Energy-optimal Design and Control of Electric Powertrains under Motor Thermal Constraints
本文提出了一种建模和优化框架，以最大限度地减少能源消耗的全电动动力系统，通过优化其设计和控制策略，同时明确占电动机（EM）的热行为。具体来说，我们首先推导出凸模型的动力总成组件，包括电池，EM，传输和集总参数热网络（LPTN）捕获的EM的热动力学。其次，我们在时域框架的最优控制问题，并设计了一个两步算法来加速收敛和有效地解决由此产生的凸问题，通过非线性规划。随后，我们提出了一个紧凑型家用轿车的案例研究，优化其传动设计和操作与再生制动和EM冷却控制策略，为有限数量的电机和传动技术。我们使用高保真仿真软件Motor-CAD验证了我们提出的模型，表明LPTN非常准确地捕获了EM的热动力学，并且永磁体的温度是延长驱动期间的限制因素。此外，我们的研究结果表明，配备无级变速器（CVT）的动力系统比固定齿轮变速器（FGT）的能耗更低，因为CVT可以降低EM损耗，从而降低EM温度。最后，我们的研究结果强调了在设计EM时考虑热行为的重要性，以及CVT在缩小尺寸方面所提供的潜力。
2022-04-12 cs.SY eess.SY
Optimal Vehicle Dynamics and Powertrain Control for Connected and Automated Vehicles
University of Delaware（特拉华大学）
本文提出了一种两级控制架构，用于优化连接和自动化混合动力电动汽车的速度剖面和动力总成效率，通过车辆网络模拟评估了该架构。
2019-05-24 cs.SY eess.SY math.OC
Eco-Driving Control for Electric Vehicles with Multi-Speed Transmission: Optimizing Vehicle Speed and Powertrain Operation in Dynamic Environments
University of Minnesota（明尼苏达大学）
本文提出了一种针对多速变速器电动车的生态驾驶算法，通过联合优化车辆速度和动力总成操作，在动态环境中实现能耗降低。
2026-01-27 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
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
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
Comprehensive Energy Footprint Benchmarking Algorithm for Electrified Powertrains
汽车控制系统的自主性和电气化使现代动力总成成为最复杂的网络物理系统之一。本文提出了一种基准算法来量化复杂的汽车系统表现出机械，电气和热的相互作用在不同的时间尺度的性能。传统的动态规划方法被用来对系统的性能进行基准测试，然而，由于维数灾难的原因，动态规划方法无法对具有更多状态和控制杠杆的系统提供结果。我们提出了“PS3”，一个三步算法的混合整数非线性最优控制问题的应用动力总成能量管理。PS3使用伪谱配置理论进行高精度的动力学建模。基于经过验证的动力系统组件模型，我们已经解决了电气（SOC），车辆（生态驾驶）和热（后处理和电池温度）动态的同时优化，以及整数（齿轮和发动机开/关）控制及其相应的（停留时间）约束。PS3用于解决具有快速和缓慢动态状态、不连续行为、不可微和线性内插的1-D和2-D映射以及组合约束的大型动力系统问题。五个案例研究动力系统控制问题的基准精度和计算工作量对动态规划。我们的分析表明，该算法不会像动态规划那样增加计算负担，并且可以处理现代动力系统中发生的高度复杂的相互作用，而不会影响非线性和复杂的工厂建模。
2021-06-02 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
Vehicle Powertrain Connected Route Optimization for Conventional, Hybrid and Plug-in Electric Vehicles
Sun Yat-sen University – Carnegie Mellon University Joint Institute of Engineering（中山大学-卡内基梅隆大学工程联合学院）；Carnegie Mellon University（卡内基梅隆大学）
本文提出了一种基于车辆动力总成信息的路线优化策略，考虑车辆类型、电池状态和交通条件对行程成本的影响，通过优化得到更低成本的路径。
2016-12-05 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
Convex Optimization of Speed and Energy Management System for Fuel Cell Hybrid Trains
我们希望通过优化氢混合动力列车的运行，最大限度地减少氢燃料的消耗。考虑的动力系统是燃料电池充电维持混合动力。凸优化用于计算最佳速度和能量管理轨迹。障碍物法用于快速求解优化问题，整个行程约为数十秒。模拟显示，当两个轨迹-速度和能量管理-在单个优化问题中同时优化时，与以顺序方式分别优化-在优化速度之后优化能量管理相比，燃料消耗大大减少。它的结论是，并行方法大大受益于其整体动力系统的知识，同时优化所有的轨迹在一个单一的优化问题。
2021-09-28 cs.SY eess.SY math.OC
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
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
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
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
Time-optimal Control Strategies for Electric Race Cars with Different Transmission Technologies
本文提出了模型和优化方法，以快速计算可实现的单圈时间的赛车配备了电池电动动力总成。具体来说，我们首先推导出电动动力系统的准凸模型，包括电池、电机和两种传动技术：单速固定齿轮和无级变速器（CVT）。其次，假设一个专家驱动程序，我们制定了时间最优控制问题，为一个给定的驾驶路径，并解决它使用迭代凸优化算法。最后，我们展示了我们的框架，通过比较单速变速器和CVT在勒芒赛道上的性能。我们的研究结果表明，无级变速器可以平衡其较低的效率和较高的重量与更高的效率和更积极的电机操作，并显着优于固定的单齿轮变速器。
2020-05-15 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
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
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
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
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
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
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
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
A Human-optimized Model Predictive Control Scheme and Extremum Seeking Parameter Estimator for Slip Control of Electric Race Cars
本文针对后驱电动赛车提出融合MPC解析解与ESC在线估计的纵向滑移控制方案，并采用人因偏好优化整定参数，实现最优滑移的自动确定与跟踪。
2024-11-24 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
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
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
Model Predictive Climate Control of Connected and Automated Vehicles for Improved Energy Efficiency
University of Michigan（密歇根大学）
本文提出了一种用于未来连接和自动化车辆空调系统的模型预测控制方法，通过预测模型优化能耗，实现9%的能效提升。
2018-03-02 cs.SY eess.SY math.OC
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
Optimization-Based Comparative System Evaluation of Single and Dual Traction Inverters with Focus on Partial Load Efficiency and Chip Area
本文提出基于优化的方法评估单、双牵引逆变器的部分负载效率与芯片面积，对比两种拓扑以确定未来电动汽车动力总成的最优方案。
2025-07-04 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
Optimal Endurance Race Strategies for a Fully Electric Race Car under Thermal Constraints
本文提出一个双层优化框架，通过扩展凸圈速优化并构建混合整数二阶锥规划，联合优化赛段、充电时间与进站次数，在热约束下最大化电动耐力赛车的行驶距离。
2023-11-21 cs.SY eess.SY math.OC
Electric Autonomous Mobility-on-Demand: Joint Optimization of Routing and Charging Infrastructure Siting
车辆自主性、连通性和电动动力系统的出现有望实现按需自主移动系统的部署。至关重要的是，这些车队的路线和充电活动受到单个车辆和周围充电基础设施设计的影响，而这些基础设施的设计又应考虑到预期的车队运营。本文提出了一个建模和优化框架，我们优化车队的活动与充电基础设施的位置。我们采用中观规划的角度，并设计了一个时间不变的车队活动的路线和充电模式的模型，明确捕获的充电状态的车辆的道路网络作为一个有向图与等能量弧。然后，我们将问题转化为一个混合整数线性规划，保证全局最优性，可以在不到10分钟内解决。最后，我们展示了两个案例研究与纽约曼哈顿的真实出租车数据：第一个捕捉到充电基础设施普及率和车队行驶空里程之间的最佳权衡。我们观察到，共同优化基础设施选址显着优于启发式布局策略，增加车站的数量是有益的，只有到一定程度。第二个案例侧重于车辆设计，并表明部署配备较小电池的车辆会导致最低的能耗：尽管需要更多的充电站行程，但此类车队所需的能源比电池容量较大的车辆少约12%。
2022-11-22 cs.SY eess.SY
Development of a Digital Twin for an Electric Vehicle Emulator Modeling, Control, and Experimental Validation
Icam School of Engineering（ICAM工程学院）
本研究开发了缩比电动汽车仿真器的数字孪生，采用EMR框架建模与控制，经实验验证仿真与实测高度吻合，还提出了最大车重计算方法与四象限运行切换算法，为EV相关研发提供可扩展的有效方案。
2025-10-28 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
Optimal Energy Management of Series Hybrid Electric Vehicles with Engine Start-Stop System
针对带发动机启停系统的串联式混合动力汽车，本文推导解析最优能量管理解并证明电量维持最优性，进而提出参数少、可调的 HPTS 启发式策略，验证其接近 DP 且适用于高保真模型。
2022-03-30 cs.SY eess.SY
A Hierarchical Robust Control Strategy for Decentralized Signal-Free Intersection Management
提出去中心化无信号交叉口的分层鲁棒控制策略，联合优化 CAV 通行顺序与速度轨迹，并通过二阶锥规划和仿真验证其能效、吞吐量与鲁棒性。
2023-02-08 cs.SY eess.SY math.OC
Human-like Energy Management Based on Deep Reinforcement Learning and Historical Driving Experiences
Chongqing University（重庆大学）；Chongqing Normal University（重庆师范大学）；Chongqing University Three Gorges Hospital（重庆大学附属三峡医院）
本文面向混合动力电动汽车提出融合DDPG、DP专家轨迹与驾驶员历史数据的类人能量管理框架，并通过实验验证其燃油经济性、收敛性与适应性。
2023-09-26 cs.AI cs.LG cs.SY
Fundamental limitations to no-jerk gearshifts of multi-speed transmission architectures in electric vehicles
多速变速器可以提高性能并降低电动汽车的总体成本，但它们也带来了一个挑战：避免换档急动，这有时在电机和离合器饱和的情况下可能被证明是不可能的。在这篇文章中，我们介绍了三个定理，明确定义的基本限制，无加加速度换档电机或致动器饱和。我们比较换档，包括从一个摩擦离合器传递扭矩到另一个，在这种情况下，其中一个离合器是单向离合器。我们表明，系统与单向离合器更容易电机饱和，导致换档颠簸往往是不可避免的。我们还研究了行星齿轮组对换档动力学轨迹的影响，并揭示了对无冲击极限的影响。这项工作提供了工具，比较传输架构在概念设计阶段的一个新的电动汽车。
2021-02-16 cs.SY eess.SY
Optimal Scheduling of Multi-Energy Systems with Flexible Electrical and Thermal Loads
Nanyang Technological University（南洋理工大学）；Cambridge Centre for Advanced Research and Education in Singapore Ltd.（新加坡剑桥先进研究与教育学院有限公司）
本文提出了一种多能源系统的详细最优调度模型，考虑了联合循环发电厂、电池储能系统、可再生能源、锅炉、热储能系统、电力负荷和热负荷的详细启停功率轨迹，通过利用柔性电力泵负荷、可中断电力负荷和柔性热负荷的灵活性，降低系统整体能耗。
2018-11-23 cs.SY eess.SY
Optimal Eco-driving Control of Autonomous and Electric Trucks in Adaptation to Highway Topography: Energy Minimization and Battery Life Extension
在本文中，我们开发了一个模型来规划节能的速度轨迹的电动卡车在实时考虑到地形和交通信息的车辆。在此实时控制模型中，首先开发了一种新的状态空间模型来捕获车辆的速度，加速度和充电状态。然后，我们制定了一个能量最小化问题，并解决它的交替方向的乘法器（ADMM）的方法，利用问题的结构。一个模型预测控制框架，然后采用实时处理地形和交通的不确定性。实证研究所提出的生态驾驶算法的性能及其对电池退化的影响。实验结果表明，通过使用所开发的方法的能源消耗降低了高达5.05%，电池寿命延长高达35.35%，相比基准解决方案。
2021-12-23 cs.SY eess.SY
