结合工况识别与工况匹配速度预测的混合动力两栖车辆预测性能量管理
《Journal of Cleaner Production》:Predictive energy management for hybrid amphibious vehicles integrating operating condition recognition and condition-matched speed prediction
【字体:
大
中
小
】
时间:2026年10月24日
来源:Journal of Cleaner Production 10.7
编辑推荐:
•实车数据实现两栖工况的统一识别
•离散工况标签选择工况匹配的速速预测器
•连续工况接近度自适应调整多目标权重
•能量管理平衡功率响应、燃油经济性和电池安全
•与传统预测控制相比,燃油消耗降低11.9%
引言
轮式两栖车辆是具有多模态机动能力的特种运输系统,广泛应用于紧急
•实车数据实现两栖工况的统一识别
•离散工况标签选择工况匹配的速速预测器
•连续工况接近度自适应调整多目标权重
•能量管理平衡功率响应、燃油经济性和电池安全
•与传统预测控制相比,燃油消耗降低11.9%
引言
轮式两栖车辆是具有多模态机动能力的特种运输系统,广泛应用于紧急救援、军事侦察和复杂跨域作业中(Zhang等,2024)。与常规乘用车和传统救援设备相比,两栖救援车辆经常在各种恶劣环境下运行,如越野地形、颠簸路面、滩涂以及缓流或急流水域。由于陆地和水域工况之间存在显著差异,其功率需求特性差异明显。陆地作业强调阶跃式功率需求变化下的瞬态响应能力和宽范围储备功率,而水域作业则受到流体力学阻力和时变船体阻力峰值的强烈影响,需要多个动力源协调输出(Meng等,2025)。
准确的工况表征是优化能量流分配的必要前提。工况识别方法一般可分为基于规则的方法、基于无监督聚类的方法(Kang等,2024;Wang等,2023)、有监督学习方法以及基于深度学习的预测方法(Liu和Liu,2022)。基于规则和模糊逻辑的方法易于实现,但其识别性能强烈依赖于经验阈值和专家知识。有监督学习方法,如随机森林(He等,2025)和神经网络,通过学习行驶特征与工况标签之间的映射关系来提高识别精度。深度学习方法,包括CNN(Chen等,2020)和基于Transformer的模型(Shon等,2024),也被引入到行驶循环预测和地形工况检测中,展现出在复杂工况感知方面的强大潜力。在这些方法中,无监督聚类因结构清晰且计算负担低,特别适合从无标注车辆数据中提取可解释的工况类别(Xu和Wang,2023)。然而,仅靠聚类无法明确捕捉工况序列的时间依赖性,这促使采用序列学习模型进行在线工况识别。
能量管理策略是协调多个动力源之间的能量分配并提高整车性能的核心技术(Boukoberine等,2025)。其有效性不仅取决于优化算法,还取决于底层控制导向模型的准确性和可解释性。Lei等人将物理知识与实验数据相结合以提高模型保真度(Lei等,2024b),随后开发了一种理论约束神经网络,将物理可解释性与数据驱动精度相结合(Lei等,2025a)。现有策略一般可分为基于规则的策略、全局优化策略、瞬时优化策略和基于学习的策略。基于规则的策略具有较强的工程实用性和良好的实时性能,但其对复杂工况的适应性仍然有限(Azim Mohseni等,2024;Kaushik等,2024;K?k和Mert,2024)。模糊规则策略表现出相对较强的鲁棒性,但严重依赖于经验标定,且多目标优化能力有限(Beheshtikhoo等,2023;Da Silva等,2022;Guler等,2024)。全局优化策略在理论上可以实现最优解,但需要事先了解整个工况条件,且计算复杂度高,难以在线实施。以等效油耗最小化策略(ECMS)和模型预测控制(MPC)为代表的瞬时优化策略(Hou等,2024;Park等,2025;Zhu等,2025)在实时性能与局部最优性之间取得平衡,已成为车载能量管理的主流研究方向。在系统设计层面,Lei等人利用高保真图谱联合优化组件尺寸和实时EMS参数(Lei等,2023),随后的一项研究通过物理信息神经网络和代理模型提高了动力总成-EMS协同优化效率(Lei等,2026)。
在瞬时优化类别中,近期研究从不同角度扩展了传统ECMS框架。Zhang等人将电机热约束纳入ECMS-MPC框架以增强热安全性(Zhang等,2023)。Sun等人通过换挡协调控制提高了燃油经济性和驾驶性能(Xiaodong Sun等,2024;Sun等,2024a;Sun等,2024b),并通过基于参考SOC的等效因子优化进一步提高了燃油经济性和SOC可持续性(Sun等,2024;Sun等,2024a;Sun等,2024b)。Choi等人通过工况感知等效因子调节提高了ECMS在不同工况下的适应性(Choi等,2022)。总体而言,现有的基于ECMS的研究主要优化燃油经济性和SOC可持续性,部分研究扩展了热安全性或驾驶性能,而车辆功率需求通常被视为功率平衡约束。很少有研究将发动机响应延迟下的瞬态功率响应能力明确作为优化目标,尤其是在具有工况自适应权重的情况下。
强化学习能够实现非线性功率分配策略。Lei等人开发了一种仿真到实车的EMS工具链,并通过MiL、HiL和ViL测试验证了直接功率控制和RL辅助ECMS(Lei等,2025b)。近期研究将基于强化学习的EMS从燃油经济优化扩展到多目标协调、安全决策和持续适应。Lü等人增强了深度Q网络,在不同行驶条件下协调氢耗、电池SOC维护和燃料电池耐久性(Lü等,2026)。Li等人引入了监督动作评估和物理信息校正,以防止强化学习过程中的不安全动作(Li等,2026)。Ma等人开发了一种基于模型的强化学习框架,将自适应虚拟环境与实时动态规划相结合,使策略能够在未知的随机行驶条件下持续更新(Ma等,2026)。这些研究展示了多目标、安全约束和持续自适应EMS决策方面的进展,然而可解释性和部署可靠性仍然是挑战。此外,现有的工况自适应EMS通常通过单一适应路径利用工况信息,如离散策略切换、预测器选择或连续参数校正。很少有研究联合利用离散工况标签和连续工况接近度信息,在同一预测EMS框架内协调预测器选择和目标权重自适应调整。
尽管取得了这些进展,但大多数混合动力能量管理策略是针对在单一推进域和固定动力总成拓扑下运行的道路车辆开发的,通常将燃油经济性视为主要优化目标(Kermansaravi等,2025;Zhuang等,2025)。然而,这些策略难以直接应用于具有多个耦合动力源和跨域紧急作业特征的两栖救援车辆。在陆地紧急工况下,功率响应能力成为关键优化目标,需要发动机、ISG电机和动力电池之间的高效协调控制。由于发动机的固有机械特性,响应延迟不可避免。因此,将较慢的机电耦合发电系统与快速响应的电池-电机路径进行协调,同时保持电池安全,已成为陆地工况能量管理的关键挑战(Wei等,2023)。在水域紧急工况下,多动力源协调的要求变得更加苛刻(Xiaojun Sun等,2024)。在快速加速和瞬态流体力学扰动等苛刻条件下,电池驱动的ISG电机利用其快速的扭矩响应和低转速下的高扭矩能力,补偿较慢的发动机响应造成的瞬态功率亏缺。此外,机电耦合并联配置用于克服高速船体阻力峰值并提高水域动态性能(Jiang和Ding,2024;Liu等,2024)。陆地串联运行和水域并联运行这些不同且时变的需求,要求对未来功率需求预测和功率响应与燃油经济性的相对优化优先级进行工况依赖的自适应调整。
为解决上述挑战,本研究开发了一种适用于混合动力两栖车辆的协调预测能量管理框架。采用可切换的混合动力传动系统,在陆地上以串联模式运行,在水域以并联模式运行,以满足两个运行域的不同推进需求。利用KPCA和K-means++聚类离线识别典型的陆地和水域工况,并使用聚类派生的标签训练LSTM网络进行在线工况识别。所得工况信息通过两条协调的自适应路径加以利用:离散工况标签用于预测器选择,而连续工况接近度信息用于预测ECMS目标权重自适应调整。本研究的主要贡献总结如下。
(1)建立了涵盖陆地和水域域的统一工况分析与识别框架。从实车数据中提取了典型工况、工况标签和聚类中心,实现在线识别五种典型两栖工况。
(2)开发了双路径工况依赖自适应机制,将工况识别与速度预测和预测能量管理耦合。识别出的离散工况标签选择相应的工况匹配VMD-RBF速度预测器,而在线KPCA得分与离线聚类中心之间的连续欧几里得距离自适应调整预测ECMS的功率响应和燃油经济性权重。
(3)制定了一种预测ECMS,以协调陆地串联运行和水域并联运行不同特性下的功率响应、燃油经济性和电池安全。其有效性通过仿真和实车测试在典型陆地和水域工况下进行了评估。
各章节片段
混合动力系统构型
考虑到两栖车辆在不同陆地和水域工况下的不同运行特性,以及多个动力总成组件之间的耦合特性,本研究开发了一种混合动力传动架构,在陆地运行时采用串联构型,在水域运行时采用并联构型,以满足高性能两栖车辆在不同运行场景下的功率需求。如图1所示,在陆地行驶条件下,
两栖工况的构建
为了建立两栖车辆的典型工况数据库,在国家重点研发计划下进行了实车道路和水域实验。通过车载CAN总线和GPS系统收集车辆运行数据。测试场景涵盖了典型的两栖环境,包括郊区道路、复杂越野地形以及缓流和湍流水域,确保充分多样性和代表性。
两栖工况下的预测ECMS
在所提出的框架中,工况识别通过两条协调路径与预测能量管理策略耦合。由LSTM网络识别的离散工况标签激活相应的工况匹配VMD-RBF模型,用于未来速度和功率需求预测。同时,在线KPCA得分与离线聚类中心之间的连续欧几里得距离被映射到预测ECMS的目标权重。因此,
仿真与实车测试
在MATLAB/Simulink和AVL CRUISE中建立了涵盖陆地和水域工况的车辆动力学模型。为了评估所提策略的有效性,对比研究了三种能量管理策略:基于规则的EMS、未集成工况的VMD-RBF速度预测EMS,以及所提出的工况集成VMD-RBF速度预测EMS。
采用渐进式对比设计来区分各贡献。
结论
为应对两栖车辆中工况差异、快速功率需求波动以及功率性能与燃油经济性协调优化困难等挑战,本研究对动力总成构型设计、工况识别和能量管理策略优化进行了研究。主要结论总结如下。
(1)建立了陆-水工况构建与在线识别框架。
CRediT作者贡献声明
Jiaqi Wan:初稿撰写、可视化、形式化分析、概念化。Tianqi Yang:修改与编辑、监督、方法学、概念化。Xilong Zhang:初稿撰写、软件、调查。Bo Tang:初稿撰写、可视化。Wenchu Fu:初稿撰写、软件。Jizhou Chen:初稿撰写、形式化分析。Fuwu Yan:修改与编辑、项目管理、概念化。
披露声明
作者未报告任何潜在的利益冲突。
伦理声明
本研究不涉及人类参与者、动物或任何需要伦理审查的数据。
资助
本工作得到湖北省重点研发计划(项目编号2023BCB046)的资助。
利益冲突声明
作者声明不存在任何可能影响本文工作的已知财务利益关系或个人关系。
Jiaqi Wan | Tianqi Yang | Xilong Zhang | Bo Tang | Wenchu Fu | Jizhou Chen | Fuwu Yan
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号