一种基于跟车模型的混合动力汽车节能预测控制方法技术

本发明专利技术涉及一种基于跟车模型的混合动力汽车节能预测控制方法,特别涉及一种实时最优的混合动力汽车控制方法，第一步，信息采集，第二步，车辆建模，第三步，公式化控制策略，第四步，在线最优控制，第五步，权重参数调节，第六步，目标满足判断，随着汽车导航，数字化地图的发展，利用道路交通状况，对混合动力汽车速度模式和驱动装置工作点进行同时最优化。不同于传统方法的只对驱动装置工作点进行优化，前方有车辆的情况下，传统的固定车间距的控制算法现在还是主流。申请者提出了车间距离在最小值以上浮动的控制策略，提高了车辆速度变化的自由度，使混合动力汽车燃油经济性的提高有了可能，提出了混合动力汽车的泛化三自由度模型。为混合动力汽车的模型化提供了一般的通用方法论指导。

A hybrid vehicle energy saving predictive control method based on car following model

The invention relates to a hybrid electric vehicle with energy saving car model based on predictive control method, in particular to a real-time optimal hybrid control method, the first step, the second step, information collection, vehicle modeling, third step formula of control strategy, the fourth step, the on-line optimal control, the fifth step, the weight parameter adjustment the sixth step, the target to meet with the judge, car navigation, development of digital map, the use of road traffic conditions, and the optimization of the mode of speed of hybrid cars and driving device working point. Unlike traditional methods, only the driving point is optimized. In front of the vehicle, the traditional control algorithm of the fixed spacing is still in the mainstream. The applicant proposed control strategy in the distance from the minimum value above floating, improves the vehicle speed change degree of freedom, so that the fuel economy of hybrid electric vehicle to improve possible, proposed generalization of hybrid vehicle model with three degrees of freedom. It provides a general methodology guidance for the modeling of hybrid electric vehicles.

【技术实现步骤摘要】
一种基于跟车模型的混合动力汽车节能预测控制方法
本专利技术涉及一种基于跟车模型的混合动力汽车节能预测控制方法,特别涉及一种实时最优的混合动力汽车控制方法。
技术介绍
全球能源与环境形势的日益严峻，特别是国际金融危机对汽车产业的巨大冲击，推动世界各国加快汽车产业战略转型。为开发出更加节能环保的汽车，解决上述两大问题，混合动力汽车目前已被产业化。与传统汽车相比，混合动力汽车具有电池和燃油双系统驱动的冗余性，运用这种冗余性可以调节驱动装置工作点到最优位置，从而实现节能减排目标。预计未来汽车的主流将是这种混合动力汽车。由于混合动力汽车可以回收伴随车辆减速产生的再生制动能量；利用驱动系统的冗余性（发动机和电机）优化驱动装置工作点，因此可以极大地发挥节能减排效用。但是最优工作点随发动机的特性，周围车辆的行驶状态，道路交通条件的改变而时刻改变着。而且，旋转系（发动机和电机）具有转速转矩极限，电池具有荷电状态极限，超出这些极限对于车辆关键零部件的性能影响很大。因此，混合动力汽车的节能减排效果很大程度上依赖于其能量管理策略（满足约束条件）。而其关键技术为能量管理中央控制器中的实时最优化，以期实现控制策略的商业化，产业化。混合动力汽车能量管理系统的控制策略是其研发的技术核心和设计难点。目前已经提出的控制策略大致可以分为4类：数值最优控制，解析最优控制，瞬时最优控制和启发式控制。数值最优控制的典型代表是动态规划和模型预测控制。解析最优控制的典型代表是庞特里亚金极小值原理控制策略。瞬时最优控制的典型代表是瞬时等效油耗最低控制策略。启发式控制策略的典型代表是基于规则的控制策略。传统的全局最优控制算法动态规划和庞特里亚金极小值原理控制方法，由于需要事先知道未来全部工况信息，无法实现实时最优。传统的基于规则的控制策略无法实现效率最大化。一般的前馈型控制（假定车辆速度模式一定）无法实现实时最优。传统的瞬时最优控制参数受未来车辆工况变化影响太大，无法满足控制性能。自20世纪90年代初以来，世界各国对混合动力汽车的研发给予了高度重视，并取得了一些重大的成果和进展。日本丰田汽车公司于1997年实现了混合动力汽车的量产化，2012年实现了插电式混合动力汽车的量产化。美国总统奥巴马2009年宣布了下一代先进蓄电池和插电式混合动力汽车计划。在国内，国家“十一五”863计划设立了节能与新能源汽车重大项目。申请者在日本九州大学攻读博士学位期间，掌握了日本企业和大学普遍采用的模型预测控制算法以及日本学者大塚敏之提出的C/GMRES快速解法。这两种方法的结合解决了模型预测控制这种先进算法的实际应用问题。在此背景下，提高能源利用效率，减少汽车对环境的污染已成为当今汽车工业发展的首要任务。同时，利用道路交通信息，进一步提高驱动装置效率也成为当今社会发展的现实需要。为了解决上述问题，需要设计出一种基于道路交通信息的可产业化的混合动力汽车模型预测控制方法，从而实现节能减排目标。
技术实现思路
本专利技术的目的在于克服现有技术中的不足而提供一种基于跟车模型的混合动力汽车节能预测控制方法，以达到最大限度地节能减排，产业化混合动力汽车能量管理中央控制器。本专利技术的目的是这样实现的：一种基于跟车模型的混合动力汽车节能预测控制方法，具体如下：第一步，信息采集通过全球定位系统采集车辆的位置信息p，作为实时车辆状态的反馈；通过车载雷达测速装置采集前方车辆速度vp，用于跟踪控制；通过卡尔曼滤波器利用采集的蓄电池开路电压VOC、内阻Rbatt对蓄电池荷电状态进行估计；第二步，车辆建模基于混合动力汽车驱动系统，根据车辆机械耦合和电子耦合关系，列写系统动力学方程，对动力学方程进行解耦，从而获得车辆的状态空间数学模型如式（1）所示：式中，x为状态量，u为控制量，S和R是太阳轮和齿圈齿数，τM/G1，τM/G2，τresist，τbrake和τeng是发电电动一体机一，发电电动一体机二，车辆行驶阻力，车辆摩擦制动和发动机转矩，ωM/G1，ωM/G2和ωeng是发电电动一体机一，发电电动一体机二和发动机的角转速度；gf是主减速器速比；IM/G1，IM/G2，Iw和Ieng是发电电动一体机一，发电电动一体机二，车轮和发动机的转动惯量，rw是车轮半径，参数ρ，CD，A，m，g，μ和θ是空气密度，空气阻力系数，迎风面积，车辆质量，重力加速度，滚动阻力系数和道路坡度，参数p为车辆位置，xSOC为蓄电池荷电状态，VOC，Rbatt和Qbatt是蓄电池开路电压，内阻和容量；蓄电池功率Pbatt由式（2）计算：道路坡度模型由S型函数分段线性近似，如式（3）所示：式中s1，s2，s3，s4，s5和s6是形函数参数；车辆的燃油经济性评价采用威兰氏线性模型,如式（4）所示：式中mf为燃油消耗率，参数a，b，c，h，k和l为常数；第三步，公式化控制策略首先检测混合动力车辆状态，其次运用第一步建立的空间数学模型和公式化控制策略求解最优的控制问题，然后应用所求得的最优控制序列的第一个控制量用于公式化控制，由于模型预测控制为区间最优控制，所以其求得的最优控制量是数量为预测区间除以采样间隔的序列，最优控制序列的第一个控制量与实际状态最接近，所以一般采用它来作为实际的控制量；最优控制问题定义如式（5）所示：式中T为预测区间。τM/G2max，τM/G2min，τM/G1max，τM/G1min和τbrakemax为控制量约束；评价函数定义如式（6）所示：式中SOCd是目标蓄电池荷电状态，vd是车辆目标速度，它取值为车辆最优等速燃油经济性速度；wx，wy，wz，wd，we，wf，wg，wh，wi，wj，wk和wl是权重系数；SOCmin,SOCmax,ωengmax,ωM/G2max,ωM/G1min,ωM/G1max,Pbattmin,Pbattmax，τengmax为参数约束，τengmax随状态变化的控制量约束，参数pp，vp，dmin和l分别是预测区间内前方车辆位置，速度，最小车间距和车长，预测区间内假设前方车辆速度一定；第四步，在线最优控制解法具体来说，运用极小值原理将最优控制问题转化为两点边值问题，在处理哈密顿函数相关的微分方程组和代数方程组时采用部分空间法求解，这是一种GMRES解法，应用预测区间内的最优控制序列的第一个控制量于车辆，之后在下一个采样时刻，将预测区间向前推进一步，如此循环往复，实现在线最优控制。第五步，权重参数调节权重参数为第三步中评价函数内的权重系数，采用粒子群算法自动调节权重系数，具体来说，粒子群算法中的粒子为各项权重系数，然后通过迭代找到最优解，在每一次迭代中，粒子通过跟踪两个极值来更新自己，第一个就是粒子本身所找到的最优解，这个解叫做个体极值，另一个极值是整个种群目前找到的最优解，这个极值是全局极值；第六步，目标满足判断满足目标的标准为汽车的燃油经济性收敛到最优值，具体来说，迭代上一次和本次燃油经济性误差在±%5内即认为满足目标。本专利技术由于采取以上技术方案，其具有以下优点：1)随着汽车导航，数字化地图的发展，利用道路交通状况，对混合动力汽车速度模式和驱动装置工作点进行同时最优化。不同于传统方法的只对驱动装置工作点进行优化。2)前方有车辆的情况下，传统的固定车间距的控制算法现在还是主流本文档来自技高网...

【技术保护点】
一种基于跟车模型的混合动力汽车节能预测控制方法，其特征在于：具体如下：第一步，信息采集通过全球定位系统采集车辆的位置信息p，作为实时车辆状态的反馈；通过车载雷达测速装置采集前方车辆速度v

【技术特征摘要】
1.一种基于跟车模型的混合动力汽车节能预测控制方法，其特征在于：具体如下：第一步，信息采集通过全球定位系统采集车辆的位置信息p，作为实时车辆状态的反馈；通过车载雷达测速装置采集前方车辆速度vp，用于跟踪控制；通过卡尔曼滤波器利用采集的蓄电池开路电压VOC、内阻Rbatt对蓄电池荷电状态进行估计；第二步，车辆建模基于混合动力汽车驱动系统，根据车辆机械耦合和电子耦合关系，列写系统动力学方程，对动力学方程进行解耦，从而获得车辆的状态空间数学模型如式(1)所示：x＝[ωengpωM/G2xSOC]Tu＝[τengτM/G2τM/G1τbrake]TM,N,P∈R式中，x为状态量，u为控制量，S和R是太阳轮和齿圈齿数，τM/G1，τM/G2，τresist，τbrake和τeng是发电电动一体机一，发电电动一体机二，车辆行驶阻力，车辆摩擦制动和发动机转矩，ωM/G1，ωM/G2和ωeng是发电电动一体机一，发电电动一体机二和发动机的角转速度；gf是主减速器速比；IM/G1，IM/G2，Iw和Ieng是发电电动一体机一，发电电动一体机二，车轮和发动机的转动惯量，rw是车轮半径，参数ρ，CD，A，m，g，μ和θ是空气密度，空气阻力系数，迎风面积，车辆质量，重力加速度，滚动阻力系数和道路坡度，参数p为车辆位置，xSOC为蓄电池荷电状态，VOC，Rbatt和Qbatt是蓄电池开路电压，内阻和容量；蓄电池功率Pbatt由式(2)计算：Pbatt＝τM/G1ωM/G1+τM/G2ωM/G2(2)道路坡度模型由S型函数分段线性近似，如式(3)所示：式中s1，s2，s3，s4，s5和s6是形函数参数；车辆的燃油经济性评价采用威兰氏线性模型,如式(4)所示：（4）式中mf为燃油消耗率，参数a，b，c，h，k和l为常数；第三步，公式化控制策略首先检测混合动力车辆状态，其次运用第一步建立的空间数学模型和公式化控制策略求解最优的控制问题，然后应用所求得的最优控制序列的第一个控制量用于公式化控制，由于模型预测控制为区间最优控制，所以其求得的最优控制量是数量为预测区间除以采样间隔的序列，最优控制序列的第一个控制量与实际状态最接近，所以一般采用它来作为实际的控制量；最优控制问题定义如式(5)所示：式中T为预测区间，τM/G2max，τM/G2min，τM/G1max，τM/G1min和τbrakemax为控制量约束；τ为预测...

【专利技术属性】
技术研发人员：余开江，许孝卓，张宏伟，高如新，王莉，苏珊，杨俊起，荆鹏辉，
申请(专利权)人：河南理工大学，
类型：发明
国别省市：河南,41