DE102021003990A1 - Method for determining a driving power distribution - Google Patents
Method for determining a driving power distribution Download PDFInfo
- Publication number
- DE102021003990A1 DE102021003990A1 DE102021003990.4A DE102021003990A DE102021003990A1 DE 102021003990 A1 DE102021003990 A1 DE 102021003990A1 DE 102021003990 A DE102021003990 A DE 102021003990A DE 102021003990 A1 DE102021003990 A1 DE 102021003990A1
- Authority
- DE
- Germany
- Prior art keywords
- particle
- parameter
- drive
- component
- components
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000009826 distribution Methods 0.000 title claims abstract description 35
- 239000002245 particle Substances 0.000 claims abstract description 119
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 238000009825 accumulation Methods 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims abstract description 8
- 238000010586 diagram Methods 0.000 claims description 11
- 239000000306 component Substances 0.000 description 65
- 238000002485 combustion reaction Methods 0.000 description 15
- 238000004364 calculation method Methods 0.000 description 6
- 230000035508 accumulation Effects 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 239000004606 Fillers/Extenders Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W20/00—Control systems specially adapted for hybrid vehicles
- B60W20/10—Controlling the power contribution of each of the prime movers to meet required power demand
- B60W20/12—Controlling the power contribution of each of the prime movers to meet required power demand using control strategies taking into account route information
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
- B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
- B60W10/08—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of electric propulsion units, e.g. motors or generators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W20/00—Control systems specially adapted for hybrid vehicles
- B60W20/10—Controlling the power contribution of each of the prime movers to meet required power demand
- B60W20/15—Control strategies specially adapted for achieving a particular effect
- B60W20/16—Control strategies specially adapted for achieving a particular effect for reducing engine exhaust emissions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/18—Propelling the vehicle
- B60W30/188—Controlling power parameters of the driveline, e.g. determining the required power
- B60W30/1882—Controlling power parameters of the driveline, e.g. determining the required power characterised by the working point of the engine, e.g. by using engine output chart
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
- B60K6/00—Arrangement or mounting of plural diverse prime-movers for mutual or common propulsion, e.g. hybrid propulsion systems comprising electric motors and internal combustion engines ; Control systems therefor, i.e. systems controlling two or more prime movers, or controlling one of these prime movers and any of the transmission, drive or drive units Informative references: mechanical gearings with secondary electric drive F16H3/72; arrangements for handling mechanical energy structurally associated with the dynamo-electric machine H02K7/00; machines comprising structurally interrelated motor and generator parts H02K51/00; dynamo-electric machines not otherwise provided for in H02K see H02K99/00
- B60K6/20—Arrangement or mounting of plural diverse prime-movers for mutual or common propulsion, e.g. hybrid propulsion systems comprising electric motors and internal combustion engines ; Control systems therefor, i.e. systems controlling two or more prime movers, or controlling one of these prime movers and any of the transmission, drive or drive units Informative references: mechanical gearings with secondary electric drive F16H3/72; arrangements for handling mechanical energy structurally associated with the dynamo-electric machine H02K7/00; machines comprising structurally interrelated motor and generator parts H02K51/00; dynamo-electric machines not otherwise provided for in H02K see H02K99/00 the prime-movers consisting of electric motors and internal combustion engines, e.g. HEVs
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/06—Combustion engines, Gas turbines
- B60W2710/0644—Engine speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2710/00—Output or target parameters relating to a particular sub-units
- B60W2710/06—Combustion engines, Gas turbines
- B60W2710/0666—Engine torque
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/62—Hybrid vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Hybrid Electric Vehicles (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zum Bestimmen von Antriebsenergieverteilungen, ein Computerprogrammprodukt zur Durchführung des Verfahrens und ein Hybridfahrzeug.Das Verfahren zum Bestimmen einer Antriebsenergieverteilung umfasst die Schritte:S1: Bereitstellen einer Vielzahl I von Partikeln i, wobei jeder Partikel i- eine erste Partikelkomponente K1i (2), die einen ersten zufällig ausgewählten Betriebspunkt in einem ersten Kennfeld (3) einer ersten Antriebskomponente (4) eines Antriebsstrangs mittels eines ersten Parameters n1i und eines zweiten Parameters τ1i beschreibt,- eine zweite Partikelkomponente K2i (5), die einen zweiten zufällig ausgewählten Betriebspunkt in einem zweiten Kennfeld (6) einer zweiten Antriebskomponente (7) des Antriebsstrangs mittels eines dritten Parameters n2i und eines vierten Parameters τ2i beschreibt,- und einen Partikelgüteparameter wi umfasst;S2: Bilden einer ersten Ansammlung von ersten Partikelkomponenten K1i (2) im ersten Kennfeld (3) und einer zweiten Ansammlung von zweiten Partikelkomponenten K2i (5) im zweiten Kennfeld (6) durch wiederholtes Verschieben der ersten und zweiten Partikelkomponenten K1i, K2i (2, 5) mittels einer Partikelschwarmoptimierung (Particle Swarm Optimization; PSO) anhand der Partikelgüteparameter wi der Partikel i;S3: Bestimmen einer Antriebsenergieverteilung durch Auswertung der ersten und zweiten Ansammlung der ersten und zweiten Partikelkomponenten K1i (2), K2i (5).The invention relates to a method for determining drive energy distributions, a computer program product for carrying out the method and a hybrid vehicle. The method for determining a drive energy distribution comprises the steps:S1: providing a multiplicity I of particles i, each particle i- a first particle component K1i ( 2) which describes a first randomly selected operating point in a first characteristics map (3) of a first drive component (4) of a drive train by means of a first parameter n1i and a second parameter τ1i, - a second particle component K2i (5) which describes a second randomly selected describes the operating point in a second characteristic map (6) of a second drive component (7) of the drive train by means of a third parameter n2i and a fourth parameter τ2i,- and comprises a particle quality parameter wi;S2: forming a first collection of first particle components K1i (2) in the first Map (3) and a z Wide accumulation of second particle components K2i (5) in the second characteristic map (6) by repeated shifting of the first and second particle components K1i, K2i (2, 5) by means of a particle swarm optimization (Particle Swarm Optimization; PSO) based on the particle quality parameters wi of the particles i;S3: determining a drive energy distribution by evaluating the first and second collection of the first and second particle components K1i (2), K2i (5).
Description
Die Erfindung betrifft ein Verfahren zum Bestimmen von Antriebsenergieverteilungen für einen Antriebsstrang eines Hybridfahrzeugs, ein Computerprogrammprodukt zur Durchführung des Verfahrens und ein Hybridfahrzeug.The invention relates to a method for determining drive energy distributions for a drive train of a hybrid vehicle, a computer program product for carrying out the method and a hybrid vehicle.
Aus der
Das erfindungsgemäße Verfahren zum Bestimmen einer Antriebsenergieverteilung für einen Antriebsstrang eines Hybridfahrzeugs umfasst die Schritte:
- S1: Bereitstellen einer Vielzahl I von Partikeln i, wobei jeder Partikel i
- - eine erste Partikelkomponente K1i, die einen ersten zufällig ausgewählten Betriebspunkt in einem ersten Kennfeld einer ersten Antriebskomponente eines Antriebsstrangs mittels eines ersten Parameters n1i und eines zweiten Parameters τ1i beschreibt,
- - eine zweite Partikelkomponente K2i, die einen zweiten zufällig ausgewählten Betriebspunkt in einem zweiten Kennfeld einer zweiten Antriebskomponente des Antriebsstrangs mittels eines dritten Parameters n2i und eines vierten Parameters τ2i beschreibt, wobei sich der erste Parameter n1i und der dritte Parameter n2i zu einem ersten vorgegebenen Fahrparameter n zusammensetzen und/oder wobei sich der zweite Parameter τ1i und der vierte Parameter τ2i zu einem zweiten vorgegebenen Fahrparameter τ zusammensetzen,
- - und einen Partikelgüteparameter wi umfasst;
- S2: Bilden einer ersten Ansammlung von ersten Partikelkomponenten K1 i im ersten Kennfeld und einer zweiten Ansammlung von zweiten Partikelkomponenten K2i im zweiten Kennfeld durch wiederholtes Verschieben der ersten und zweiten Partikelkomponenten K1i, K2i mittels einer Partikelschwarmoptimierung (Particle Swarm Optimization; PSO) anhand der Partikelgüteparameter wi der Partikel i;
- S3: Bestimmen einer ersten Antriebsenergieverteilung V1 i durch Auswertung der ersten Ansammlung der ersten Partikelkomponenten K1i und zweiten Ansammlung der zweiten Partikelkomponenten K2i mittels einer Wahrscheinlichkeitsdichtefunktion.
- S1: Providing a multiplicity I of particles i, each particle i
- - a first particle component K1i, which describes a first randomly selected operating point in a first characteristic map of a first drive component of a drive train by means of a first parameter n1i and a second parameter τ1i,
- - A second particle component K2i, which describes a second randomly selected operating point in a second map of a second drive component of the drive train by means of a third parameter n2i and a fourth parameter τ2i, with the first parameter n1i and the third parameter n2i becoming a first specified driving parameter n combine and/or wherein the second parameter τ1i and the fourth parameter τ2i combine to form a second specified driving parameter τ,
- - and a particle quality parameter wi;
- S2: forming a first collection of first particle components K1 i in the first map and a second collection of second particle components K2i in the second map by repeatedly shifting the first and second particle components K1i, K2i by means of a particle swarm optimization (Particle Swarm Optimization; PSO) based on the particle quality parameters wi the particle i;
- S3: Determining a first drive energy distribution V1 i by evaluating the first collection of the first particle components K1i and the second collection of the second particle components K2i using a probability density function.
Die zufällige Auswahl von Betriebspunkten umfasst dabei auch eine auf computergenerierten Zufallszahlen basierte Auswahl.The random selection of operating points also includes a selection based on computer-generated random numbers.
Unter „Antriebskomponenten“ werden hierbei einem Antrieb von Fahrzeugen dienende Komponenten, wie beispielsweise Verbrennungsmotoren, Elektromotoren, Brennstoffzellen oder Traktionsbatterien verstanden.“Drive components” are understood here to mean components used to drive vehicles, such as internal combustion engines, electric motors, fuel cells or traction batteries.
Unter dem Begriff „Hybridfahrzeug“ wird ein Fahrzeug verstanden, das mittels mindestens zweier Antriebskomponenten betreibbar sind. Dies umfasst elektrisch betriebene Fahrzeuge mit einem verbrennungsmotorischen Reichweitenverlängerer. Der Begriff „Fahrzeuge“ umfasst dabei Kraftfahrzeuge, Straßen- und Landfahrzeuge, Schiffe und sonstige Wasserfahrzeuge, Luftfahrzeuge und Schienenfahrzeuge.The term “hybrid vehicle” is understood to mean a vehicle that can be operated using at least two drive components. This includes electric vehicles with a combustion engine range extender. The term "vehicles" includes motor vehicles, road and land vehicles, ships and other water vehicles, aircraft and rail vehicles.
Abhängig davon, welche Antriebskomponenten im erfindungsgemäßen Verfahren betrachtet werden, können erste, zweite, dritte oder vierte Parameter n1i, τ1i, n2i, τ2i beispielsweise Motordrehzahlen, Motordrehmomente, Batterie- und/oder Brennstoffzellenströme und/oder -spannungen sein. Beispiele für erste und/oder zweite vorgegebene Parameter n, τ können von einem Fahrer oder Vorausschauhorizont vorgegebene Abtriebsdrehmomente, Abtriebsdrehzahlen und/oder Fahrgeschwindigkeiten sein. Für eine Parametervorgabe mittels eines Vorausschauhorizontes sind insbesondere zeit- und distanzbasierte Systeme geeignet.Depending on which drive components are considered in the method according to the invention, first, second, third or fourth parameters n1i, τ1i, n2i, τ2i can be, for example, engine speeds, engine torques, battery and/or fuel cell currents and/or voltages. Examples of first and/or second predefined parameters n, τ can be output torques, output rotational speeds and/or driving speeds predefined by a driver or by a perspective. Time-based and distance-based systems are particularly suitable for specifying parameters using a forecast horizon.
Die Partikelgüteparameter wi sind von den ersten und/oder zweiten und/oder dritten und/oder vierten Parametern n1i, τ1i, n2i, τ2i abhängige Kennwerte die im erfindungsgemäßen Verfahren dazu dienen, eine Güte der Partikel i anhand vorgegebener Kriterien zu werten. Partikelgüteparameter können beispielsweise eine Gesamtenergieeffizienz der Antriebskomponenten, ein CO2-Ausstoß des Fahrzeugs oder eine Antriebskomponententemperatur sein.The particle quality parameters wi are characteristic values dependent on the first and/or second and/or third and/or fourth parameters n1i, τ1i, n2i, τ2i, which are used in the method according to the invention to evaluate a quality of the particles i using predetermined criteria. Particle quality parameters can be, for example, an overall energy efficiency of the drive components, CO 2 emissions from the vehicle or a drive component temperature.
In Schritt S2 des erfindungsgemäßen Verfahrens werden die Partikelkomponenten K1 i, K2i mittels einer Partikelschwarmoptimierung (Particle Swarm Optimization; PSO) verschoben. Die PSO ist ein aus der Heuristik in der Mathematik bekanntes Berechnungsverfahren zur näherungsweisen Lösung von Optimierungsproblemen.In step S2 of the method according to the invention, the particle components K1i, K2i are shifted by means of a particle swarm optimization (Particle Swarm Optimization; PSO). The PSO is a calculation method known from heuristics in mathematics for the approximate solution of optimization problems.
Dadurch, dass die ersten und zweiten Partikelkomponenten K1i, K2i mittels einer Partikelschwarmoptimierung anhand der Partikelgüteparamter wi wiederholt verschoben werden, kann mittels des erfindungsgemäßen Verfahrens eine Antriebsenergieverteilung der Antriebskomponenten berechnet werden, die hinsichtlich eines, durch den Partikelgüteparameter vorgegebenen Kriteriums optimiert ist.Because the first and second particle components K1i, K2i are repeatedly shifted by means of a particle swarm optimization based on the particle quality parameter wi, a drive energy distribution of the drive components can be calculated using the method according to the invention, which is optimized with regard to a criterion specified by the particle quality parameter.
Bevorzugt werden die Schritte S1 bis S3 des erfindungsgemäßen Verfahrens eine Mehrzahl J von Wiederholungen j wiederholt, wobei bei jeder Wiederholung j in Schritt S1 eine Vielzahl I von Partikeln i einer vorangegangenen Wiederholung j-1 bereitgestellt werden und wobei bei jeder Wiederholung j in Schritt 2 neue erste Fahrparameter n und/oder neue zweite Fahrparameter τ durch einen Vorausschauhorizont vorgegeben werden. Dies ermöglicht ein Bestimmen von Antriebsenergieverteilungen in einer anhand des Vorausschauhorizontes prognostizierbaren Zukunft.Steps S1 to S3 of the method according to the invention are preferably repeated a plurality J of repetitions j, with each repetition j in step S1 a plurality I of particles i of a previous repetition j-1 being provided and with each repetition j in
Weiterhin ermöglicht die Anwendung der PSO in Schritt S2, durch einen, im Vergleich zu anderen bekannten Optimierungsverfahren, geringen Rechenressourcenbedarf, eine Durchführung des erfindungsgemäßen Verfahrens in Echtzeit. Unter „Echtzeit“ wird hierbei verstanden, dass die Bestimmung der optimierten Antriebsenergieverteilung innerhalb einer vorherbestimmten Zeitspanne erfolgt. Bevorzugt ist diese Zeitspanne kürzer als 50 ms.Furthermore, the application of the PSO in step S2 enables the method according to the invention to be carried out in real time due to a low computing resource requirement compared to other known optimization methods. “Real time” is understood here to mean that the optimized drive energy distribution is determined within a predetermined period of time. This period of time is preferably shorter than 50 ms.
Vorzugsweise sind das erste Kennfeld und das zweite Kennfeld auf Betriebsparameterbereiche eingeschränkt, die bei einem zukünftigen Betrieb erwartbar sind. Durch diese Einschränkung wird verhindert, dass bei der Bestimmung der Antriebsenergieverteilung Betriebsparameterbereiche berücksichtigt werden, welche für einen bevorstehenden Fahrbetrieb nicht infrage kommen. Dadurch wird ein Rechenaufwand und/oder eine Berechnungszeit bei einer computergestützten Durchführung des Verfahrens reduziert.The first characteristic map and the second characteristic map are preferably restricted to operating parameter ranges that can be expected in future operation. This restriction prevents operating parameter ranges from being taken into account when determining the drive energy distribution, which ranges are out of the question for an upcoming driving operation. This reduces the computing effort and/or the calculation time when the method is carried out with the aid of a computer.
Das erfindungsgemäße Computerprogrammprodukt veranlasst, wenn es von einer Recheneinheit ausgeführt wird, die Recheneinheit dazu, ein erfindungsgemäßes Verfahren zum Bestimmen einer Antriebsenergieverteilung eines Hybridfahrzeugs auszuführen.When executed by a computing unit, the computer program product according to the invention causes the computing unit to execute a method according to the invention for determining a drive energy distribution of a hybrid vehicle.
Das erfindungsgemäße Hybridfahrzeug umfasst eine erste Antriebskomponente, eine zweite Antriebskomponente und ein Steuergerät mit einer Recheneinheit, welche dazu ausgebildet und eingerichtet ist, ein erfindungsgemäßes Computerprogrammprodukt auszuführen, wobei das Steuergerät dazu ausgebildet und eingerichtet ist, eine Antriebsenergieverteilung der ersten Antriebskomponente und der zweiten Antriebskomponente zu steuern.The hybrid vehicle according to the invention comprises a first drive component, a second drive component and a control unit with a computing unit which is designed and set up to execute a computer program product according to the invention, the control unit being designed and set up to control a drive energy distribution of the first drive component and the second drive component .
Die abhängigen Ansprüche beschreiben weitere vorteilhafte Ausführungsformen der Erfindung.The dependent claims describe further advantageous embodiments of the invention.
Bevorzugte Ausführungsbeispiele werden anhand der folgenden Figuren näher erläutert. Dabei zeigt
-
1 ein Ausführungsbeispiel eines erfindungsgemäßen Hybridfahrzeugs, -
2a ein Ausführungsbeispiel einer ersten Kennfelddarstellung einer ersten Antriebskomponente, umfassend zufällig verteilte erste Partikelkomponenten K1 i einer Vielzahl I von Partikeln i, -
2b ein Ausführungsbeispiel einer zweiten Kennfelddarstellung einer zweiten Antriebskomponente, umfassend zufällig verteilte zweite Partikelkomponenten K2i einer Vielzahl I von Partikeln i, -
2c ein Ausführungsbeispiel einer ersten Kennfelddarstellung einer ersten Antriebskomponente, umfassend eine Ansammlung erster Partikelkomponenten K1 i einer Vielzahl I von Partikeln i, -
2d ein Ausführungsbeispiel einer zweiten Kennfelddarstellung einer zweiten Antriebskomponente, umfassend eine Ansammlung zweiter Partikelkomponenten K2i einer Vielzahl I von Partikeln i und -
3 ein Ausführungsbeispiel eines erfindungsgemäßen Verfahrens zum Bestimmen einer Antriebsenergieverteilung eines Hybridfahrzeugs.
-
1 an embodiment of a hybrid vehicle according to the invention, -
2a an embodiment of a first characteristic map representation of a first drive component, comprising randomly distributed first particle components K1 i of a plurality I of particles i, -
2 B an embodiment of a second characteristic map representation of a second drive component, comprising randomly distributed second particle components K2i of a plurality I of particles i, -
2c an embodiment of a first characteristic map representation of a first drive component, comprising a collection of first particle components K1 i of a plurality I of particles i, -
2d an exemplary embodiment of a second characteristic diagram representation of a second drive component, comprising a collection of second particle components K2i of a plurality I of particles i and -
3 an embodiment of a method according to the invention for determining a drive energy distribution of a hybrid vehicle.
Das in
Weiterhin umfasst das Hybridfahrzeug 1 einen internen Datenspeicher 10, in welchem Modelle der Antriebskomponenten 4, 7 gespeichert sind. Die Modelle umfassen Kennfelder 3, 6 von Betriebsbereichen der Antriebskomponenten 4, 7.
Des Weiteren umfasst das Hybridfahrzeug 1 ein Steuergerät 9 (Engine Control Unit, ECU), welches dazu ausgebildet und eingerichtet ist, eine Antriebsenergieverteilung der Elektrokraftmaschine 4 und der Brennkraftmaschine 7 zu steuern. Das Steuergerät 9 umfasst eine Recheneinheit 8, welche dazu ausgebildet und eingerichtet ist, ein Computerprogrammprodukt zum Bestimmen einer Antriebsenergieverteilung des Hybridfahrzeugs 1 auszuführen.Furthermore, the
Im Folgenden wird ein Ausführungsbeispiel eines erfindungsgemäßen Verfahrens zum Bestimmen einer Antriebsenergieverteilung des Hybridfahrzeugs 1 beschrieben. Die Schritte des Verfahrens sind in
Im Ausführungsbeispiel berechnet die Recheneinheit 8 anhand des Vorausschauhorizonts minimale und maximale zu erwartende Elektrokraftmaschinendrehzahlen, Elektrokraftmaschinendrehmomente, Brennkraftmaschinendrehzahlen und Brennkraftmaschinendrehmomente und schränkt das erste Kennfeld 3 und das zweite Kennfeld 6 auf Betriebsparameterbereiche ein, welche zwischen den minimalen und maximalen zu erwartenden Werten liegen. Weiterhin normiert die Recheneinheit 8 die Kennfelder 3, 6 auf die jeweiligen erwarteten Maximalwerte der entsprechenden Drehmomente bzw. Drehzahlen. Durch die Einschränkung und Normierung der Kennfelder 3, 6 werden ein Rechenaufwand und eine Berechnungszeit bei einer computergestützten Durchführung des Verfahrens reduziert.In the exemplary embodiment, the
In einem ersten Schritt des Verfahrens S1 stellt die Recheneinheit 8 eine begrenzte Vielzahl I von Partikeln i bereit. Im Ausführungsbeispiel sind dies genau 100 Partikel i. Jeder Partikel i umfasst eine erste Partikelkomponente K1i, 2, die einen ersten zufällig ausgewählten Betriebspunkt im ersten Kennfeld 3 der Elektrokraftmaschine 4 mittels eines ersten Parameters n1i und eines zweiten Parameters τ1i beschreibt. Im Ausführungsbeispiel ist der erste Parameter n1 i eine Elektrokraftmaschinendrehzahl und der zweite Parameter τ1i ein Elektrokraftmaschinenmoment. Weiterhin umfasst jeder Partikel i eine zweite Partikelkomponente K2i, 5, die einen zweiten zufällig ausgewählten Betriebspunkt in einem zweiten Kennfeld 6 der Brennkraftmaschine 7 mittels eines dritten Parameters n2i und eines vierten Parameters τ2i beschreibt. Im Ausführungsbeispiel ist der dritte Parameter n2i eine Brennkraftmaschinendrehzahl und der vierte Parameter τ2i ein Brennkraftmaschinenmoment. Der zweite Parameter τ1i und der vierte Parameter τ2i setzen sich dabei zu einem von einem Fahrer vorgegeben zweiten Fahrparameter τ zusammen. Im Ausführungsbeispiel ist τ ein vom Fahrer angefordertes Gesamtdrehmoment.In a first step of the method S1, the
Des Weiteren umfasst jeder Partikel i einen Partikelgüteparameter wi. Im Ausführungsbeispiel ist der Partikelgüteparameter wi eine Gesamteffizienz, welche sich aus einer Elektrokraftmaschineneffizienz w1i und einer Brennkraftmaschineneffizienz w2i zusammensetzt. Der Partikelgüteparameter wi jedes Partikels i ist abhängig von den Parametern n1i, τ1i, n2i, τ2i seiner Partikelkomponenten K1i, K2i, 2, 5. Da im Ausführungsbeispiel keine Partikel mit identischen Parametern n1i, τ1i, n2i, τ2i vorliegen, weisen die Partikelgüteparameter wi aller Partikel i unterschiedliche Werte auf. Da die Anzahl der betrachteten Partikel i endlich ist, weist ein Partikelgüteparameter wi eines einzelnen Partikels i einen maximalen Wert wmax auf.Furthermore, each particle i includes a particle quality parameter wi. In the exemplary embodiment, the particle quality parameter wi is an overall efficiency composed of an electric engine efficiency w1i and an internal combustion engine efficiency w2i. The particle quality parameter wi of each particle i depends on the parameters n1i, τ1i, n2i, τ2i of its particle components K1i, K2i, 2, 5. Since there are no particles with identical parameters n1i, τ1i, n2i, τ2i in the exemplary embodiment, the particle quality parameters wi all have particle i different values. Since the number of particles i considered is finite, a particle quality parameter wi of a single particle i has a maximum value wmax.
In einem zweiten Schritt des Verfahrens S2 wird eine erste Ansammlung von ersten Partikelkomponenten K1i, 2 im ersten Kennfeld 3 und eine zweite Ansammlung von zweiten Partikelkomponenten K2i, 5 im zweiten Kennfeld 6 gebildet (siehe
Im Ausführungsbeispiel verschiebt die Recheneinheit 8 die ersten Partikelkomponenten K1i, 2 im ersten Kennfeld 3 um die Verschiebungswerte Δn1i und Δr1i und die zweiten Partikelkomponenten K2i, 5 im zweiten Kennfeld 6 um die Verschiebungswerte Δn2i und Δτ2i mittels der PSO. Die Verschiebungswerte Δn1i, Δτ1i, Δn2i, Δτ2i umfassen dabei jeweils einen Zufallsanteil sowie einen Anteil, welcher von den Parametern des Partikels mit dem maximalen Partikelgüteparameter wimax abhängig ist. Dadurch bewegen sich die Partikelkomponenten K1i, K2i, 2, 5 beim Verschieben im Mittel auf Bereiche in den Kennfeldern 3, 6 zu, welche einen hohe Gesamteffizienz aufweisen.In the exemplary embodiment, the
Im Ausführungsbeispiel wiederholt die Recheneinheit 8 das Verschieben der ersten und zweiten Partikelkomponenten K1i, K2i, 2, 5 in Schritt S2 100-mal. Nach jeder Verschiebung der ersten und zweiten Partikelkomponente K1 i, K2i, 2, 5 eines jeden Partikels i berechnet die Recheneinheit 8 dessen Partikelgüteparameter wi neu. Durch das Wiederholen werden die Bereiche im ersten und zweiten Kennfeld 3, 6, in welchen sich die Partikelkomponenten K1i, K2i, 2, 5 ansammeln, verkleinert und die Dichte der Partikelkomponentenansammlung in den jeweiligen Bereichen erhöht. Dies führt zu einer Erhöhung der Genauigkeit bei der Bestimmung einer optimierten Antriebsenergieverteilung.In the exemplary embodiment, the
Im Ausführungsbeispiel überprüft die Recheneinheit 8 nach jedem Verschieben der ersten und zweiten Partikelkomponente K1i, K2i, 2, 5 eines Partikels i in einem Schritt 21 des Verfahrens, ob die von den Partikelkomponenten K1i, K2i, 2, 5 beschriebenen Betriebspunkte der Elektrokraftmaschine 4 und der Brennkraftmaschine 7 innerhalb physikalisch möglicher Betriebsbereiche liegen.In the exemplary embodiment, after each shifting of the first and second particle components K1i, K2i, 2, 5 of a particle i, the
Für den Fall, dass eine erste oder zweiten Partikelkomponente K1i, K2i, 2, 5 eines Partikels i einen Betriebspunkt beschreibt, welcher außerhalb eines physikalisch möglichen Betriebsbereiches liegt, überschreibt die Recheneinheit 8 die jeweilige Partikelkomponente K1i, K2i, 2, 5 in einem Schritt S22 mit einer neuen Partikelkomponente K1i, K2i, 2, 5, welche innerhalb eines physikalisch möglichen Betriebsbereiches liegt. In the event that a first or second particle component K1i, K2i, 2, 5 of a particle i describes an operating point which is outside a physically possible operating range, the
Durch das Überschreiben kann eine Berechnungsgeschwindigkeit bei einer computerimplementierten Durchführung des Verfahrens reduziert und die Genauigkeit bei der Bestimmung einer optimierten Antriebsenergieverteilung erhöht werden.As a result of the overwriting, a calculation speed can be reduced when the method is carried out in a computer-implemented manner and the accuracy in determining an optimized drive energy distribution can be increased.
In einem dritten Schritt des Verfahrens S3 bestimmt die Recheneinheit 8 die Antriebsenergieverteilung durch eine Auswertung der ersten Ansammlung der ersten Partikelkomponenten K1 i, 2 und zweiten Ansammlung der zweiten Partikelkomponenten K2i, 5 mittels Wahrscheinlichkeitsdichtefunktionen. Im Ausführungsbeispiel sind die Wahrscheinlichkeitsdichtefunktionen Gauß-Verteilungen. Diese werden für die erste und zweite Partikelansammlung K1i, K2i, 2, 5 jeweils separat berechnet. Maximalwerte der beiden Gauß-Verteilungen geben optimierte Betriebspunkte der Elektrokraftmaschine 4 und der Brennkraftmaschine 7 und somit eine optimierte Antriebsenergieverteilung wieder.In a third step of the method S3, the
Im Ausführungsbeispiel wiederholt die Recheneinheit 8 die Schritte S1 bis S3 eine vorgegebene Mehrzahl J von Wiederholungen j. Bei jeder Wiederholung j stellt die Recheneinheit 8 in Schritt S1 eine Vielzahl I von Partikeln i einer vorangegangenen Wiederholung j-1 bereit. Die Partikelkomponenten K1i, K2i, 2, 5 der Partikel i sind dabei bereits beim Bereitstellen durch das wiederholte Verschieben in Schritt S2 der vorangegangen Wiederholung j-1 in Bereichen im ersten und zweiten Kennfeld 3, 6 angesammelt (siehe
Das oben beschriebene Ausführungsbeispiel des erfindungsgemäßen Verfahrens wird in dem in
Im Ausführungsbeispiel sind die Recheneinheit 8 und das Computerprogrammprodukt dazu ausgebildet und eingerichtet, die Antriebsenergieverteilung des Hybridfahrzeugs 1 in Echtzeit zu berechnen. Unter „Echtzeit“ wird hierbei verstanden, dass die Bestimmung der optimierten Antriebsenergieverteilung innerhalb einer Zeitspanne von 50 ms erfolgt. Die Berechnung in Echtzeit wird dabei durch den Einsatz der PSO, welche, im Vergleich zu anderen bekanntes Berechnungsverfahren zur näherungsweisen Lösung von Optimierungsproblemen, geringe Rechenressourcen benötigt, und einer hohen Datenverarbeitungsgeschwindigkeit der Recheneinheit 8 ermöglicht.In the exemplary embodiment, the
In weiteren Ausführungsbeispielen des erfindungsgemäßen Verfahrens (nicht gezeigt) werden bei der Bestimmung einer Antriebsenergieverteilung mehr als 2 Antriebskomponenten einbezogen. Als Partikelgüteparameter wi können neben einer Gesamteffizienz der Antriebskomponenten auch Batterietemperaturen und/oder Emissionen von CO2, NOx oder Lärm beim Betrieb des Hybridfahrzeugs berücksichtigt werden.In further exemplary embodiments of the method according to the invention (not shown), more than 2 drive components are included in the determination of a drive energy distribution. In addition to the overall efficiency of the drive components, battery temperatures and/or emissions of CO2, NOx or noise during operation of the hybrid vehicle can also be taken into account as particle quality parameters wi.
In einem weiteren Ausführungsbeispiel des erfindungsgemäßen Verfahrens (nicht gezeigt) berechnet eine Recheneinheit eine Antriebsenergieverteilung für einen seriellen Hybridantriebsstrang eines Hybridfahrzeugs, umfassend einer erste Antriebskomponente und eine zweite Antriebskomponente. In Schritt S1 des Verfahrens stellt die Recheneinheit eine Vielzahl I von Partikeln i bereit, wobei jeder Partikel i eine erste Partikelkomponente K1i umfasst, die einen ersten zufällig ausgewählten Betriebspunkt in einem ersten Kennfeld der ersten Antriebskomponente mittels eines ersten Parameters n1i und eines zweiten Parameters τ1i beschreibt, und wobei jeder Partikel i eine zweite Partikelkomponente K2i umfasst, die einen zweiten zufällig ausgewählten Betriebspunkt in einem zweiten Kennfeld der zweiten Antriebskomponente mittels eines dritten Parameters n2i und eines vierten Parameters τ2i beschreibt. Die ersten Parameter n1 i beschreiben dabei Drehzahlen möglicher Betriebspunkte der ersten Antriebskomponente. Die dritten Parameter n2i beschreiben Drehzahlen möglicher Betriebspunkte der zweiten Antriebskomponente, die sich mit den ersten Parametern n1 i zu einer vorgegebenen Drehzahl n zusammensetzen.In a further exemplary embodiment of the method according to the invention (not shown), a computing unit calculates a drive energy distribution for a serial hybrid drive train of a hybrid vehicle, comprising a first drive component and a second drive component. In step S1 of the method, the computing unit provides a multiplicity I of particles i, each particle i comprising a first particle component K1i, which describes a first randomly selected operating point in a first characteristic map of the first drive component using a first parameter n1i and a second parameter τ1i , and where each particle i has a second particle compo nent K2i, which describes a second randomly selected operating point in a second map of the second drive component by means of a third parameter n2i and a fourth parameter τ2i. The first parameters n1 i describe speeds of possible operating points of the first drive component. The third parameters n2i describe speeds of possible operating points of the second drive component, which combine with the first parameters n1i to form a specified speed n.
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of documents cited by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturPatent Literature Cited
- CN 104408257 A [0002]CN 104408257A [0002]
Claims (10)
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020004897.8A DE102020004897A1 (en) | 2020-08-12 | 2020-08-12 | Method for determining a drive energy distribution |
DE102020004897.8 | 2020-08-12 |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102021003990A1 true DE102021003990A1 (en) | 2022-02-17 |
Family
ID=73052400
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102020004897.8A Withdrawn DE102020004897A1 (en) | 2020-08-12 | 2020-08-12 | Method for determining a drive energy distribution |
DE102021003990.4A Pending DE102021003990A1 (en) | 2020-08-12 | 2021-08-03 | Method for determining a driving power distribution |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102020004897.8A Withdrawn DE102020004897A1 (en) | 2020-08-12 | 2020-08-12 | Method for determining a drive energy distribution |
Country Status (1)
Country | Link |
---|---|
DE (2) | DE102020004897A1 (en) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408257A (en) | 2014-11-28 | 2015-03-11 | 江苏大学 | Simulated annealing particle swarm algorithm based hybrid power automobile parameter optimization method |
-
2020
- 2020-08-12 DE DE102020004897.8A patent/DE102020004897A1/en not_active Withdrawn
-
2021
- 2021-08-03 DE DE102021003990.4A patent/DE102021003990A1/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408257A (en) | 2014-11-28 | 2015-03-11 | 江苏大学 | Simulated annealing particle swarm algorithm based hybrid power automobile parameter optimization method |
Also Published As
Publication number | Publication date |
---|---|
DE102020004897A1 (en) | 2020-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102017214384A1 (en) | Method and devices for defining an operating strategy profile | |
EP2857271A2 (en) | Operating method for a hybrid drive, in particular for selecting optimal operating modes of the hybrid drive along a travel route | |
DE102008002036A1 (en) | A method of determining an optimal operating time with respect to a state of charge in a hybrid electric vehicle | |
DE102014209687A1 (en) | Method and device for the anticipatory operation of a motor vehicle | |
DE102015007913A1 (en) | Method for online adaptation of a characteristic curve of a hybrid vehicle | |
DE102015202216A1 (en) | Method and device for operating a motor vehicle by specifying a desired speed | |
DE102011105256A1 (en) | Method for calculating a remaining range and / or consumption of a motor vehicle and motor vehicle | |
EP3540403A1 (en) | Method for carrying out a test of a device under test | |
DE102008025852A1 (en) | vehicle system | |
DE102013207688A1 (en) | Method and device for selecting a route for driving through a vehicle | |
DE102014204354A1 (en) | Method for operating a vehicle and driver assistance system | |
DE102016210447A1 (en) | Method and control device for planning a measure for exhaust aftertreatment | |
DE102020106591A1 (en) | Method for creating a trained artificial neural network, method for predicting emission data of a vehicle and method for determining calibration values | |
DE102020106880A1 (en) | Method and device for calibrating a control and regulating device system for controlling and regulating an operating state | |
DE102015003737A1 (en) | Method for search space limitation of a model-based online optimization method for predicting a state variable of a vehicle | |
DE102021003990A1 (en) | Method for determining a driving power distribution | |
DE102016216538A1 (en) | Method for operating a control device of a motor vehicle, control device and motor vehicle | |
DE102019102054A1 (en) | A method for scheduling a regeneration of components of an exhaust aftertreatment system | |
DE102018218960A1 (en) | Method for controlling a drive train of a motor vehicle | |
EP3871052B1 (en) | Method for calibrating a technical system | |
DE102018206350A1 (en) | Method for adjusting operating parameters of an exhaust gas aftertreatment device | |
DE102011078270A1 (en) | Method for operating motor vehicle with multiple actuators, involves determining operating strategy of motor vehicle from predetermined set of operating strategies depending on operating variable of motor vehicle | |
DE102020104293A1 (en) | Method and system for coordinated route and drive strategy determination for a hybrid vehicle | |
DE102013105505A1 (en) | Navigation device, drive system with a navigation device and method for determining an optimal route for a hybrid vehicle | |
DE102006056496B4 (en) | Lambda control with a multi-zone catalyst model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R084 | Declaration of willingness to licence |