Nonlinear Model Predictive Control of a Hybrid Thermal Management System

📄 arXiv: 2411.15929v1 📥 PDF

作者: Demetrius Gulewicz, Uduak Inyang-Udoh, Trevor Bird, Neera Jain

分类: eess.SY

发布日期: 2024-11-24

备注: 12 pages, 14 figures, submitted to IEEE Transactions on Control Systems Technology

💡 一句话要点

针对混合热管理系统，提出一种基于线性化和显式积分的非线性模型预测控制方法。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 非线性模型预测控制 热管理系统 热能存储 车辆工程 实时控制

📋 核心要点

  1. 车辆热管理系统面临高维度、非线性、刚性等挑战，传统MPC方法难以有效应对。
  2. 提出一种基于线性化和显式积分的非线性MPC方法，降低计算复杂度，实现实时控制。
  3. 实验结果表明，该方法能有效控制混合TMS，利用TES缓解瞬态热负荷。

📝 摘要（中文）

模型预测控制(MPC)因其满足约束和保证系统鲁棒性的能力而日益普及。然而，对于具有高状态维度、显著非线性和刚性的系统，缺乏合适的在线非线性MPC方法。车辆热管理系统(TMS)与集成热能存储(TES)（也称为混合TMS）就是这样一个例子。这里的混合指的是通过传统热交换器或通过相变材料的熔化，或两者兼而有之来实现冷却的能力。鉴于车辆平台电气化的增加，对TMS提出了更严格的性能规范，反过来需要更先进的控制方法。本文提出了一种非线性模型预测控制器，具有77个状态，并在实验混合TMS测试平台上进行了实时实现。我们展示了如何在高维度和刚性动力学的情况下，通过在MPC范围内每一步线性化动力学来获得显式积分方法。这种积分方法进一步允许以最小的额外计算成本计算一阶梯度。通过模拟和实验结果，我们证明了所提出的解决方案方法的效用以及TES在减轻通过主动控制其充电和放电行为而实现的高度瞬态热负荷方面的益处。

🔬 方法详解

问题定义：车辆热管理系统（TMS）尤其是混合TMS（集成了热能存储TES）具有高状态维度、显著非线性和刚性动力学特性，这使得传统的非线性模型预测控制（NMPC）方法难以在线实时应用。现有的NMPC方法在处理此类复杂系统时，计算负担过重，难以满足实时性要求。

核心思路：论文的核心思路是在MPC的每个时间步内，对系统的非线性动力学进行线性化处理，从而得到一个局部线性模型。然后，利用该线性模型进行显式积分，以预测系统在MPC范围内的未来状态。通过这种方式，可以显著降低计算复杂度，使得NMPC能够应用于高维、非线性、刚性的混合TMS。

技术框架：该方法主要包含以下几个步骤：1) 建立混合TMS的非线性模型，该模型包含77个状态变量。2) 在MPC的每个时间步，对非线性模型进行线性化，得到局部线性模型。3) 利用线性模型进行显式积分，预测系统在MPC范围内的未来状态。4) 基于预测的状态，求解优化问题，得到最优控制输入。5) 将最优控制输入应用于实际系统。

关键创新：该方法最重要的创新点在于，通过在每个时间步进行线性化和显式积分，有效地降低了NMPC的计算复杂度，使其能够应用于高维、非线性、刚性的混合TMS。此外，该方法还能够以最小的额外计算成本计算一阶梯度，这对于优化问题的求解至关重要。

关键设计：该方法的关键设计包括：1) 选择合适的线性化方法，以保证线性模型的精度。2) 选择合适的显式积分方法，以保证积分的稳定性和精度。3) 设计合适的优化目标函数和约束条件，以实现对TMS的有效控制。4) 针对具体的TMS系统，调整MPC的参数，如预测范围、控制范围等。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

通过模拟和实验结果表明，所提出的NMPC方法能够有效地控制混合TMS，利用TES缓解瞬态热负荷。实验结果验证了该方法在实际系统中的可行性和有效性。具体性能数据和对比基线在论文中给出，展示了TES在缓解热负荷方面的优势。

🎯 应用场景

该研究成果可应用于电动汽车、混合动力汽车等车辆的热管理系统，提高能源利用效率，延长电池寿命，改善驾乘舒适性。此外，该方法还可推广到其他具有高维度、非线性、刚性动力学特性的复杂系统，如化工过程控制、电力系统控制等。

📄 摘要（原文）

Model predictive control has gained popularity for its ability to satisfy constraints and guarantee robustness for certain classes of systems. However, for systems whose dynamics are characterized by a high state dimension, substantial nonlinearities, and stiffness, suitable methods for online nonlinear MPC are lacking. One example of such a system is a vehicle thermal management system (TMS) with integrated thermal energy storage (TES), also referred to as a hybrid TMS. Here, hybrid refers to the ability to achieve cooling through a conventional heat exchanger or via melting of a phase change material, or both. Given increased electrification in vehicle platforms, more stringent performance specifications are being placed on TMS, in turn requiring more advanced control methods. In this paper, we present the design and real-time implementation of a nonlinear model predictive controller with 77 states on an experimental hybrid TMS testbed. We show how, in spite of high-dimension and stiff dynamics, an explicit integration method can be obtained by linearizing the dynamics at each time step within the MPC horizon. This integration method further allows the first-order gradients to be calculated with minimal additional computational cost. Through simulated and experimental results, we demonstrate the utility of the proposed solution method and the benefits of TES for mitigating highly transient heat loads achieved by actively controlling its charging and discharging behavior.