Development and implementation in Amesim of the model predictive control for the energy management of a HEV

The rising price of fuel and the ever-restricting legislations on fuel consumption and amount of pollutant emissions have encouraged almost all automotive manufacturers to look for alternative propulsion systems which may replace the well-established internal combustion engine. Hybridization seems the most promising solution at least in the short term period. The term hybrid electric vehicle indicates a ground vehicle which is equipped with either one or two electric machines in addition to a conventional internal combustion engine. A hybrid electric vehicle guarantees a great flexibility in the energy management since both fuel energy and electric energy stored in a battery can be used together to provide the necessary traction effort; however the superior operating flexibility of the powertrain requires a complex control strategy which manages efficiently the power flow among the components of the powertrain. In addition hybrid vehicles establish new challenges for the designers in particular considering the passengers’ quality perception of the vehicle, i.e. NVH (i.e. Noise and Vibration Harshness). This thesis develops a MPC-based control strategy for the energy management problem of a power-split hybrid electric vehicle where fuel economy and reduction of the discomfort felt by passengers during engine starting and stopping are the core objectives. The strategy is formulated according to an optimization problem driven by the two objectives above mentioned and subjected to multiple constraints. The constraints are related to the operating points of the machines, to the need of assuring charge sustenance of the vehicle and reduce the longitudinal oscillations due to engine start and stop. The strategy has been validated over some standard drive cycles and the performance have been compared to those achievable with a rule based strategy. The thesis assesses the potential of implementing additional information provided by interactive navigation systems like GPS and GIS in the optimization problem; moreover it investigates which parameters affect the most the numeric optimization. The results show a decrease in fuel consumption in all standard drive cycles in comparison to the rule based strategy. The MPC-based control strategy shows good robustness against vehicle parameters uncertainty nonetheless the analysis has highlighted few weaknesses of the linear MPC approach. All simulations have been carried out via co-simulation between Simulink® and Amesim®.

Il crescente costo del carburante e l’introduzione di leggi restrittive in materia di consumo di combustibile ed emissione di sostanze nocive, sta spingendo i costruttori mondiali di veicoli terrestri allo sviluppo di sistemi di propulsione alternativi al consolidato motore a combustione interna. Nell’ultimo ventennio varie sono state le soluzioni ipotizzate, ciò nonostante l’ibridizzazione sembra attualmente la soluzione tecnica più promettente per raggiungere i traguardi di superiore efficienza energetica. Un veicolo elettrico ibrido é equipaggiato con un motore a combustione interna supportato da almeno un motore elettrico e da una fonte di potenza elettrica. Grazie alla possibilità di utilizzare contemporaneamente l’energia chimica del combustibile e l’energia elettrica immagazzinata in una batteria ad alto voltaggio, i veicoli ibridi elettrici (HEV) garantiscono elevata flessibilità operativa con potenzialità di ridurre in maniera significativa le emissioni nocive e il consumo rispetto a un veicolo convenzionale. Tuttavia la superiore efficienza energetica può essere raggiunta solo a patto che tutti i componenti del sistema di propulsione cooperino in sinergia. Questo richiede lo sviluppo di una strategia di controllo avanzata capace di ottimizzare il flusso di potenza tra le macchine. In aggiunta gli HEVs pongono nuove sfide nell’ambito della progettazione NVH dei veicoli. Questa tesi ha l’obiettivo di sviluppare una strategia di controllo basata su Model Predictive Control per la gestione del flusso di potenza del veicolo e la riduzione delle vibrazioni del corpo vettura associate agli eventi di attivazione e spegnimento del motore a combustione interna. La strategia risolve un problema di ottimizzazione guidato dai due obiettivi menzionati in precedenza e soggetto ai numerosi vincoli operativi delle macchine. La strategia é stata testata simulando 5 cicli di guida standardizzati e le prestazioni in termini di riduzione del consumo e delle vibrazioni del corpo vettura, sono state confrontate con quelle ottenibili da una strategia concorrente basata su un approccio euristico. La tesi analizza anche la potenzialità di integrare ulteriori informazioni rese disponibili da sistemi di navigazione quali GPS e GIS nella gestione ottimale del flusso di potenza. I risultati mostrano un decremento del consumo totale sui cicli di guida standardizzati quando la strategia MPC é implementata; essa mostra anche robustezza rispetto alla variabilità di alcuni parametri del veicolo e della strada. Tuttavia emergono delle limitazioni dovute allo sviluppo di una strategia linearizzata. Tutte le simulazioni sono state condotte in parallelo con i software Simulink® e Amesim®.