一种用于电动汽车能量与热管理的混合BiLSTM-MPC预测控制策略及其实时验证
《Scientific Reports》:A hybrid BiLSTM-MPC predictive control strategy for energy and thermal management of electric vehicles with real-time validation
【字体:
大
中
小
】
时间:2026年08月30日
来源:Scientific Reports 4.9
编辑推荐:
摘要
电池电动汽车(xEVs)的能量管理效率对于提升其驾驶性能、电池安全性和能量管理效率至关重要。传统的控制器,如PID、模糊逻辑、人工神经网络(ANN)以及传统模型预测控制(MPC),已能提供可接受的性能水平。然而,这些方法在应对驾驶循环动态特性、未来不确定性以及热效应方
摘要电池电动汽车(xEVs)的能量管理效率对于提升其驾驶性能、电池安全性和能量管理效率至关重要。传统的控制器,如PID、模糊逻辑、人工神经网络(ANN)以及传统模型预测控制(MPC),已能提供可接受的性能水平。然而,这些方法在应对驾驶循环动态特性、未来不确定性以及热效应方面能力不足,导致更高的跟踪误差和较低的荷电状态(SoC)保持率。为解决这一问题,针对xEVs的能量管理,提出了一种结合基于BiLSTM的未来速度预测与带约束的MPC控制输入优化的预测智能控制方案。通过BiLSTM模型,可预测预测时域内的未来速度轨迹;而MPC方法则最小化跟踪误差、能量消耗、电池温度与最优水平之间的偏差以及控制量。所提出的方法在多种驾驶循环(如UDDS、WLTP、HWFET和MIDC)下进行了评估,仿真在MATLAB/Simulink平台上完成,并在OPAL-RT OP4512硬件在环验证平台上进行了验证。结果显示,所提出的控制器实现了最低的均方根误差(RMSE)值1.48 km/h、最高的最终荷电状态85.9%、210 Wh的再生能量回收以及42.1°C的最大电池温度。
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