混合动力履带车辆数据驱动的建模与最优控制研究

Hybrid powertrain for tracked vehicle possesses the inter-coupling of the time varying dynamics from the powertrains, the slippage and skidding phenomenon from tracks and stochastic loading from terrain. It formidable challenges the adaptability of hybrid tracked vehicle’s system and control design. Data-driven modeling and control is a promising methodology to improve the adaptability of system integration and control design. The proposal will explore the method of the on-line data-driven modeling and system identification for hybrid electric tracked vehicle, investigate the estimation method for track’s slippage and skidding and vehicle dynamics and formulate the load, powertrain and vehicle dynamics adaptive optimal control theory and technology. The main content consists of: ① Exploring the data-driven based on-line dynamic modeling method for hybrid electric tracked vehicles, determining system input/output measurement and identification method and the on-line updating mechanism and propose the load power transition probability matrix-based prediction method incorporating steering; ② Proposing Inertial Measurement Unit information-based slippage-skidding and track-terrain interaction estimation and realizing the vehicle dynamic state and adhesion coefficient real-time calculation; ③ Exploring the reinforcement learning based multiple-object predictive optimal control design method and propose the on-line updating of the optimal control law; ④The proposed method will be validated through the numerical simulation and experimental test.

履带车辆混合动力系统特性时变与履带滑移/滑转过程的耦合以及负载功率的随机性使得履带车辆混合动力系统与控制的自适应性面临着严重的挑战，而数据驱动的建模与控制是解决该挑战的潜在有效途径。项目拟探明履带车辆混合动力系统数据驱动的在线建模及其负载功率预测方法，研究履带滑移/滑转和车辆动力学状态辨识方法，形成负载、驱动系统以及车辆动力学状态自适应的最优控制设计理论和技术，主要包括：①探明履带车辆混合动力系统数据驱动的在线模型动态表征方法，确立系统输入/输出观测与辨识方法和模型在线更新机制，提出考虑转向的负载功率转移概率矩阵预测方法；②提出融合惯性测量单元信息的履带滑移/滑转在线观测和辨识方法，实现车辆动力学和地面阻力特性的状态噪声补偿实时估计； ③面向负载功率转移概率矩阵和系统特性动态时变特点，探索基于强化学习的多目标预测最优控制设计方法，提出最优控制策略的在线更新方法；④并经过数值仿真与实验验证。

基于节能减排、驱动系统性能升级和技术革新的需求，发展混合动力驱动系统的履带车辆具备重大军事和经济意义，然而履带车辆混合动力系统特性时变与履带滑移/滑转过程的耦合以及负载功率的随机性使得履带车辆混合动力系统与控制的自适应性面临新的挑战，而数据驱动的建模与控制是解决该挑战的潜在有效途径。为提升混合动力驱动系统履带车辆的应用价值，本项目的研究围绕以下三方面展开：探明履带车辆混合动力系统数据驱动的在线模型动态表征方法，确立系统输入/输出观测与辨识方法和模型在线更新机制，提出考虑转向的负载功率转移概率矩阵预测方法；提出融合惯性测量单元信息的履带滑移/滑转在线观测和辨识方法，实现车辆动力学和地面阻力特性的状态噪声补偿实时估计；面向负载功率转移概率矩阵和系统特性动态时变特点，探索基于强化学习的多目标预测最优控制设计方法，提出最优控制策略的在线更新方法。最后，通过数值仿真与实验对上述方法进行了验证。 基于上述三方面研究内容，本项目取得以下进展：提出了基于马尔科夫过程的负载功率随机性预测方法及其在线预测与量化评判手段；形成了不同工况下履带车辆动力学参数的实时辨识算法；建立了基于负载功率转移概率矩阵预测与差异化判据的混合动力履带车辆最优控制规律的在线更新和自适应验证方法。 .本项目获得了多方面、多维度的实际成果。基于本项目，发表SCI论文共计14篇，其中多篇见于IEEE、Energy等国际顶级期刊；发表中文论文7篇，被《汽车工程》、《兵工学报》、《中国机械工程》等国内知名期刊所收录；申请发明专利12项；获得3项重大奖项，河南省科技进步奖二等奖、重庆市科学技术奖一等奖位列其内。在成果转化应用方面，搭载本项目所开发的最优控制策略的无人履带车辆平台参加跨越险阻无人挑战赛并顺利完赛。在人才培养方面，依托项目，培养了博士研究生3人，硕士研究生5人。