Hierarchical Climate Control Strategy for Electric Vehicles with Door-Opening Consideration

📄 arXiv: 2404.00559v1 📥 PDF

作者: Sanghyeon Nam, Hyejin Lee, Youngki Kim, Kyoung hyun Kwak, Kyoungseok Han

分类: eess.SY

发布日期: 2024-03-31

备注: This paper, intended for presentation at the IEEE Intelligent Vehicles Symposium (IV) 2024, comprises six pages and includes eight figures

💡 一句话要点

提出分层气候控制策略以解决电动车门开启干扰问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 电动车 气候控制 热管理 模型预测控制 门开启 乘客舒适度 仿真模型

📋 核心要点

  1. 现有电动车气候控制方法未考虑门开启对车内温度的影响，导致乘客舒适度下降。
  2. 提出了一种分层非线性模型预测控制策略，能够根据门开启信号调节车内空气流入，提升热管理效果。
  3. 实验结果显示，分层控制器在温度控制方面显著优于单一控制器和基于规则的方法，提升效果明显。

📝 摘要（中文）

本研究提出了一种新颖的电动车气候控制策略，针对门开启干扰这一在电动车热管理中被忽视的方面进行探讨。我们创建并验证了一个包含门开启场景的电动车仿真模型，并比较了三种控制器的性能：分层非线性模型预测控制（NMPC）、单一模型预测控制（MPC）和基于规则的控制器。结果表明，分层控制器在减少门开启温度下降方面表现优异，分别比单层MPC和基于规则的方法降低了46.96%和51.33%。此外，该策略在恢复过程中最大温度差的最小化方面也超越了其他方法，分别降低了86.4%和78.7%。这一结果为未来在车辆各个区域内提升乘客热舒适度开辟了新的可能性。

🔬 方法详解

问题定义：本研究旨在解决电动车在门开启时的气候控制问题。现有方法未能有效应对门开启带来的温度波动，影响乘客的热舒适度。

核心思路：论文提出了一种分层非线性模型预测控制（NMPC）策略，通过引入独特的冷却剂分配层和基于门开启信号的车厢空气流入调节组件，来优化气候控制。

技术框架：整体架构包括一个电动车仿真模型，模拟门开启场景，并通过三种控制器进行比较：分层NMPC、单一MPC和基于规则的控制器。每种控制器的性能通过温度变化和恢复时间进行评估。

关键创新：最重要的创新在于引入了门开启信号对气候控制的影响，分层控制策略在温度管理上显著优于传统方法，尤其是在应对门开启带来的温度波动方面。

关键设计：在设计中，分层NMPC的冷却剂分配层和空气流入调节组件是关键，确保了在门开启时能够快速响应并调节车内温度。此外，控制器的参数设置和损失函数设计也经过精心调整，以优化整体性能。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，分层控制器在门开启温度下降方面减少了46.96%和51.33%，在恢复过程中最大温度差的最小化方面分别降低了86.4%和78.7%。这些显著的性能提升表明该方法在电动车气候控制中的潜在优势。

🎯 应用场景

该研究的气候控制策略可广泛应用于电动车的热管理系统，提升乘客在各种驾驶场景下的舒适度。未来，该方法还可能扩展到其他类型的车辆或智能交通系统中，推动智能驾驶技术的发展。

📄 摘要（原文）

This study proposes a novel climate control strategy for electric vehicles (EVs) by addressing door-opening interruptions, an overlooked aspect in EV thermal management. We create and validate an EV simulation model that incorporates door-opening scenarios. Three controllers are compared using the simulation model: (i) a hierarchical non-linear model predictive control (NMPC) with a unique coolant dividing layer and a component for cabin air inflow regulation based on door-opening signals; (ii) a single MPC controller; and (iii) a rule-based controller. The hierarchical controller outperforms, reducing door-opening temperature drops by 46.96% and 51.33% compared to single layer MPC and rule-based methods in the relevant section. Additionally, our strategy minimizes the maximum temperature gaps between the sections during recovery by 86.4% and 78.7%, surpassing single layer MPC and rule-based approaches, respectively. We believe that this result opens up future possibilities for incorporating the thermal comfort of passengers across all sections within the vehicle.