Mixed-integer optimal control methods for the energy management of hybrid electric vehicles

Over the past twenty years, automotive manufacturers and research centers have been increasingly investing resources and efforts into the development of alternative propulsive technologies to lower fuel consumption and pollutant emissions in passenger and commercial vehicles. Hybrid electric powertrains represent a concrete answer to address these problems, providing reduction of greenhouse gas emissions and fuel consumption whilst guaranteeing drive pleasure. Notwithstanding this, the growing complexity and degrees of freedom of current hybrid powertrain architectures impose a tailored supervisory energy management strategy to unleash the full potential of the hybrid vehicle, both in terms of fuel economy and driveability. In this thesis we study models and optimization algorithms to address the problem of computing the minimum-fuel energy management strategy of a hybrid electric vehicle on a given driving cycle. Specifically, we derive a detailed quasi-static model of the hybrid powertrain accounting for the nonlinearities of each subsystem. Afterwards, we propose three new algorithmic frameworks to efficiently solve multi-state optimal control problems with mixed-integer control variables, arising when optimal power split, gearshift and engine on/off signals are sought. We showcase the effectiveness of the algorithms in terms of solution quality and reasonable run time by analyzing real case studies. Numerical results show that the proposed methodologies can assess fuel-optimal control strategies with a low computational burden, paving the way for extensive parameter studies and unbiased comparisons among different hybrid powertrain architectures to be performed rapidly.

Negli ultimi vent'anni, i costruttori automobilistici e i centri di ricerca hanno investito sempre più risorse e sforzi nello sviluppo di tecnologie propulsive alternative per ridurre il consumo di carburante e le emissioni inquinanti dei veicoli ad uso privato e commerciale. I motopropulsori ibridi rappresentano una risposta concreta per affrontare questi problemi, riducendo le emissioni di gas serra, il consumo di carburante e garantendo al contempo il piacere di guida. Ciò nonostante, la crescente complessità e i gradi di libertà delle attuali architetture di motopropulsori ibridi impongono una strategia di gestione energetica su misura per sfruttare appieno il potenziale del veicolo ibrido, sia in termini di riduzione dei consumi che di guidabilità. In questa tesi studiamo modelli e algoritmi di ottimizzazione per affrontare il problema del calcolo della strategia di gestione energetica di un veicolo ibrido su un ciclo di guida predeterminato. Nello specifico, deriviamo un dettagliato modello quasi-statico del motopropulsore ibrido che tenga conto delle non linearità di ciascun sottosistema. Successivamente, proponiamo tre nuovi algoritmi per risolvere in modo efficiente problemi di controllo ottimali multistato con variabili di controllo misto-intere, che si presentano quando viene ottimizzata la ripartizione della potenza, delle cambiate e del segnale di accensione/spegnimento del motore a combustione interna. L'efficacia degli algoritmi viene infine dimostrata in termini di qualità della soluzione e tempo di calcolo analizzando casi reali. I risultati numerici dimostrano che le metodologie proposte possono ottimizzare la strategia di controllo con un basso onere computazionale, aprendo la strada a estensivi studi parametrici e confronti imparziali tra varie architetture di motopropulsore ibrido.