Prediktívna riadiaca stratégia hybridného vozidla pre pravidelne sa opakujúci režim dochádzania

Abstract

Vplyvom sprísňujúcej sa emisnej legislatívy sú výrobcovia automobilov nútení znižovať produkciu emisií výfukových plynov automobilov. V dnešnej dobe sú najdiskutovanejšími práve emisie skleníkových plynov, ktoré je možné pri použití fosílnych palív znižovať len redukciou spotreby týchto palív. Tento cieľ je možné v prípade hybridných vozidiel dosiahnuť zefektívnením riadiacej logiky. V dizertačnej práci bola vytvorená riadiaca stratégia hybridných vozidiel založená na princípe konečného automatu s využitím metódy lokálnej optimalizácie, pričom jej cieľom bolo zefektívnenie riadiacej logiky hybridného vozidla pomocou predikcie jazdného profilu pravidelného dochádzania na základe už absolvovaných jázd po rovnakej trase. Aby bola prediktívna riadiaca stratégia aktivovaná len vo vhodnej dobe, bol vytvorený algoritmus pre identifikáciu vzoru opakovania sa jázd. Následnou adaptáciou existujúcej riadiacej logiky na základe predikovaného jazdného profilu je možné dosiahnuť redukciu spotreby paliva, a tým pádom aj zníženie produkcie emisií CO2. Na overenie vytvorenej riadiacej stratégie boli uskutočnené overovacie jazdy po predom určenom okruhu. Na základe týchto jázd bolo preukázané, že v prípade mild-hybridného vozidla dochádza vplyvom prediktívnej riadiacej stratégie k zníženiu spotreby paliva a produkcie emisií CO2 o približne 2,3 %. V prípade plne hybridných vozidiel je možné kvôli vyššej miere rekuperácie predpokladať značne vyššiu úsporu, čo ešte viac zvyšuje potenciál navrhovaného riešenia.

Due to increasingly strict emissions legislation, car manufacturers are forced to reduce the production of vehicle exhaust emissions. Today, the most debated topic is greenhouse gas emissions, which, when using fossil fuels, can only be reduced by cutting down on fuel consumption. For hybrid vehicles, this goal can be achieved by making the control logic more efficient. This thesis developed a control strategy for hybrid vehicles based on the principle of a finite-state machine, using a local optimization method. The goal was to improve the efficiency of the hybrid vehicle's control logic by predicting the driving profile of a regular commute based on previously completed trips along the same route. To ensure the predictive control strategy is activated only at the appropriate time, an algorithm to identify repeating driving patterns was created. By subsequently adapting the existing control logic based on the predicted driving profile, it's possible to reduce fuel consumption and, consequently, lower CO2 emissions. To verify the control strategy, validation drives were conducted on a predetermined circuit. These drives showed that for a mild-hybrid vehicle, the control strategy leads to a reduction in fuel consumption and CO2 emissions of approximately 2.3 %. For full-hybrid vehicles, a significantly higher savings is expected due to a greater degree of regenerative braking, which further increases the potential of the proposed solution.