简介：一套基于MATLAB的混合动力汽车能量管理动态规划算法实现，面向新能源汽车控制策略研究人员、车辆工程专业学生以及混动系统仿真工程师，用于解决不同行驶工况下发动机与电动机的功率分配和模式切换优化问题。资源包共4个文件，压缩包仅22KB，包含3个.m脚本和1个.mat工况数据；三个脚本分别完成动态规划核心迭代、动力系统建模与仿真主流程控制，.mat文件则提供标准驾驶循环的速度、加速度输入数据。目前已有1698人学习浏览。通过阅读和运行这套代码，能够直观理解动态规划在混合动力能量管理中的多阶段决策思想、状态划分与最优策略求解过程，并能针对不同工况或车型调整参数、迁移算法；虽代码精简，但完整覆盖了从建模、状态转移方程构建到能量分配结果输出的技术链路，适合作为课程设计、算法对比或工程预研的参考实现。
1. 混合动力汽车能量管理里的动态规划是一把怎样的标尺
混合动力汽车的能量管理，在数学上可以压缩成一个相当干脆的问题：给定一段可以提前预知的行驶工况，在每个采样时刻如何决定发动机与电机之间的扭矩分配，使整车油耗最低，同时让电池电量始终落在安全区间。动态规划在这个场景下的角色不是实时控制器，而是一把离线求全局最优的标尺——它返回的 SOC 轨迹和功率分配序列，是所有简化策略在理论上无法跨越的性能上限。搞混动控制研究的人用它来评估规则式策略、等效燃油消耗最小策略（ECMS）或者模型预测控制（MPC）的差距；写论文的研究生则把它当作能量管理方向的黄金基准。下面从建模开始，用一个可以直接在 MATLAB 里跑起来的最小代码框架，把“逆序递推 + 正向恢复”这条主链路讲透，并把那些容易导致结果跑偏的参数点一次性点明。
2. 动态规划能量管理的前置建模：从功率流到一阶离散状态
2.1 并联混动拓扑下一阶 SOC 状态方程的推导
动态规划本身与拓扑无关，但 MATLAB 实现必须在每一阶段反复求值状态转移函数，因此模型越简单越好。并联混动是最常见的选择：发动机与驱动电机通过机械耦合装置同时作用于车轮，二者扭矩之和等于车辆需求扭矩，电池与电机之间通过逆变器实现双向功率流动。
省略传动系的瞬态响应，把 vehicle 看作一个“功率需求发生器”。已知车速 v[k] 和加速度 a[k]，轮端功率由整车纵向动力学给出：
P_wheel = v * (m * a + 0.5 * rho * Cd * A * v^2 + m * g * fr)
乘用车典型参数取 m=1500kg、Cd=0.3、A=2.2m²、fr=0.012，再除以传动效率 eta_d=0.92，得到驱动侧需求功率 P_req。之后把状态变量选为电池荷电状态 SOC，控制变量选为电池输出功率 P_batt，于是整个混合动力系统被压缩成一个一阶离散状态方程：
SOC[k+1] = SOC[k] - I_batt[k] * dt / (3600 * Q_batt) I_batt[k] = (Voc - sqrt(Voc^2 - 4 * R0 * P_batt[k])) / (2 * R0)
其中 Voc 与 R0 都是 SOC 的非线性函数，Q_batt 是电池容量（Ah）。这个模型把发动机、电机、电池三个子系统的耦合约束全部折叠到两条式子中，代价是忽略了温度、老化与瞬态动力学，但在能量管理策略的横向对比中已经足够。如果研究对象是功率分流混动，只需要把状态转移函数换成行星排的转速扭矩耦合关系，DP 的骨架完全不变。
提示：I_batt 的正负号定义必须与 SOC 下降方向一致，统一采用“放电为正、充电为负”的约定，正向仿真里也必须复用同一条公式。符号一旦反转，递推出来的 SOC 轨迹会反向漂移，油耗与预期可能完全相反。
另一个常见坑是 R0 取常数。低电量区域的内阻会显著上升，导致 SOC 转移步长被低估，终端 SOC 回不到目标值。实际操作中我会把 Voc 和 R0 做成 SOC 的一维查表，用interp1在每次迭代里取数，这样既保留了模型的非线性，又避免了复杂的拟合公式。
2.2 状态网格、决策集合与成本函数的设计原则
DP 的输入必须是一个有限阶段的离散系统，所以先把连续 SOC 范围离散成网格。通常取 SOC 从 0.30 到 0.80，步长 0.01，共 51 个网格点；控制变量 P_batt 取 [-30kW, 30kW]，步长 2kW，共 31 个决策值。决策步长选 2kW 的理由是：并联混动系统功率变化 2kW 对油耗的影响大约在 0.5% 以内，细化到 1kW 对最终结果几乎没有改变，内层循环耗时却会翻倍。动态规划在能量管理中的应用和 01 背包问题里的思路一脉相承：状态离散、决策枚举、子问题结果复用，只是这里的状态转移不再是一维的容量占用，而是一条连续 SOC 轨迹。
瞬态成本 g_k 的设计是整个混合动力能量管理建模的核心。只优化燃油成本会导致电池被耗尽，所以必须加入 SOC 惩罚项：
g_k = mf_dot * dt + beta * (SOC[k] - SOC_ref)^2
终端再加二次型惩罚 phi(x_N) = alpha * (SOC_N - SOC_ref)^2。alpha 通常取 1e5 数量级，强制让终端电量回到参考值；beta 取 1e-3 到 1e-2，让 SOC 轨迹在合理范围内小幅波动，而不是在网格边界上反复弹跳。alpha 和 beta 是 DP 里最值得花时间调整的两个系数，推荐初值如下：
| 参数 | 推荐初值 | 作用与调节方向 |
|---|---|---|
| alpha（终端惩罚系数） | 1e5 | 控制终端 SOC 精度；偏小则回收不到 SOC_ref 附近 |
| beta（SOC 正则系数） | 1e-3 | 控制中间过程的电量漂移；偏大则发动机频繁启动 |
| SOC 网格范围 | 0.30 ~ 0.80 | 越窄计算越快，但若真实轨迹触界会截断最优解 |
| P_batt 步长 | 2kW | 越小结果越平滑，耗时会线性增长 |
| Q_batt | 60Ah | 电池容量直接决定 SOC 摆动幅度 |
| dt | 1s | 改变后油耗积分和约束合法性都要重新检查 |
这个设计逻辑是：如果只优化油耗，DP 会把电池用完，所以必须用终端惩罚让电池在工况结束时回到目标值；beta 的存在则让 SOC 轨迹在行进过程中不贴着边界走。两处惩罚的取值范围隔了八个数量级，初学时很容易把 alpha 和 beta 顺序写反，导致 SOC 轨迹异常僵直。
2.3 Bellman 方程的离散化与网格插值细节
Bellman 最优性原理在离散网格上的表达是：
J_k(x_i) = min { g_k(x_i, u) + J_{k+1}(x_{k+1}) }
递推从最后阶段开始：J_N(x_N) = phi(x_N)。对第 k 阶段每个状态网格点，枚举所有可行决策 u，通过状态转移方程算出 SOC_next，再对 J_{k+1} 做一维线性插值求和，取最小者作为 J_k。MATLAB 里的核心三行如下：
J_next = interp1(SOC_grid, J(:, k+1), s_next, 'linear'); J_total = g + J_next; J(i, k) = min(J_total); % 在全部决策上取最小必须插值而不能用最近邻，原因是 SOC 网格是稀疏采样，最近邻会把 SOC_next 强行映射到相邻网格点，累积误差在数千步递推后会被放大成电量基准漂移。线性插值虽然只提升一阶精度，但配合 0.01 的网格分辨率已经足够，且计算量几乎不增加。这也是整套 DP 能量管理在 MATLAB 里能够在一两分钟内跑完的关键。
3. MATLAB 动态规划能量管理的逆向递推与正向仿真代码
3.1 从工况文件读入数据并计算需求功率
代码从主脚本开始。假设 WLTC 工况已经保存在 wltc_class3.mat 文件中，包含时间向量 t_vec 和车速向量 v_vec。先把时间序列转成动力学输入：
% main_DP.m 第一步：工况读取与需求功率计算 data = load('wltc_class3.mat'); t_vec = data.t_vec(:); v_vec = data.v_vec(:); dt = median(diff(t_vec)); % 采样周期，通常为 1s N = length(v_vec); v = v_vec; % 车速，m/s a = [0; diff(v)/dt]; % 加速度，m/s^2 m = 1500; Cd = 0.3; A = 2.2; rho = 1.2; g = 9.81; fr = 0.012; eta_d = 0.92; P_wheel = v .* (m*a + 0.5*rho*Cd*A*v.^2 + m*g*fr); P_req = P_wheel / eta_d; % 驱动侧需求功率 P_req(P_req < 0) = 0; % 制动段取零，不做回收这段把车速序列变成每个离散时刻的需求功率向量 P_req。P_req(P_req < 0) = 0意味着制动工况下发动机和电机的输出都被清零；如果加入再生制动，应当保留负 P_req，并让 P_batt 在负功率区间工作。dt 用median(diff(t_vec))取而不是直接取diff(t_vec)，是因为 WLTC 数据有时在换挡点出现不规则的采样间隔，median 能消掉异常值，保证后续递推按固定步长进行。
3.2 状态网格、决策网格与模型查表函数的定义
| 变量 | 代码写法 | 含义 |
|---|---|---|
| SOC_grid | 0.30:0.01:0.80 | 51 个状态点 |
| P_batt_grid | -30e3:2e3:30e3 | 31 个决策点，单位 W |
| Q_batt | 60 | 电池容量 Ah |
| SOC_ref | 0.65 | 目标电量 |
| beta / alpha | 1e-3 / 1e5 | 中间惩罚 / 终端惩罚 |
% 网格与模型查表函数 SOC_grid = 0.30:0.01:0.80; P_batt_grid = -30e3:2e3:30e3; Q_batt = 60; SOC_axis = 0.25:0.05:0.85; Voc_arr = 320 + 50*(SOC_axis - 0.30).^2; % OCV 曲线，V R0_arr = 0.04 + 0.03*max(SOC_axis-0.3, 0); % 内阻曲线，Ω voc_fun = @(s) interp1(SOC_axis, Voc_arr, s, 'linear', 'extrap'); r0_fun = @(s) interp1(SOC_axis, R0_arr, s, 'linear', 'extrap'); % 发动机油耗模型：g/s 关于机械功率的二次近似 eng_fuel_fun = @(P_eng) 5e-7*P_eng.^2 + 8e-3*P_eng + 0.4; SOC_ref = 0.65; alpha = 1e5; beta = 1e-3;电池模型用二次曲线只是为了跑通流程，正式研究中应当用实验测得的 OCV-SOC 曲线。发动机油耗函数同样可以替换成查表，只要输入是发动机机械功率 P_eng、输出是每秒油耗的标量或向量即可。voc_fun和r0_fun加了extrap，是为了防止 SOC 短暂越界时返回 NaN，后续章节会专门讨论越界处理。
3.3 逆向递推主循环：dp_solve 的核心实现
function [J, u_opt] = dp_solve(P_req, SOC_grid, P_batt_grid, dt, Q_batt, ... eng_fuel_fun, voc_fun, r0_fun, alpha, beta, SOC_ref) % 逆向动态规划求解 HEV 能量管理问题 % 输入: P_req 为 1xN 需求功率向量 % 输出: J 为 Ns x (N+1) 成本表，u_opt 为 Ns x N 最优决策表 N = numel(P_req); Ns = numel(SOC_grid); Na = numel(P_batt_grid); J = zeros(Ns, N+1); u_opt = zeros(Ns, N); J(:, end) = alpha * (SOC_grid - SOC_ref).^2; % 终端惩罚 eta_motor = 0.92; for k = N:-1:1 for i = 1:Ns s0 = SOC_grid(i); best_cost = inf; best_u = NaN; for j = 1:Na Pb = P_batt_grid(j); Voc = voc_fun(s0); R0 = r0_fun(s0); Ib = (Voc - sqrt(Voc^2 - 4*R0*Pb)) / (2*R0); s1 = s0 - Ib * dt / (3600 * Q_batt); % 越界状态直接跳过 if s1 < SOC_grid(1) || s1 > SOC_grid(end) continue; end % 电池功率折算到电机轴端，剩余部分由发动机补充 P_motor = Pb / eta_motor; P_eng = P_req(k) - P_motor; if P_eng < 50 P_eng = 0.0; end fuel = eng_fuel_fun(P_eng); g = fuel * dt + beta * (s0 - SOC_ref)^2; Jnext = interp1(SOC_grid, J(:, k+1), s1, 'linear'); if g + Jnext < best_cost best_cost = g + Jnext; best_u = Pb; end end J(i, k) = best_cost; u_opt(i, k) = best_u; end end end递推顺序从 k=N 开始逐个回退，每一步里J(:, k+1)已经是完整的后续成本函数。interp1对 SOC_next 做线性插值，得到的是“从下一个状态继续走完剩余工况”的最小成本。u_opt表随后用于正向仿真，只查不用再算。P_eng 小于 50W 时直接置零，是为了避免发动机模型在零功率附近输出不合理的怠速油耗；电机效率取常数 0.92，更精确的做法是根据转速扭矩查 MAP，把P_motor = Pb / eta_motor改成插值函数即可。
如果最终J(i, k)仍为 inf，说明该 SOC 网格点在当前决策集合下没有可行转移，后续正向仿真遇到 NaN 决策时应当触发边界避让逻辑，这在第 5 章展开。
3.4 正向仿真回放最优功率分配
% 正向仿真，SOC0 为起始电量 SOC0 = 0.75; sim_SOC = zeros(1, N); sim_u = zeros(1, N); s = SOC0; for k = 1:N i = interp1(SOC_grid, 1:numel(SOC_grid), s, 'nearest'); u = u_opt(i, k); sim_u(k) = u; Voc = voc_fun(s); R0 = r0_fun(s); Ib = (Voc - sqrt(Voc^2 - 4*R0*u)) / (2*R0); s = s - Ib * dt / (3600 * Q_batt); sim_SOC(k) = s; end正向仿真不需要再做成本计算，只根据当前 SOC 在u_opt中找最优决策。索引用最近邻即可，因为u_opt本来就是按离散状态网格存储的。输出的sim_SOC应当平滑下降并在末端回到 SOC_ref 附近；若偏离较多，优先检查 alpha 是否太小或 SOC 网格是否太粗。这里也用到了与逆向递推完全一致的状态转移公式，保证正反两个方向的模型不自相矛盾。
4. 参数调节、WLTC 工况结果与规则式策略对比
4.1 影响最优解的六个关键参数及其调节顺序
第 2 章表格里的参数，真正调参时的顺序是：先定 Q_batt、dt、SOC 网格这类模型参数，再调 beta 让 SOC 轨迹不过度振荡，最后调 alpha 把终端 SOC 拉回参考值。alpha 与 beta 存在耦合：beta 越大，SOC 轨迹越早趋向 SOC_ref，终端越容易命中，但发动机启动会更频繁，油耗上升。要判断一组参数是否合理，看两点：终端 SOC 是否回到 SOC_ref ± 1% 内，中间轨迹有没有触到网格边界。
网格分辨率是另一个容易忽略的因素。把 SOC 步长从 0.01 缩到 0.005，反向递推结果一般会改善，但 J 表从 51×(N+1) 涨到 101×(N+1)，接近两倍内存。决策网格从 2kW 缩到 1kW，内层循环数量也翻番。所以我先用粗网格验证代码逻辑，确认油耗和 SOC 轨迹符合直觉后，再逐步加密跑最终结果。
4.2 WLTC 工况下的仿真典型输出
在 1800 秒 WLTC 工况、SOC0=0.75 的设定下，典型结果是：SOC 在低速段由 0.75 缓慢下降到 0.66，高速段快速降至 0.30 附近，最后一段出现回升，终值落在 0.64 到 0.66 之间。发动机工作点主要集中在 20 到 40kW 的高效区间，低负荷时优先用电驱动，这与 DP 应当把发动机推入高效区的直觉一致。如果看到 SOC 在某个时段上下剧烈摆动，多半是 beta 太小，惩罚项没有压制住电量抖动。
figure; subplot(2,1,1); plot(t_vec, sim_SOC, 'LineWidth', 1.2); ylabel('SOC'); grid on; ylim([0.25 0.80]); subplot(2,1,2); plot(t_vec, sim_u/1000, 'LineWidth', 1.2); ylabel('P_{batt} (kW)'); xlabel('时间 (s)'); grid on;画图的主要目的是肉眼检查异常跳变。判读时重点关注两处：高速结束时 SOC 是否触到下边界，如果触底说明 P_batt 下界设得太窄或发动机功率上限不足；低速段是否有高频振荡，如果有则调大 beta。只跑一条 WLTC 得到的结果不能代表全部城市路况，至少要再用 CLTC-P 或 NEDC 各跑一遍，确认策略的结论不是工况特例。
4.3 与规则式 CD/CS 策略的油耗对比
规则式策略是混动能量管理里最常用的对照基准。CD/CS 分两段：电量消耗模式下发动机基本不工作，直到 SOC 降到设定阈值；之后进入电量维持模式，按固定规则补电。把它放在相同工况下仿真，再与 DP 结果对比：
| 指标 | CD/CS 策略典型值 | DP 典型值 |
|---|---|---|
| 百公里油耗 | 4.2 L/100km | 3.6 L/100km |
| 终端 SOC | 0.30 | 0.65 |
| 发动机启停次数 | 偏密 | 明显更少 |
CD/CS 油耗偏高的原因，一部分是电量被消耗到 0.30 后发动机被迫在低效区长时间补电，另一部分是规则参数与工况不匹配。DP 的价值在于给出一条“同样约束下油耗能低到多少”的边界答案。如果手头的规则策略油耗和 DP 差不到 5%，说明规则已经调得不错；差 15% 以上，优先检查制动能量回收逻辑和发动机高效区的工作点偏移。
5. MATLAB 动态规划工程化的边界情况与提速技巧
5.1 状态越界与不可达网格点的处理
逆向递推中 SOC_next 难免越界。我一般对越界状态直接置 inf，正向仿真如果走到该状态会被自然避开；另一种做法是把 SOC 网格上下界各扩展 0.02，让边界外的点也参与计算，降低截断误差。两种方法都可行，扩展网格更稳，代价是状态数增加约 20%。另外要检查u_opt中是否出现 NaN，出现说明某个 SOC 网格点在所有决策下都无法转到有效状态，多半是 P_batt 上界太窄或发动机功率下界太高。
5.2 内存占用与循环加速的实用技巧
J 表大小是 Ns × (N+1) 个 double，1800 步工况、51 个状态时约为 735KB，远不是瓶颈；当网格细化到 0.002、工况长到 3600 步时约 30MB，MATLAB 仍能处理。真正的耗时在内层循环，每次调用两次interp1和两次voc_fun都会产生函数调用开销。提速按三步做：把 Voc 和 R0 在 SOC 网格上提前算成向量，循环里直接索引；把interp1对J(:, k+1)的调用整体向量化；最外层状态循环改用parfor，四核机器一般能提速三倍左右。
5.3 从离线 DP 转到实时策略的思路
离线 DP 要求完整工况已知，实时控制器做不到。工程上常见的过渡方案是查表型近似动态规划：用城市、郊区、高速若干条典型工况离线训练一张“SOC、需求功率、目标成本”三维表，运行时根据当前 SOC 和短期预测功率直接查表决策。这相当于把 DP 的 J 表按工况类型平均，配合线性插值后，控制效果通常能接近离线 DP 的 80% 到 85%，计算延迟远低于在线求解。做横向对比时还要注意，单一 WLTC 会让 DP 的优势被高估，至少用 WLTC 加 CLTC-P 两条工况交叉验证，并在报告里写清策略对工况的敏感度，这也是混动能量管理方向最容易被审稿人追问的一点。
本文还有配套的精品资源，点击获取
