上傳人：逗***

認(rèn)證信息

認(rèn)證類型：個(gè)人認(rèn)證

認(rèn)證主體：林**（實(shí)名認(rèn)證）

IP屬地：寧夏

IP屬地：寧夏 上傳時(shí)間：2025-04-04 格式：PPTX 頁數(shù)：27 大?。?.52MB 積分：15 舉報(bào) 版權(quán)申訴

1-基于模型預(yù)測控制的電池?zé)峁芾聿呗?.

項(xiàng)目背景介紹2.

MPC介紹3.

算法應(yīng)用及對比4.

總結(jié)與展望目錄-2-項(xiàng)目意義溫度/℃壽命/天2362383517904567055272被動(dòng)冷卻，消耗能量很少，但

散熱能力十分有限主動(dòng)冷卻，散熱能力強(qiáng)，但能

耗較高1.電池工作溫度過高的危害2.常見解決方案工作溫度與電池日歷壽命的關(guān)系熱失控節(jié)能控制策略冷卻方式：控溫?fù)p害電池壽命-3-項(xiàng)目背景

難點(diǎn)：電池冷卻循環(huán)和制冷循環(huán)在能量交換以及執(zhí)行器控制上相互耦合控制對象：基于主動(dòng)冷卻的電池

熱管理系統(tǒng)；控制目標(biāo)：1，保證電池溫度在安全范圍；2，減少執(zhí)行器用能；任務(wù)：-4-系統(tǒng)需求：

使電池包的溫度處于或接近適宜的范

圍（25~30℃)

;

滿足控溫的前提下，減少執(zhí)行器能耗；

滿足一定的實(shí)時(shí)性要求；系統(tǒng)需求經(jīng)過文獻(xiàn)調(diào)研發(fā)現(xiàn)，相比傳統(tǒng)控制方法，MPC算法可以實(shí)現(xiàn)更好的控溫和節(jié)能的效果執(zhí)行器：電池循環(huán)泵，制冷循環(huán)擾動(dòng)參數(shù)：電池充放電需求初步簡化：將制冷循環(huán)當(dāng)作執(zhí)行器考慮，

將電池冷卻系統(tǒng)簡化為如下結(jié)構(gòu)；Battery

packChillerDsiturbance:

Iout!

Pchillernpump-5-文獻(xiàn)調(diào)研2.MPC和

PID

的結(jié)果對比

HIL平臺實(shí)驗(yàn)[2]虛擬車型：聯(lián)網(wǎng)自動(dòng)駕駛汽車（CAV）控制方法：NMPC

(vsPID)計(jì)算平臺：dSPACEMicroAutoBox冷卻方式：風(fēng)冷+液冷

實(shí)車道路實(shí)驗(yàn)[1]車型：Golf

GTE

(PHEV)控制方法：NMPC

(vsrule-based)計(jì)算平臺：IntelCore

i5@2.6

GHz

冷卻方式：液冷在相近的控溫效果下，附件耗能比PID減少30%（underUDDScycle）注：

Reference

Temperature=

27℃[1]Lopez-SanzJ,Ocampo-MartinezC,Alvarez-FlorezJ

,etal.

Thermal

Management

in

Plug-In

Hybrid

Electric

Vehicles:

aReal-TimeNonlinearModelPredictiveControl

Implementation.[J].

IEEETransactionsonVehicularTechnology,2017:1-1.1.MPC和Rule-basedControl

的結(jié)果對比[2]ChongZ,FeiL,HuaZ.Robust

Predictive

Battery

Thermal

Management

Strategy

for

Connected

and

Automated

Hybrid

Electric

Vehicles[J].

IEEE,

2018:1-1.25℃25℃-6-1.

項(xiàng)目背景介紹2.

MPC介紹3.

算法應(yīng)用及對比4.

總結(jié)與展望目錄-7-系統(tǒng)特點(diǎn)：o

用于多參數(shù)控制時(shí)，控制器的復(fù)雜度相對單參數(shù)控制不會明顯增加o

可處理時(shí)變且非線性系統(tǒng)，并方便實(shí)現(xiàn)約束條件下的優(yōu)化o

基于預(yù)測信息的輸入可明顯改善控制效果，順應(yīng)未來智能網(wǎng)聯(lián)的技術(shù)趨勢方案概念控制器每次都基于當(dāng)前

時(shí)刻檢測并反饋的狀態(tài)

來進(jìn)行優(yōu)化預(yù)測模型t預(yù)測時(shí)域內(nèi)模型MPC原理介紹滾動(dòng)優(yōu)化反饋校正控制輸入預(yù)測輸出-8-方案概念狀態(tài)量（4個(gè)）：V1：

一階RC環(huán)節(jié)電壓Tcell：電池包平均溫度Tliq：電池包冷卻水出口溫度

Tch：

Chiller冷卻水出口溫度控制量（2個(gè)）：n

pump:循環(huán)泵轉(zhuǎn)速pchiller:Chiller換熱量

擾動(dòng)量（1個(gè)）：Iout:電流需求n

pump和pchiller都可作為控制量，此處為方便對比展示，

將pchiller設(shè)為定值，僅選取n

pump為控制量主要建模部件：電池包，Chiller對模型要求：速度快，精度高電池包：等效電路模型，產(chǎn)熱傳熱過程預(yù)測模型Battery

pack滾動(dòng)優(yōu)化

反饋校正ChillerTchV1,Tcell!

pchillerDsiturbance:

Iout建模難點(diǎn)：npumpTliq-9-pur

pac

v-v-lou

mr

Q

gen=lou

e(voc

v-v

our)其中voc

v,Rmr,R,G1=函數(shù)集(sig(lou

e),Tc

eu,soc)整理后：方案概念預(yù)測模型滾動(dòng)優(yōu)化

反饋校正電池包模型：等效電路-產(chǎn)熱模型散熱模型非線性時(shí)變系統(tǒng)-10-方案概念>

滾動(dòng)優(yōu)化

>預(yù)測模型J

=

?

T

t

?

Tr

R

T

T

t

?

Tr?

+uR

pu?]dtT

t

電池溫度Tr

電池目標(biāo)溫度u

執(zhí)行器能耗RT

，Rp

權(quán)重系數(shù)0

+HP0tMATLAB工具箱:ModelPredictiveControlToolbox①

NMPC算法（內(nèi)置fmincon函數(shù)，采用SQP尋優(yōu)算法）②

AMPC算法（采用LQP尋優(yōu)算法）MATLAB:ExtendedKalmanFilter（非線性），KalmanFilter(線性）溫度跟隨控制，同時(shí)考慮能耗優(yōu)化(LQP型)

目標(biāo)函數(shù)優(yōu)化算法反饋校正反饋校正-11-1.

項(xiàng)目背景介紹2.

MPC介紹3.

算法應(yīng)用及對比4.

總結(jié)與展望目錄-12-問題描述常用方法優(yōu)化算法線性模型，線性約束，線性cost線性MPC控制器LQP非線性模型，線性約束，線性cost

優(yōu)化問題的結(jié)構(gòu)不隨工況變化AdaptiveMPC控制器LQP非線性模型，線性約束，線性cost

優(yōu)化問題的結(jié)構(gòu)隨工況變化Gain-ScheduledMPC控制器LQP高度非線性模型，非線性約束，非

線性costNonlinearMPC控制器SQP（梯度尋優(yōu)）工具箱介紹優(yōu)點(diǎn)：算法成熟，魯棒性強(qiáng)，生成代碼效率高；MATLAB工具箱

(ModelPredictiveControl

Toolbox)可生成C/C++

Code2020a

可

生成代碼-13-NMPC介紹NMPC控制器控制量u非線性仿真模型被控對象的被控對象數(shù)學(xué)模型狀態(tài)觀測器Nonlinear-MPC結(jié)構(gòu)重構(gòu)狀態(tài)量x測量輸出y目標(biāo)值-14-需要先在MATLAB工作區(qū)中定義“nlobj”函數(shù)體，該函

數(shù)體內(nèi)可以定義：1，NLMPC問題的結(jié)構(gòu)（states，

inputs，outputs等）；

2，特征參數(shù)（時(shí)間步長，預(yù)測時(shí)域，控制時(shí)域等）；3，非線性數(shù)學(xué)模型；4，限制條件（Constraints)；5，目標(biāo)函數(shù)（Costfunction）以及權(quán)重（Weights）；

6，求解方法（默認(rèn)為基于SQP的梯度尋優(yōu)）NMPC介紹實(shí)質(zhì)為非線性優(yōu)化問題，目的是找到令預(yù)

測時(shí)域內(nèi)Costfunction最小的u的軌跡缺點(diǎn)：耗時(shí)長且無法保證全局最優(yōu)

預(yù)測時(shí)域

——預(yù)測時(shí)域內(nèi)可能出現(xiàn)的u的軌跡NMPC控制器

控制時(shí)域t-15-NMPC介紹作用：1，根據(jù)測量值和數(shù)學(xué)模型，反推出不可測的狀態(tài)量；2，通過對測量信號的濾

波及修正，提升反饋信號的精度；2,擴(kuò)展卡爾曼濾波：基于測量值和模型預(yù)測值的置信度，得到最接近真值的最優(yōu)估計(jì)值1,重構(gòu)不可觀測的狀態(tài)量：RC環(huán)節(jié)電壓V1用如下階躍電流作為系統(tǒng)輸入Iout通過觀測Vout，重構(gòu)狀態(tài)量V1狀態(tài)觀測器擾動(dòng)參數(shù)-16-AMPC介紹AMPC控制器控制量u非線性仿真模型模型線性器狀態(tài)觀測器自適應(yīng)MPC（Adaptive-MPC）結(jié)構(gòu)線性化后

的模型目標(biāo)值被控對象的

數(shù)學(xué)模型重構(gòu)狀態(tài)量x測量輸出y-17-需要先在MATLAB工作區(qū)中定義“mpcobj”函數(shù)體，該函數(shù)體內(nèi)可以定義：1，MPC問題的結(jié)構(gòu)（states，

inputs，outputs等）；2，特征參數(shù)（時(shí)間步長，預(yù)測時(shí)域，控制時(shí)域等）；3，線性初始化數(shù)學(xué)模型；4，限制條件（Constraints)；5，權(quán)重（Weights）；6，求解方法（默認(rèn)為基于LQP的線性優(yōu)化求解）AMPC介紹近似轉(zhuǎn)化為線性MPC問題，采用線性二次規(guī)劃（LQP）可以得到全局最優(yōu)解析解；缺點(diǎn)：無法自定義CostFunction，必須用線性二次規(guī)劃（LQP）標(biāo)準(zhǔn)形式直接求得預(yù)測時(shí)域內(nèi)最優(yōu)的u的軌跡AMPC控制器

控制時(shí)域預(yù)測時(shí)域t-18-情況二：在預(yù)測時(shí)域內(nèi)工況變化范圍大，模型的變化不可以忽略；“Successive

Linearizer”這時(shí)需要得到預(yù)測時(shí)域內(nèi)的每一次時(shí)間節(jié)點(diǎn)下的線性化模型，在預(yù)測時(shí)域內(nèi)理論上處處模型都不同；情況一：在預(yù)測時(shí)域內(nèi)工況變化范圍小，模型的變

化可以忽略；這時(shí)只需要在每次預(yù)測時(shí)域開始之前對模型在當(dāng)前工況下進(jìn)行一次線性化，在預(yù)測時(shí)域內(nèi)模型不變；AMPC介紹模

模

模

模

型

型

型

型B

C

DE模型

……F預(yù)測時(shí)域模型線性器（手工代碼）預(yù)測時(shí)域utut模

型

A模型A-19-NMPCAMPCReference仿真結(jié)果對比時(shí)間步長：1s預(yù)測時(shí)域：20s控制時(shí)域：10s控制量constraints:[0,1000]控制量變化率Constraints:[-50,50]NMPC與AMPC結(jié)果對比(無未來信息，即預(yù)測時(shí)域內(nèi)Iout不變）050

100

150200250

300350

400Time(s)35302520-20-EKF仿真結(jié)果對比狀態(tài)重構(gòu)+擴(kuò)展卡爾曼濾波器效果0

50

100

150200

250300350400

450

Time(s)050

100

150200

250300350400

450

Time(s)Estimated2928.52827.52725.525MeasurementFiltered-0.25-0.05-0.15-21-全局

NoWitCost

Prev

h

Prefun對

iew

7

view比：2.426.9仿真結(jié)果對比有無未來信息結(jié)果對比

（預(yù)測時(shí)域中加入未來Iout信息）050

100

150200250

300350

400

Time(s)35302520with