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。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    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