【技术实现步骤摘要】
本专利技术涉及混合动力汽车，更具体的是，本专利技术涉及一种坡道预测自适应ecms混合动力汽车能量管理方法。
技术介绍
1、混合动力技术作为商用车低碳化的重要技术路线，相比于传统的燃油重卡，混合动力重卡有纯电，串联等节油模式，可以大大地提高车辆地燃油经济性；相比于纯电的重卡，混合动力重卡有更高的续航里程，不局限于码头、港口等固定场景，具有更广泛的适用场景与工况。因此，混合动力重卡也是商用车新能源化的主流技术方向。
2、目前市场上的混合动力重卡的能量管理策略一般都是针对于城市行驶的车辆制定的，它们的低速缓慢行驶工况更有利于发挥混合动力车辆的纯电行驶特点，提高节油率。同时为了能将能量管理策略在线应用于混合动力重卡上，大多数厂商应用了ecms等效能耗最小策略；但是面对高速、高海拔的山区工况，一般的能量管理策略就不能发挥它最大的作用，例如纯电模式下行驶的时间较短发动机工作时间更长，同时面对长时间下坡的工况能量回收效率低。并且在高海拔工况下，混合动力重卡的重力势能也会更为影响经济性的一项关键因素。
技术实现思路
1、本专利技术的目的是设计开发了一种坡道预测自适应ecms混合动力汽车能量管理方法，根据长时间下坡或短时间下坡调整电池的放电功率，提高制动回收效率和车辆的燃油经济性。
2、本专利技术提供的技术方案为：
3、一种坡道预测自适应ecms混合动力汽车能量管理方法，包括如下步骤：
4、步骤一、采集当前时刻车辆的电池soc值、车辆质量、车辆海拔高度
5、步骤二、建立坡道预测自适应等效能耗最小策略并进行优化；
6、其中，优化后的坡道预测自适应等效能耗最小策略满足：
7、；
8、式中，为哈密顿函数，为时刻的燃油消耗量，为时刻的控制变量，且，为时刻的发动机分配功率，为时刻的驱动电机分配功率，为最优等效燃油消耗因子初始值，为最优比例调节系数，为时刻的最优坡度预测放电系数，为时刻的电池soc参考值，为时刻的电池soc值，为时刻的电能消耗量；
9、步骤三、以所述哈密顿函数最小化为目标进行求解，获得最优控制变量，即获得时刻的发动机分配功率和时刻的驱动电机分配功率。
10、优选的是，所述步骤二具体包括：
11、步骤1、建立ag-ecms，具体满足：
12、；
13、式中，为哈密顿函数，为时刻的燃油消耗量，为时刻电能的等效燃油消耗量，为时刻的等效燃油消耗因子，为时刻的时刻的电能消耗量，为时刻的控制变量；
14、其中，所述时刻的等效燃油消耗因子满足：
15、；
16、式中，为等效燃油消耗因子初始值，为比例调节系数，为时刻的电池soc参考值，为时刻的电池soc值；
17、步骤2、对时刻的等效燃油消耗因子进行修正：
18、；
19、式中，为坡度预测修正后的等效燃油消耗因子，为时刻的坡度预测放电系数；
20、步骤3、建立坡道预测自适应等效能耗最小策略：
21、；
22、步骤4、通过伞蜥算法对待优化参数进行优化，获得最优等效燃油消耗因子初始值、最优比例调节系数、最优短时间下坡的放电系数和最优长时间下坡的放电系数，并获得优化后的坡道预测自适应等效能耗最小策略；
23、其中，所述待优化参数包括有等效燃油消耗因子初始值、比例调节系数、短时间下坡的放电系数和长时间下坡的放电系数。
24、优选的是，所述时刻的电池soc参考值满足：
25、；
26、式中，为电池soc参考初始值，为重力势能调节系数，为车辆质量，为重力加速度，为车辆海拔高度。
27、优选的是，所述时刻的坡度预测放电系数满足：
28、
29、式中，为时刻的坡度预测放电系数，为短时间下坡的放电系数，为长时间下坡的放电系数，为时刻车辆以当前速度行驶秒这段距离的道路平均坡度，为坡度判别标准值。
30、优选的是，所述时刻车辆以当前速度行驶秒这段距离的道路平均坡度满足：
31、；
32、式中，为预测总时长，为时刻对应的未来时刻的坡度。
33、优选的是，所述坡度判别标准值为-2.5%。
34、优选的是，所述步骤4具体包括：
35、步骤a、建立参数优化目标函数：
36、；
37、式中，为第个伞蜥的参数优化目标函数，为伞蜥算法迭代的次数，为第个伞蜥第次迭代结果对应的燃油消耗量，为第个伞蜥第次迭代结果对应的等效燃油消耗量；
38、所述待优化参数的约束条件为：
39、 ；
40、步骤b、根据约束条件生成初始种群，并对每个伞蜥个体计算相应的参数优化目标函数；
41、其中，初始种群满足；
42、；
43、式中，为伞蜥的种群矩阵中元素，为伞蜥的个数，为待优化参数，为第个待优化参数的下限值，为中的随机数，为第个待优化参数的上限值；
44、步骤c、创建猎物集：
45、；
46、式中，为第个伞蜥的猎物集，为种群矩阵中第次迭代后比第个伞蜥目标函数值好的个体，为第次迭代的第个个体的目标函数值；
47、步骤d、对伞蜥的位置进行初次更新：
48、；
49、；
50、式中，为第个伞蜥的建议新特征，为猎物集中的随机一个伞蜥的特征，为中的随意数，为第次迭代的第个伞蜥的建议新特征对应的目标函数值，为第个伞蜥经过变换得到的新个体，为第个伞蜥的第一次变换建议的新个体；
51、步骤e、对伞蜥的新特征进行二次更新：
52、 ；
53、；
54、式中，为第个伞蜥返回树顶的新特征，为第次迭代的第个伞蜥返回树顶的新特征对应的目标函数值，为第个伞蜥第二次变换建议的新个体；
55、步骤f、按照上述步骤进行迭代，直至到达迭代次数，获得最优个体的参数、、和；
56、其中，为最优等效燃油消耗因子初始值，为最优比例调节系数，为最优短时间下坡的放电系数，为最优长时间下坡的放电系数；
57、步骤g、将最优个体的参数代入到sp-ag-ecms中，获得优化后的坡道预测自适应等效能耗最小策略。
58、优选的是，所述第个伞蜥第次迭代结果对应的等效燃油消耗量满足：
59、；
60、式中，为第个伞蜥第次迭代结果对应的等效燃油消耗因子。
61、本专利技术所述的有益效果：
62、（1）、本专利技术设计开发的一种坡道预测自适应ecms混合动力汽车能量管理方法，能够根据采集的道路信息预测前方是长时间下坡还是短时间下坡，从而调整电池放电，当遇到长时间下坡时，快速放电让电池充分吸收下坡产生的能量，充分发挥制动回收的效率。
63、（本文档来自技高网...
【技术保护点】
1.一种坡道预测自适应ECMS混合动力汽车能量管理方法，其特征在于，包括如下步骤：
2.如权利要求1所述的坡道预测自适应ECMS混合动力汽车能量管理方法，其特征在于，所述步骤二具体包括：
3.如权利要求2所述的坡道预测自适应ECMS混合动力汽车能量管理方法，其特征在于，所述时刻的电池SOC参考值满足：
4.如权利要求3所述的坡道预测自适应ECMS混合动力汽车能量管理方法，其特征在于，所述时刻的坡度预测放电系数满足：
5.如权利要求4所述的坡道预测自适应ECMS混合动力汽车能量管理方法，其特征在于，所述时刻车辆以当前速度行驶秒这段距离的道路平均坡度满足：
6.如权利要求5所述的坡道预测自适应ECMS混合动力汽车能量管理方法，其特征在于，所述坡度判别标准值为-2.5%。
7.如权利要求6所述的坡道预测自适应ECMS混合动力汽车能量管理方法，其特征在于，所述步骤4具体包括：
8.如权利要求7所述的坡道预测自适应ECMS混合动力汽车能量管理方法，其特征在于，所述第个伞蜥第次迭代结果对应的等效燃油消耗量满足
...【技术特征摘要】
1.一种坡道预测自适应ecms混合动力汽车能量管理方法，其特征在于，包括如下步骤：
2.如权利要求1所述的坡道预测自适应ecms混合动力汽车能量管理方法，其特征在于，所述步骤二具体包括：
3.如权利要求2所述的坡道预测自适应ecms混合动力汽车能量管理方法，其特征在于，所述时刻的电池soc参考值满足：
4.如权利要求3所述的坡道预测自适应ecms混合动力汽车能量管理方法，其特征在于，所述时刻的坡度预测放电系数满足：
5.如权利要求4所述的坡道预测...
【专利技术属性】
技术研发人员：付尧，王炳策，雷雨龙，刘科，王玉海，
申请(专利权)人：吉林大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。