Optimal fuel consumption and pollutant emission control for Hybrid Electric Vehicles: AI and Deep Learning framework for Energy Management System Development

Abstract

Aquesta tesi aborda el repte de reduir les emissions contaminants i millorar I' eficiéncia del combustible en el sector de I' automoció, especialment en aplicacions de motors de combustió interna (ICE) en vehicles híbrids eléctrics (HEV). Malgrat els rapids avenr,os en les tecnologies d' electrificació, els ICE i els HEV continuen dominant la flota global de vehicles, actuant com un pont cap a la sostenibilitat a llarg termini en el transport. Tanmateix, la complexitat inherent al comportament del motor, les condicions de funcionament transitóries i la formació de contaminants presenten desafiaments significatius per optimitzar el rendiment deis sistemes de propulsió i reduir les emissions. Aquest treball pretén abordar aquests desafiaments mitjanr,ant estratégies innovadores de modelatge i control, aprofitant técniques basades en dades per complementar els enfocaments de modelatge físic.

Esta tesis aborda el desafío de reducir las emisiones contaminantes y mejorar la eficiencia del combustible en el sector automotriz, particularmente en aplicaciones de motores de combustión interna (ICE) en vehículos eléctricos híbridos (HEV). A pesar de los rápidos avances en las tecnologías de electrificación, los ICE y los HEV continúan dominando la flota vehicular global, actuando como un puente hacia la sostenibilidad a largo plazo en el transporte. Sin embargo, la complejidad inherente al comportamiento del motor, las condiciones de funcionamiento transitorias y la formación de contaminantes presentan retos significativos para optimizar el rendimiento de los sistemas de propulsión y reducir las emisiones. Este trabajo busca abordar estos retos mediante estrategias innovadoras de modelado y control, aprovechando técnicas basadas en datos para complementar los enfoques de modelado físico.

This thesis tackles the pressing issue of reducing pollutant emissions and improving fuel efficiency in the automotive sector, particularly for interna! combustion engine (ICE) in hybrid electric vehicles (HEVs) application. Despite the rapid advancements in electrification technologies, ICEs and HEVs continue to domínate the global vehicle fleet, serving as a bridge towards achieving long-term sustainability in transportation. However, the inherent complexity of engine behavior, transient operating conditions, and pollutant formation presents significan! challenges for optimizing powertrain performance and reducing emissions. This work seeks to address these challenges through innovative modeling and control strategies, leveraging data-driven techniques to complement physical modeling approaches.