Powertrain Hybridization for Autonomous Vehicles

要約

今日のハイブリッド電気自動車 (HEV) のパワートレインは人間のドライバー向けに開発されており、したがって、AV が不必要なエネルギー損失を回避するために速度プロファイルを正確に操作できることを考慮すると、将来の自動運転車 (AV) にとって最適な選択肢ではない可能性があります。
この研究では、現実世界の都市部の運転プロファイルを展開し、混合自律シナリオで同等の AV ドライブ サイクルを生成することにより、人間のドライバーと比較して AV に必要なハイブリッド化の程度を詳しく調べます。
私たちは、自動車市場のさまざまなサイズのモーターを備えた HEV の最適なエネルギー管理の問題を解決し、人間のドライバーがハイブリッド化の恩恵を最大限に享受するには通常約 30 kW のモーター サイズを必要とする一方、AV はわずか 12 kW のモーターで同様の利益を達成できることを実証しました。

モーターサイズの小型化によるこの大きな利点は、より最適なトルク要求が可能となり、回生ブレーキによるゲインの向上とエンジンのより効率的な動作が可能になったことによるものと考えられます。
さらに、従来の自動車と HEV の両方に対する速度平滑化の利点を調査し、燃料消費量の削減に寄与するさまざまなメカニズムの役割を調査します。
私たちの分析により、速度平滑化は、非ハイブリッド車や大型モーターを搭載した HEV と比較して、小型モーターを搭載した HEV に大きなメリットをもたらすことが明らかになりました。

要約(オリジナル)

The powertrains of today’s hybrid electric vehicles (HEVs) are developed for human drivers and, therefore, may not be the optimum choice for future Autonomous vehicles (AVs), given that AVs can accurately manipulate their velocity profile to avoid unnecessary energy loss. In this work, we closely examine the necessary degree of hybridization for AVs compared to human drivers by deploying real-world urban driving profiles and generating equivalent AV drive cycles in a mixed autonomy scenario. We solve the optimal energy management problem for HEVs with various motor sizes from the automotive market, and demonstrate that while human drivers typically require a motor size of around 30 kW to fully benefit from hybridization, AVs can achieve similar gains with only a 12 kW motor. This greater benefit from a smaller motor size can be attributed to a more optimal torque request, allowing for higher gains from regenerative braking and a more efficient engine operation. Furthermore, We investigate the benefits of velocity smoothing for both traditional cars and HEVs and explore the role of different mechanisms contributing to fuel consumption reduction. Our analysis reveals that velocity smoothing provides greater benefits to HEVs equipped with small motors compared to non-hybrid vehicles and HEVs with larger motors.

arxiv情報

著者 Shima Nazari,Norma Gowans,Mohammad Abtahi
発行日 2023-09-29 17:53:42+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO, cs.SY, eess.SY, math.OC パーマリンク