCC的协同控制存在两大挑战：一是时间序列的车速规划与空间序列的坡度信息存在耦合难题；二是车辆纵向动力学方程与能耗模型的强非线性特性导致实时求解困难。本研究旨在开发适用于HEV-PCC的实时优化算法。

研究流程与方法

1. 分层控制架构设计

研究采用上下两层结构： - 上层车速规划：基于时间-空间融合模型预测控制（TSI-MPC）算法，将传统时间域的MPC预测域替换为空间距离域。通过动能定理将非线性纵向动力学方程转化为线性状态空间表达式，构建凸优化问题，采用二次规划（QP）结合主动集算法求解。 - 下层能量管理：提出回归分析-庞特里亚金最小值原理（RA-PMP）策略。建立电池电流与电机功率、SOC的回归模型（R²=0.9988），将PMP的哈密顿函数简化为二次型，实现解析解快速计算。

2. 研究对象与验证

• 车辆模型：以P2并联式HEV为对象（参数见表1），包含18吨整车质量、812 Nm发动机、610 Nm电机及15.68 kWh电池。
• 实验设计：选取三种典型道路（上坡主导、下坡主导、平坦道路各20公里），通过MATLAB/Simulink仿真与硬件在环（HIL）测试验证。HIL平台采用dSpace DS1006板卡，采样频率100 Hz。

3. 关键技术突破

• TSI-MPC算法：将空间坡度序列映射至时间域，通过动能定理消除速度平方项，使优化目标函数J=Σ(F_w²δs+α(E-E_ref)²)转化为标准QP问题。
• RA-PMP策略：通过电流回归模型i(t)=b00+b10SOC(t)+…将电池模型复杂度降低90%，使哈密顿函数H(t)解析解可直接由二次函数极值公式求得。

主要结果

1. 车速规划性能：

   • 相比PID恒速巡航（CC），TSI-MPC在上坡、下坡、平直道路分别减少行驶时间3.07%/9.14%/5.22%，降低轮胎能量需求6.03%/4.04%/6.19%（表3）。
   • 图8显示车辆在上坡段主动降速、下坡段加速，实现动能-势能高效转换。

2. 能量管理效果：

   • RA-PMP较传统ECMS策略平均燃油经济性提升4.15%/2.47%/2.59%（表4），尤其在以上坡为主的道路表现最优。
   • 图10表明电机在爬坡时辅助驱动、下坡时充分回收制动能量，发动机工作点更集中于高效区。

3. 整体能效：

   • 分层架构（PCC+RA-PMP）较CC+ECMS组合平均燃油节省9.45%，同时提高车速3.18%-10.06%（表5）。
   • HIL测试结果与仿真误差<0.13%（表6），验证算法实时性。

结论与价值

本研究首次将凸优化理论系统性应用于HEV-PCC领域，其科学价值体现在： 1. 提出TSI-MPC解决时空耦合问题，为智能驾驶纵向控制提供新范式； 2. 开发RA-PMP实现能量管理问题的解析解，突破传统ECMS半解析解的精度限制； 3. 通过HIL验证证实算法工程适用性，为商用车节能控制提供解决方案。

研究亮点

• 方法论创新：将非线性动力学问题转化为凸优化问题，计算效率提升40%；
• 跨学科融合：结合控制理论（PMP）、统计学（回归模型）与运筹学（QP）；
• 应用突破：在D级重型车上实现9.45%的油耗改进，优于同类研究5-7%的水平。

其他价值

研究指出未来可融合V2X交通信息与弯道约束进一步优化算法，同时计划开展实车验证。该工作获中国国家自然科学基金（52272394）和吉林省自然科学基金（YDZJ202101ZYTS159）支持。