Optimization of Power Control for Autonomous Hybrid Electric Vehicles with Flexible Power Demand
针对自主车辆动力总成控制常忽略灵活功率需求的问题，本研究在近似动态规划（ADP）框架内纳入功率需求灵活性开发动力总成控制器，经定制避免收敛问题，可提升燃油经济性且适用于多类车辆，已通过案例验证有效性。
2023-12-13 cs.SY eess.SY
Exploring the consequences of cyber attacks on Powertrain Cyber Physical Systems
本文提出了一种新的方法来研究针对通用车辆动力系统的网络攻击。所提出的模型是由一个通用的内燃机和速度控制器，通过控制器局域网（CAN）总线进行通信。我们考虑一个威胁模型组成的三个代表性的攻击方案，旨在修改模型的输出，从而影响发动机的转速。两种攻击场景针对车辆传感器系统和CAN通信，而一种攻击场景仅需要注入CAN消息。据我们所知，这是第一次尝试模拟现实网络攻击对现代车辆的后果。
2022-02-01 cs.SY eess.SY
Concurrent Optimization of Vehicle Dynamics and Powertrain Operation Using Connectivity and Automation
互联和自动驾驶汽车（CAV）为减少能源消耗和旅行延误提供了最有趣的机会。在本文中，我们提出了一个两级控制架构的CAV优化（1）车辆的速度曲线，旨在最大限度地减少走走停停的驾驶，（2）的动力系统效率的车辆的最佳速度曲线（1）。所提出的递阶控制框架可以以最小的计算工作量实时地在车辆上实现。我们通过在Mcity中使用CAV的100%渗透率的模拟来评估所提出的架构的效率的有效性。结果表明，所提出的方法在能源效率方面产生了显着的好处。
2020-01-24 cs.SY eess.SY math.OC
Integrated Eco-Driving and Powertrain Optimization for Hybrid Vehicles in Complex Urban Traffic
Louisiana State University（路易斯安那州立大学）
针对城市混合动力汽车，提出集成有限时域生态驾驶规划框架，联合优化交通行为与动力总成运行，同时建模多方面驾驶行为及动力总成运行，模拟研究表明该方法能在维持合规驾驶计划时改善能源性能。
2026-07-29 cs.SY eess.SY math.OC
Optimal control barrier functions for RL based safe powertrain control
针对强化学习应用于车辆动力总成控制的安全风险，提出最优高阶控制障碍函数划定安全区域，结合深度演员-评论家RL智能体验证，在无碰撞前提下提升了控制奖励与驾驶员需求适配性。
2024-05-18 cs.SY eess.SY
Economic Potential for Hybrid Electric Vehicles in Urban Signal-free Intersections with Decentralized MPC
针对无信号交叉口的串联混合动力CAV，本文提出凸优化去中心化MPC协调策略，并基于近一年油价与电价证明其出行成本可接近甚至达到BEV水平。
2022-11-12 cs.SY eess.SY
Control and Design Optimization of an Electric Vehicle Transmission Using Analytical Modeling Methods
本文介绍了一个框架，系统地优化控制和设计的电动汽车变速器，连接动力系统的尺寸研究，详细的变速箱设计方法。为此，我们首先创建单个组件的分析模型：齿轮、轴、轴承、离合器和同步器。其次，我们通过系统地配置这些组件的拓扑结构来构建传输。第三，我们将组合变速器内的动力系统和车辆模型，并计算最小能量控制和设计，采用求解算法，提供全局最优性保证。最后，我们进行了控制和设计优化的固定和两个齿轮变速器的紧凑型家用电动车，从而我们观察到，两个齿轮变速器可以提高0.8%的能源消耗，同时也实现了对爬坡能力和性能的要求。我们通过重新创建安装在基准测试用例车辆中的变速器并重新计算新欧洲驾驶循环的能耗来验证我们的框架，在新欧洲驾驶循环中，我们注意到能耗误差为0.2%，确认我们的方法适用于动力系统设计优化中的传动比选择。
2022-10-28 cs.SY eess.SY
Two-wheel-driven Electric Superbike Powertrain Optimization
本文提出了一种双轮驱动电动超级跑车动力总成优化框架，通过联合优化力分配、齿轮比和电机电池尺寸，在Sport高性能驾驶循环中实现高达22.36%的能耗降低。
2025-03-31 cs.SY eess.SY
Geometric Scaling Laws for Axial Flux Permanent Magnet Motors in In-Wheel Powertrain Topologies
本文提出轴向磁通电机几何缩放模型，经有限元仿真验证后用于轮毂动力总成优化，发现全轮驱动轮毂AFM拓扑效率最高但材料成本也最高。
2024-09-02 cs.SY eess.SY
Concurrent Design Optimization of Powertrain Component Modules in a Family of Electric Vehicles
针对电动汽车系列动力总成设计，提出并行优化框架，通过模块化标准化策略联合设计电机与电池模块，在保证全局最优下降低总拥有成本3.5%。
2024-10-17 cs.SY eess.SY math.OC
Powertrain Hybridization for Autonomous Vehicles
UC Davis（加州大学戴维斯分校）
本文在混合自治场景下比较人类驾驶与自动驾驶的HEV最优能量管理，发现AV仅需12 kW电机即可达到人类驾驶员约30 kW电机的混合动力化收益，并揭示速度平滑对小电机HEV更有利。
2023-09-29 cs.RO cs.SY eess.SY
Comprehensive Energy Footprint Benchmarking of Strong Parallel Electrified Powertrain
本研究针对强并联电气化商用车，采用PS3框架与帕累托最优分析开展能源管理优化，实现燃油消耗降低7%、NOx减排29%，为动力总成能效提升提供参考。
2022-09-25 cs.SY eess.SY
The Effects of Powertrain Mechanical Response on the Dynamics and String Stability of a Platoon of Adaptive Cruise Control Vehicles
本文分析了动力总成机械响应下自适应巡航控制车辆队列的动力学，发现加速度反馈增益影响扰动衰减和稳定性，提出了频率相关增益以消除振荡并保持快速扰动衰减。
2013-01-09 cs.SY eess.SY nlin.AO
Shared learning of powertrain control policies for vehicle fleets
Clemson University（克莱姆森大学）；Allison Transmission（艾里逊变速箱公司）
针对车队动力总成控制中DRL的学习稳定性问题，提出基于提取群体策略的共享学习框架，实现8.5%燃油经济性提升并降低车队方差。
2024-04-27 cs.AI cs.LG cs.SY
Co-Optimization of On-Ramp Merging and Plug-In Hybrid Electric Vehicle Power Split Using Deep Reinforcement Learning
目前针对自动入口匝道合并的深度强化学习（DRL）研究忽略了车辆动力系统和动力学。这项工作考虑了使用DRL的功率分流插电式混合动力汽车（PHEV），2015年丰田普锐斯插电式混合动力汽车（Prius Plug-In）的自动入口匝道合并。入口匝道并道控制和PHEV能量管理被协同优化，使得DRL策略直接输出发动机和电动机之间的功率分配。测试结果表明，DRL可以成功地用于协同优化，导致无碰撞的入口匝道合并。当比较顺序的方法，其中上级入口匝道合并控制和较低级别的PHEV能量管理独立地和顺序地执行时，我们发现，协同优化的结果在经济但不稳定的入口匝道合并，而顺序的方法可能会导致碰撞，由于忽略了动力系统功率限制的约束，在设计的上级入口匝道合并控制器。
2022-03-07 cs.SY eess.SY
Resilient Control of Switched Vehicle Platoons under False Data Injection Attacks
McGill University（麦吉尔大学）
本文针对受虚假数据注入攻击的切换式车辆队列，设计含专用观测器与辅助系统的弹性控制器，经数值案例验证可实现队列一致最终有界与字符串稳定。
2026-08-03 cs.SY eess.SY
Effective Scaling of High-Fidelity Electric Motor Models for Electric Powertrain Design Optimization
针对汽车电机设计依赖试错或线性简化模型的问题，本文用高保真商用软件缩放电机并结合整车驾驶循环仿真与贝叶斯优化，实现能耗降低0.13%。
2023-07-24 cs.SY eess.SY
Predictive Energy Management for Battery Electric Vehicles with Hybrid Models
针对电池电动汽车能耗预测受多因素影响难度大的问题，提出结合物理仿真模型与数据驱动模型的混合方法，利用机器学习处理外部因素，经真实数据集验证将预测误差从40%降至10%。
2024-05-15 cs.SY eess.SY
Battery-Electric Powertrain System Design for the HorizonUAM Multirotor Air Taxi Concept
本文在HorizonUAM项目中提出全电动多旋翼eVTOL推进系统架构的结构化概念设计方法，通过迭代安全评估与仿真验证，表明纯四旋翼难以满足EASA可靠性规范，而增加推进螺旋桨及安全钝化措施可达成要求。
2023-10-20 cs.SY eess.SY
Optimal design of three-planetary-gear power-split hybrid powertrains
Nanjing University of Science & Technology（南京理工大学）；University of Michigan（密歇根大学）
本文提出了一种高效搜索和优化方法，系统探索了使用三个行星齿轮的多模式混合动力车的可能设计，识别出8种在启动性能和燃油经济性上更优且使用更少离合器的设计。
2017-08-01 cs.SY eess.SY
Minimum Race-Time Planning-Strategy for an Autonomous Electric Racecar
对自动驾驶乘用车的日益关注也引起了人们对自动驾驶赛车系列的兴趣。正因为如此，Roborace和Indy Autonomous Challenge等平台目前正在发展。电动赛车面临着电池内存储能量有限的挑战。此外，全电动动力系统对比赛性能的影响至关重要。当热应力过大时，动力系统部件可能会发生严重损坏。在这项工作中，我们提出了一个比赛时间最小控制策略推导出的最优控制问题（OCP），被转录成一个非线性问题（NLP）。它的优化变量源于驾驶动力学以及电动动力系统的理论描述。我们推导出必要的一阶常微分方程（ODE），并形成简化的损失模型的数值优化内的实施。的显着影响的动力系统的行为上的比赛策略。
2020-05-14 cs.SY eess.SY
Optimal Freewheeling Control of a Heavy-Duty Vehicle Using Mixed Integer Quadratic Programming
改善重型车辆的动力传动系统控制可以有效地降低燃料消耗，从而降低运营成本和环境影响。这样做的单向式是通过使用关于即将到来的驾驶条件的信息，称为前瞻信息，以便在齿轮接合的情况下滑行或使用惯性滑行。使用这种技术的控制器目前主要存在于高速公路驾驶中的车辆中。因此，本文的目标是如何将这种控制可以应用到车辆的速度变化，如配送车辆。这种车辆的驾驶任务在这里制定为一个最优控制问题。控制变量是牵引力、制动力和表示闭合或打开动力系的布尔变量。该问题由模型预测控制器解决，该控制器在每次迭代时求解混合二次规划。比较了四种不同控制策略下的燃油消耗量：基准行驶循环、无空转的前瞻控制、空转时发动机空转、空转时发动机关闭。对典型的用于测试配送车辆的驾驶循环的仿真表明，与基准相比，在所有情况下，在不增加行程时间的情况下，控制策略分别节省10%、16%和20%的潜力。
2020-02-14 cs.SY eess.SY
Correct Online Estimation of the Powertrain Time Constants in Adaptive Vehicular Platooning
Southeast University（东南大学）；University of Groningen（格罗宁根大学）；Imperial College（帝国理工学院）
本研究提出一种自适应车辆队列方法，通过修改复合自适应控制框架，在无需持续激励的情况下正确估计动力总成时间常数，且具有无需测量加速度导数等优势，经CarSim实验验证其鲁棒性与实用性。
2026-08-10 cs.SY eess.SY
On Energy Optimal Speed Trajectories: The Impact of Electric Powertrain Efficiency Characteristics
本文研究了动力系统效率图对能量最优速度轨迹，特别是停车轨迹的影响。探索了各种不同的效率图，并进行了能量优化过程。结果表明，虽然效率图可以有一个显着的整体运输能量的影响，他们的最佳速度曲线的形状影响不大。许多非常不同的效率图和它们对速度轨迹的影响进行了说明。此外，车辆和段参数以及平均速度对节省的影响进行了研究。本文还介绍了瞬态惩罚的能量最优轨迹的形状和相关的节省的影响。据观察，通过添加额外的瞬态惩罚的能量平衡，轨迹的形状的变化和能量节省减少。
2021-02-11 cs.SY eess.SY math.OC
Microsimulation of Energy and Flow Effects from Optimal Automated Driving in Mixed Traffic
在PTV VISSIM微观仿真环境中研究了一种新型的预期巡航控制器对能源和交通的影响。我们将控制器分为两部分：1.预期模式，当自动化车辆车队渗透率较低时，更立即有益，以及2.连接模式，有利于协调车辆跟随场景和适用于自主车辆特定应用的高度自动化车辆渗透。概率约束处理安全考虑，并且通过使用动力系统映射来表示车辆加速能力的约束。真实的交通场景，然后使用交通数据的时间车头时距分布建模。为了研究对一系列需求的影响，我们将输入车辆数量从低到高进行变化，然后将自动驾驶车辆渗透率从低到高进行变化。在研究全人类驾驶场景时，网络容量无法满足高流量场景的需求，例如高峰时段的交通。我们进一步发现，随着自动驾驶汽车的引入，利用概率约束来平衡安全性和交通紧凑性，网络容量得到了提高，以支持高容量的场景。最后，我们研究了传统，电动和混合动力汽车的车队的能源效率。我们发现，在考虑传统动力系统时，自动驾驶汽车的能效比人类驾驶员高出10% - 20%，在考虑电动和混合动力系统时，自动驾驶汽车的能效比人类驾驶员高出3% - 9%。由于平滑交通流的次级效应，能源效益也适用于与自动驾驶车辆相互作用的人类驾驶车辆。研究发现，这种模拟人类的驾驶比基准全人类情景中的能源效率高出10%。
2020-02-28 cs.SY eess.SY math.OC
Real-time Eco-Driving Control in Electrified Connected and Autonomous Vehicles using Approximate Dynamic Programming
互联和自动驾驶汽车（CAV），特别是那些具有混合动力电动动力系统的汽车，有可能在现实驾驶条件下显着提高汽车节能。特别是，生态驾驶问题寻求基于来自连接和高级地图功能的可用信息来设计最佳速度和功率使用曲线，以最大限度地减少行程中的燃料消耗。本文提出了一种分层的多层模型预测控制（MPC）方法，用于提高连接车辆环境中的48 V轻度混合动力系统的燃油经济性。近似动态规划（ADP）被用来解决滚动时域最优控制问题（RHOCP），其中RHOCP的终端成本近似为从长期优化获得的基本策略。该控制器在多个真实路线上进行了广泛的虚拟测试（使用确定性和蒙特卡罗模拟），其中节能超过20%。此外，开发的控制器进行部署和测试，在试验场上的测试车辆配备了快速原型嵌入式控制器的实时。实时车载测试证实了在模拟中观察到的节能效果，并证明了所开发的控制器在实时应用中的有效性。
2021-08-05 cs.SY eess.SY
Parameterized Energy-Optimal Regenerative Braking Strategy for Connected and Autonomous Electrified Vehicles: A Real-Time Dynamic Programming Approach
本文提出了一种称为能量最优减速规划系统（EDPS）的车辆速度规划系统，其目的是最大限度地提高联网和自主电动车辆再生制动的能量回收。一个回收能量最佳的速度曲线计算的基础上即将减速的要求，在一个交叉口转弯或停车。这被计算以最大化再生制动能量，同时满足电气化动力系统的物理限制。在自动驾驶中，电动车辆的动力传动系统可以由车辆控制单元直接控制，使得其遵循计算出的最佳速度曲线。为了获得平滑的最佳减速速度曲线，最佳减速命令由基于参数化多项式的减速模型确定，该模型通过与真实车辆驾驶测试数据的回归分析获得。这些参数取决于预览信息，例如剩余时间和距离以及目标速度。关键的设计参数是减速时间，它决定了减速速度曲线，以满足剩余时间和距离约束以及目标速度要求。从实际的减速试验中推导出与动力系统物理极限相对应的减速指令的界限。通过考虑预期的道路负荷和减速偏好，状态约束被动态更新。为了验证和比较EDPS与不同的预览距离，驾驶模拟测试与虚拟道路环境和车辆到基础设施的连接。结果表明，预瞄距离越长，能量回收越多。与驾驶员在环模拟测试相比，基于EDPS的自动驾驶显示出能量回收和旅行时间减少的改进。
2021-02-15 cs.SY eess.SY math.OC
Model Predictive Control for Automotive Climate Control Systems via Value Function Approximation
在轻型汽车的辅助负载中，空调系统是最大的单一能耗。对于电动汽车来说，加热和冷却负载的影响变得更加重要，因为它们与动力系统竞争电池能源使用，并且可以显着降低续航里程或性能。虽然在电动汽车的最佳能源管理和生态驾驶的车辆速度优化领域已经做了大量的工作，但很少有贡献涉及加热和冷却负荷的能量最佳控制的应用。提出了一种基于模型预测控制的电气化动力总成热管理系统能量管理策略。从捕获热交换器中的制冷剂的动态和系统的功率消耗的蒸气压缩制冷系统的非线性模型开始，制定约束多目标最优控制问题以在跟踪期望的热设定点的同时减少能量消耗。提出了一种有效的MPC的实时应用，通过引入一个终端成本获得的近似的全局最优解。
2021-10-19 cs.SY eess.SY
Longitudinal Control of Vehicles in Traffic Microsimulation
目前最先进的交通微观仿真工具无法准确评估自动驾驶系统和车辆连接的安全性，效率和移动性优势，因为没有考虑车辆的物理和动力系统特性以及阻力。本文提出了现实的纵向控制功能的自动驾驶汽车和没有车对车通信和一个现实的车辆跟驰模型的人类驾驶的车辆，考虑驾驶员的特点和车辆动力学。传统的纵向控制功能应用恒定的时间间隔策略，并使用经验的恒定控制器系数，可能会牺牲安全性或降低吞吐量。建议的纵向控制功能计算最小安全时间间隔在每个模拟时间步和调整控制器系数在每个模拟时间步在加速和减速过程中，以最大限度地提高吞吐量，而不影响安全。
2020-03-17 cs.SY eess.SY
A Convex Optimal Control Framework for Autonomous Vehicle Intersection Crossing
针对无信号交叉口CAV转弯通行的速度规划问题，提出分层集中式凸优化控制框架，联合优化通行顺序与速度轨迹，并通过二阶锥规划实现快速全局最优求解。
2022-09-29 cs.SY eess.SY
Conceptualizing and Modeling Communication-Based Cyberattacks on Automated Vehicles
Department of Civil Engineering（土木工程系）；School of Artificial Intelligence（人工智能学院）；Hebei University of Technology（河北工业大学）
该研究针对ACC普及带来的通信类网络攻击风险，形式化定义六种新型消息级攻击向量，通过环形道路仿真对比不同动力系统车辆的网络弹性，提出三层风险分类法，为混合自动驾驶交通的攻击防御提供量化依据。
2025-09-28 cs.RO cs.SY eess.SY
An Adaptive Longitudinal Platooning Design Based On Concurrent Learning
School of Mathematics, Southeast University（东南大学数学学院）；School of Computation, Information and Technology, Technical University of Munich (TUM)（慕尼黑工业大学计算、信息与技术学院）；Visual Intelligence for Transportation lab, Ecole Polytechnique Federale de Lausanne (EPFL)（洛桑联邦理工学院交通视觉智能实验室）；Bernoulli Institute for Mathematics, Computer Science & Artificial Intelligence, University of Groningen（格罗宁根大学伯努利数学、计算机科学与人工智能研究所）
该研究在并发学习框架下提出自适应纵向车队策略，无需施加持续激励即可保证动力总成参数收敛，证明中考虑了误差动力学的额外未知增益，优于现有方案。
2026-08-10 cs.SY eess.SY
System architecture of a four-wheel drive Formula Student vehicle
学生方程式赛车正变得越来越复杂，特别是随着目前从内燃机转向电动动力系统。软件和硬件之间的交互是复杂的，并为系统集成带来了额外的挑战。本文提供了一个结构化的介绍OBR 22牛津布鲁克斯赛车公式学生电动车。从系统架构的角度，四轮驱动轮毂电机拓扑结构进行了描述。给出了硬件组成图、高压系统结构图和通信系统图。本文还演示了基于模型的开发过程，包括模型在环（MiL）和硬件在环（HiL）控制设计阶段的概述。
2022-11-18 cs.SY eess.SY
Numerical Energy Analysis of In-wheel Motor Driven Autonomous Electric Vehicles
Case Western Reserve University（凯斯西储大学）；Nantong University（南通大学）
自主电动汽车作为未来地面交通的发展方向受到广泛的研究，但基于传统动力传动系统的自主电动汽车限制了其能量和动力的传输效率，可能会阻碍其广泛的应用。在这里，我们报告了一项关于由轮内电机驱动的中型自主电动汽车的能耗和效率改善的研究，通过开发一个数值能量模型，用实际驾驶数据进行验证，并在案例研究中实施。通过平路、上坡、下坡3种行驶工况下的能量分析，考察了能量消耗情况，并对轮毂电机驱动动力总成系统的节能潜力进行了系统的探讨。在考虑再生制动能量回收的基础上，基于车辆动力学和自动驾驶模式，计算了特定行驶循环下的能耗和再生能量。使用西洛杉矶的基线电动汽车驾驶数据进行了案例研究。结果发现，在轮内电机驱动的自主电动汽车可以节省高达17.5%的能源相比，传统的电动汽车在斜坡行驶。利用某商用轮毂电机的效率图，研究得到的数值能量模型和验证结果符合实际情况，可用于支持未来更节能的自主电动汽车的可持续发展。
2021-04-10 cs.RO cs.SY eess.SY
Learning-based Ecological Adaptive Cruise Control of Autonomous Electric Vehicles: A Comparison of ADP, DQN and DDPG Approaches
本文比较了基于 ADP、DQN 和 DDPG 的学习型生态自适应巡航控制方法，用于自主电动汽车节能，并在 IPG CarMaker 仿真中验证了其在高速公路和城市-高速公路场景下相比前车可提升 3-5% 和 10-14% 的能效。
2023-12-02 cs.SY eess.SY
Co-simulation Platform for Developing InfoRich Energy-Efficient Connected and Automated Vehicles
Carnegie Mellon University（卡内基梅隆大学）；General Motors Company（通用汽车公司）
随着传感、计算和通信技术的进步，互联和自动驾驶车辆（CAV）变得可行。CAV的出现为提高单个车辆的能源效率提供了新的机会。然而，由于安全考虑和可重复性，测试和验证节能自动驾驶系统是困难的。在本文中，我们提出了一个联合仿真平台，以开发和测试新的车辆生态自动驾驶技术，名为InfoRich，它结合了来自车载传感器，V2X通信和地图数据库的信息。协同仿真平台包括生态自动驾驶软件、车辆动力学和动力系统（VD&PT）模型以及交通环境模拟器。此外，我们利用合成驱动周期来自现实世界的驾驶数据来测试现实驾驶场景下的策略。为了从真实世界的驾驶数据中构建道路网络，我们开发了一个名为AutoPASCAL的地图/场景自动解析器和计算器。总体而言，仿真平台提供了一个真实的车辆模型，动力系统模型，传感器模型，交通模型和道路网络模型，以评估生态自动驾驶的能源效率。
2020-04-16 cs.RO cs.SE cs.SY
A Real-Time Robust Ecological-Adaptive Cruise Control Strategy for Battery Electric Vehicles
针对网联纯电动汽车生态自适应巡航控制，提出空间域凸建模与基于 sLMI 的 RMPC 策略，在扰动下兼顾约束鲁棒性、节能性与实时性。
2023-08-15 cs.SY eess.SY
Data-driven modeling and supervisory control system optimization for plug-in hybrid electric vehicles
Tsinghua University（清华大学）；University College London（伦敦大学学院）；Southeast University（东南大学）；Dongfeng Motor Corporation Ltd.（东风汽车集团有限公司）
本文融合物理与数据驱动模型构建高保真PHEV环境，提出时域扩展RL与ECMS结合的实车控制框架，经仿真和硬件在环验证兼具燃油经济性、最优性与抗干扰性。
2024-06-13 cs.AI cs.SY eess.SY
Exergy-based modeling framework for hybrid and electric ground vehicles
火用（或可用性）是一个热力学概念，表示从给定状态到参考状态演化的系统中可以提取的有用功。它也是一个系统度量，从热力学第一和第二定律制定，包括子系统之间的相互作用和由此产生的熵产生。本文提出了一种基于火用的地面车辆分析方法。该研究首次定义了一个全面的车辆和动力系统级建模框架，以量化车辆纵向动力学及其能量存储和转换设备（即电化学储能，电动机和ICE）的火用传递和破坏现象。为了显示所提出的模型在量化，定位和排序的（火用）损失的来源的能力，两个案例研究的基础上的电动汽车和并联混合动力电动汽车进行了分析，考虑到现实世界的驾驶循环。该建模框架可以作为未来地面车辆管理策略发展的工具，旨在最大限度地减少有效能损失，而不是燃料消耗。
2021-07-06 cs.SY eess.SY
Electric Motor Design Optimization: A Convex Surrogate Modeling Approach
本文实例化了一个凸电动动力系统设计优化框架，弥合了高层次的动力系统尺寸和低层次的组件设计之间的差距。我们专注于电动汽车的电机和变速器，使用可扩展的凸电机模型的基础上代理建模技术。具体来说，我们首先选择相关的电机设计变量，并根据预定义的抽样计划评估高保真度的样本。其次，使用样本数据，我们确定了一个凸模型的电动机，预测其损失作为一个功能的工作点和设计参数。我们还确定了动力系统其余部件的模型，即电池和固定齿轮变速器。第三，我们将驱动周期内的最小能耗设计问题构建为二阶圆锥规划，可以有效地解决最优性保证问题。最后，我们展示了我们的框架在一个紧凑型家用轿车的案例研究，并计算最佳的电机设计和传动比。我们使用高保真仿真工具验证了模型的准确性，并计算了电池能耗的漂移。我们表明，我们的模型可以捕捉到最佳的工作线和电池的能量消耗的误差是低的。总体而言，我们的框架可以为电动机设计专家提供有用的起点，进一步优化设计。
2022-11-01 cs.SY eess.SY
Reducing Detailed Vehicle Energy Dynamics to Physics-Like Models
针对宏观交通流建模等场景对简单车辆能量模型的需求，本研究提出系统化模型降阶流程，基于Autonomie软件的复杂模型生成6类车辆的简化显式能量模型，兼具计算效率与精度。
2023-10-10 cs.SY eess.SY
Optimal Design of Electric Micromobility Vehicles
本文提出了一个建模和优化框架，以设计电池电动微移动车辆，最大限度地降低其总拥有成本（TCO）。具体来说，我们首先确定了电动滑板车和电动助力车的电动动力系统的模型，该电动助力车由电池、单个电动机和变速器组成。其次，我们框架的最佳联合设计和控制问题，最大限度地减少车辆的TCO。由于这个问题是非线性的w.r.t.的电机尺寸和车辆的总质量，但凸的，如果它们的值是给定的，我们有效地解决了问题的电机尺寸的范围与算法的基础上二阶圆锥规划迭代的车辆的质量。最后，我们展示了我们在丘陵和平坦场景下为车辆定制的驾驶循环框架，提供了对结果的深入分析和高保真模拟的数值验证。我们的研究结果表明，车辆所在区域的特性对其最佳设计有显着影响，同时揭示了再生制动和换档能力（如无级变速器的情况下）可能不值得实施。
2021-05-12 cs.SY eess.SY
Integrated Approximate Dynamic Programming and Equivalent Consumption Minimization Strategy for Eco-Driving in a Connected and Automated Vehicle
本文主要研究了混合动力汽车的速度规划和能量管理问题。生态驾驶问题在空间域中被制定为非线性动态优化问题，其中关于即将到来的速度限制和道路地形的信息被假定为先验已知的。为了解决这一问题，提出了一种新的基于动态规划（DP）的优化方法，其中嵌入了因果等效消耗最小化策略（ECMS）。使用实验数据验证了用于预测真实路线能耗的基础车辆模型。此外，提出了一种多层分层控制体系结构，作为车辆中实时实现的途径。DP-ECMS算法被引入到一个长期的优化问题，然后适应滚动时域实现使用近似动态规划（ADP）的原则。然后对传统DP解决方案的计算经济替代方案进行基准测试和评估。
2020-10-07 cs.SY eess.SY
Data-driven Energy Management Strategy for Plug-in Hybrid Electric Vehicles with Real-World Trip Information
本文提出了一种用于插电式混合动力汽车的数据驱动的监督能源管理策略（EMS），该策略利用车辆到云的连接，通过从已完成的行程中学习控制策略来提高能源效率。所提出的EMS由两层组成，云层和车载层。云层具有两个主要任务：第一个任务是从历史行程数据学习EMS策略参数，第二个任务是沿着车辆请求的特定路线提供策略参数。车载层从云层接收学习的策略参数，并使用模型预测控制方案计算动力系能量管理问题的实时解决方案。拟议的EMS是在超过3000英里（48个独立的驾驶循环）的真实世界的行程数据，收集沿三个通勤路线在加利福尼亚州进行评估。对于路线，所提出的算法显示3.3%，7.3%，和6.5%的平均MPGe相比，基线EMS的改善。
2020-06-05 cs.SY eess.SY
Learning-Based Model Predictive Control for the Energy Management of Hybrid Electric Vehicles Including Driving Mode Decisions
提出了一种基于模型预测控制的并联式混合动力汽车能量管理系统在线控制器。它的任务是通过计算驾驶员的动力请求在动力系统的电气和燃烧部分之间的分配，以及通过选择取决于车辆离合器状态的驾驶模式，来最大限度地减少车辆在预测的驾驶任务中的燃料消耗。在模型预测控制结构中包括离合器状态并不是微不足道的，因为作为结果，潜在的优化问题变成了混合整数规划。使用庞特里亚金最小值原理和简化的车辆模型，可以证明存在依赖于驾驶循环的临界功率请求Pcrit，其唯一地分离最佳驾驶模式。基于此结果，提出了一种学习算法来确定车辆运行期间的Pcrit。将学习算法引入到多级控制器结构中，并以两个实际驾驶任务为例，详细分析了多级学习模型预测控制器的工作原理.动态规划得到的解决方案的比较表明，所提出的控制器实现接近最优性能。
2023-01-03 cs.SY eess.SY
Energy Management Strategy for an Autonomous Electric Racecar using Optimal Control
乘用车的自动化越来越普遍，导致汽车在未来几年内实现完全自主。此外，可持续的电动交通越来越重要。由于赛车一直是技术的开发平台，后来也转移到乘用车上，因此创建了一种名为Roborace的自动电动赛车比赛形式。由于电动赛车只能储存有限的能量，因此需要一个能量管理策略（EMS）来计算出赛道的时间和最小能量轨迹。同时，在计算比赛轨迹时，必须考虑电动动力系统中的技术限制和部件行为。在本文中，我们提出了一种特殊类型的EMS的概念。这是基于最优控制问题（OCP）的生成时间最小的全局轨迹，通过直接正交配置的转录非线性规划问题（NLPP）解决。我们扩展这个最小圈速的问题，增加我们的想法，一个整体的EMS。这种方法证明了所述想法的基本可行性，例如，由于EMS所涵盖的能量限制而改变跑道和速度。此外，所提出的概念形成的基础上，未来的工作元模型的动力系统的组件，可以被送入OCP，以增加有效性的EMS的控制输出。
2020-05-15 cs.SY eess.SY
Transmission Ratio Design for Electric Vehicles via Analytical Modeling and Optimization
在本文中，我们提出了一个有效的分析建模方法的设计，电动汽车的变速器。具体来说，我们首先设计了一个分析损失模型的电机，并表明，它可以准确地拟合从原始电机地图只采样三个点。其次，我们利用这个模型来获得最佳传动比作为车轮的速度和扭矩的函数，并使用它来优化传动比。最后，我们展示了我们的分析方法与现实世界的案例研究比较两种不同的传输技术的宝马i3：固定齿轮变速器（FGT）和无级变速器（CVT）。我们的研究结果表明，即使是为FGT专门设计的电机，CVT的实施也可以显着提高其运行效率超过3%。所提供的模型将最终弥合理解如何以集成方式有效地指定电机和传动技术的差距，并能够有效地比较基于单速和多速的电动动力系统。
2020-06-08 cs.SY eess.SY
Impact of Loss Model Selection on Power Semiconductor Lifetime Prediction in Electric Vehicles
功率损耗估计是功率半导体器件寿命预测的一个必不可少的步骤。以往的研究成功地进行稳态功率损耗估计不同的应用，但可能是有限的电动汽车（EV）的高动态。基于两种标准的电动汽车行驶工况曲线，对两种不同时间分辨率的功率损失估算模型进行了比较研究，输出周期平均值和开关周期平均值。相应估计的功率损耗、热曲线和寿命清楚地指出，具有输出周期平均值的广泛应用的功率损耗模型对于EV应用是有限的，特别是对于高度动态的驾驶循环。由于损耗模型选择的不合理，导致寿命预测值相差300倍以上，这就需要引起业界对电动汽车差异性的关注，以及损耗模型选择在寿命预测中的重要性。
2022-08-27 cs.SY eess.SY
A Comprehensive Study on Cyber Attack Vectors in EV Traction Power Electronics
Dana Incorporated（丹纳赫公司）
本文研究了电动汽车牵引电力电子中的网络攻击途径，利用STRIDE框架分析了潜在漏洞，并通过实验验证了固件安全设计的重要性。
2025-11-20 cs.SY eess.SY
A Data Driven Method of Feedforward Compensator Optimization for Autonomous Vehicle Control
本文提出一种数据驱动的前馈补偿器优化方法，利用PCA提取特征和时延神经网络预测误差，以提升自动驾驶车辆控制性能，仿真显示路径跟踪误差和转向振荡分别改善44.4%和26.7%。
2019-06-05 cs.SY eess.SY
Model-Agnostic Energy Throughput Control for Range and Lifetime Extension of Electric Vehicles via Cell-Level Inverters
University of California, Berkeley（加州大学伯克利分校）；Chalmers University of Technology（查尔姆斯理工大学）；BMW Group Technology Office USA（宝马集团美国技术办公室）
本文提出一种模型无关的能量吞吐控制策略，通过细胞级逆变器实现对单个电池单元的独立控制，提升电动汽车续航和电池寿命。
2026-04-08 cs.SY eess.SY
Validation and Calibration of Energy Models with Real Vehicle Data from Chassis Dynamometer Experiments
本研究利用真实车辆数据验证简化能量模型，通过校准Autonomie模型复现丰田RAV4特性，证明简化模型能可靠估计实际驾驶条件下的燃油消耗，适用于大规模交通应用。
2025-03-27 cs.SY eess.SY
Sequential Optimization of Speed, Thermal Load, and Power Split in Connected HEVs
University of Michigan（密歇根大学）
本文提出了一种序列优化方法，用于连接混合动力汽车中的节能驾驶速度轨迹规划、空调热负荷规划（节能冷却）和动力总成控制，通过主动利用交通数据进行车辆速度预测，评估个体和集体的能源节约效果。
2019-03-20 cs.SY eess.SY math.OC
Integrated Longitudinal Speed Decision-Making and Energy Efficiency Control for Connected Electrified Vehicles
为提高互联电动汽车的行驶机动性和能源效率，提出了一种集成纵向速度决策和能源效率控制策略。所提出的方法是一个分层的控制体系结构，它被假定为包括较高级别和较低级别的控制。本文以模型预测控制和强化学习为核心，针对一组自动驾驶汽车，将两者相结合，以提高动力总成的机动性和燃油经济性。更高级别的系统通过车辆到基础设施和车辆到车辆的通信来利用连接的自动驾驶车辆的信号相位、定时和状态信息，以减少红灯停车。上位机采用模型预测控制技术输出最优车速，下位机进行功率分配控制。这两个级别通过实车中的控制器局域网相互通信。较低级别利用无模型强化学习方法来提高每个连接的自动驾驶车辆的燃油经济性。数值试验表明，通过减少红灯怠速，车辆的机动性可以得到显著改善（行驶时间减少30%）。通过不同节能控制方案的对比分析（燃油经济性提高13%），验证了该方法的有效性和性能。
2020-07-24 cs.SY eess.SP eess.SY
