CN102019926A - 用于包括混合动力系统的车辆的预测能量管理控制方案 - Google Patents

Abstract

本发明涉及用于包括混合动力系统的车辆的预测能量管理控制方案。具体地，提供了一种用于控制具有混合动力系的车辆的方法，该方法包括监测与预测行进路径相关的车辆导航和交通模式。它将动力系瞬时控制器扩展到了预测控制框架，并且利用了基于车载传感和导航信息的预见的交通和地理信息。即将发生的道路负荷被预测出，由此在模型预测控制框架下优化燃料耗费系数。由即将发生的道路负荷来预测充电状态轨迹，并且响应于该预测的充电状态轨迹来控制混合动力系统的操作。

Description

用于包括混合动力系统的车辆的预测能量管理控制方案

技术领域

本公开涉及用于具有混合动力系统的车辆的控制系统。

背景技术

本部分中的陈述仅提供与本公开相关的背景信息，并且可以不构成现有技术。

已知的混合动力系架构具有包括内燃发动机的扭矩生成装置和能够被机械地联接到传动装置以将扭矩传递到输出构件的扭矩机。已知的扭矩机将存储的能量转换为动力，以产生扭矩。一种已知的混合动力系统包括联接到双模式的、复合分离的(compound-split)、机电变速器的输入构件的内燃发动机，该双模式的、复合分离的、机电变速器具有被操作性联接到机动车辆的传动系以便用于将牵引扭矩传递到其上的输出构件。扭矩机(其包括操作为电动机或发电机的电机)能够不依赖于从内燃发动机输入的扭矩来产生输入到变速器的扭矩。电机可将通过车辆传动系传递的车辆的动能转换为能够存储在电能存储装置中的电能。控制系统监测来自车辆和操作者的各种输入，并提供对混合动力系的操作控制，包括控制变速器的范围状态和换挡、控制扭矩产生装置和调节电能存储装置与电机之间的电功率交换，从而管理变速器的输出，包括扭矩和转速。

已知的用于操作混合动力系统的控制策略包括执行功率管理方案，以达到与燃料消耗、排放、和响应操作者对输出扭矩的请求而对存储的能量的使用相关的优选目标。用于控制混合动力系统的操作的已知功率管理方案监测当前状况并产生即时控制信号以控制动力系统的致动器。

已知的车辆系统包括全球定位系统(GPS)和数字地图系统，以监测车辆位置和相对于公路系统的运动。

发明内容

一种配备有混合动力系统的车辆，所述混合动力系统包括被操作地联接到混合动力变速器的输入构件的内燃发动机，所述混合动力系统具有可操作以便与能量存储装置交换功率的扭矩机。混合动力变速器被配置为在输入构件、扭矩机和输出构件之间传递扭矩。用于操作车辆的方法包括：监测与所述车辆的预测行进路径相关的车辆导航和交通模式(traffic patterns)；预测与所述车辆导航和所述交通模式相关的即将发生的道路负荷；估计与所述预测的即将发生的道路负荷相关的车辆推进功率；确定所述能量存储装置的期望的充电状态轨迹；预测与估计的车辆推进功率和所述能量存储装置的期望的充电状态轨迹相对应的所述能量存储装置的充电状态轨迹；和响应于所述能量存储装置的预测的充电状态轨迹来控制所述混合动力系统的操作。

本发明还提供了以下方案：

方案1.一种用于操作包括了混合动力系统的车辆的方法，所述混合动力系统包括被操作地联接到混合动力变速器的输入构件的内燃发动机，包括可操作以便与能量存储装置交换功率的扭矩机，所述混合动力变速器被配置为在所述输入构件、所述扭矩机和输出构件之间传递扭矩，所述方法包括：

监测与用于所述车辆的预测行进路径相关的车辆导航和交通模式；

预测与所述车辆导航和交通模式相关的即将发生的道路负荷；

估计与所述预测的即将发生的道路负荷相关的车辆推进功率；

确定用于所述能量存储装置的期望的充电状态轨迹；

预测用于所述能量存储装置的充电状态轨迹，其对应于所述估计的车辆推进功率和用于所述能量存储装置的期望的充电状态轨迹；和

响应于用于所述能量存储装置的预测的充电状态轨迹来控制所述混合动力系统的操作。

方案2.如方案1所述的方法，进一步包括：

确定与用于所述能量存储装置的预测的充电状态轨迹相关的边界条件；和

响应于命令的输出扭矩和与用于所述能量存储装置的预测的充电状态轨迹相关的所述边界条件来控制所述混合动力系统的操作。

方案3.如方案1所述的方法，进一步包括执行负荷预测控制方案，以预测与车辆导航和交通模式相关的即将发生的道路负荷，从而估计与用于所述车辆的预测行进路径相关的车辆推进力。

方案4.如方案3所述的方法，进一步包括执行包括了滚动时域控制方案的预测控制方案，以预测与所述车辆导航和交通模式相关的即将发生的道路负荷。

方案5.如方案4所述的方法，进一步包括：

优化与所述即将发生的道路负荷相关的燃料耗费系数；和

基于所述优化的燃料耗费系数来动态地调节用于所述能量存储装置的预测的充电状态轨迹。

方案6.如方案4所述的方法，其中，优化所述燃料耗费系数从而使所述滚动时域上的燃料耗费和总的功率耗费中的至少一个最小化。

方案7.如方案6所述的方法，其中，所述模型预测控制方案包括总的混合动力系损耗的基于功率的准静态模型。

方案8.如方案1所述的方法，进一步包括确定在来自所述发动机的功率输出与来自所述扭矩机的功率输出之间的优选功率分配，所述优选功率分配基于用于所述能量存储装置的预测的充电状态轨迹。

方案9.如方案1所述的方法，其中，所述期望的充电状态轨迹包括电量消耗轨迹。

方案10.如方案1所述的方法，其中，所述期望的充电状态轨迹包括电量保持轨迹。

方案11.一种用于操作包括了混合动力系统的车辆的方法，所述混合动力系统包括被操作地联接到混合动力变速器的输入构件的内燃发动机，包括可操作以便与能量存储装置交换功率的扭矩机，所述混合动力变速器被配置为在所述输入构件、所述扭矩机和输出构件之间传递扭矩，所述方法包括：

监测与用于所述车辆的预测行进路径相关的车辆导航、交通模式、和操作者驾驶模式；

监测与输入到用于所述车辆的操作者接口的操作者输入相关的操作者扭矩请求；

预测与所述车辆导航、交通模式、操作者驾驶模式、和所述操作者扭矩请求相关的即将发生的道路负荷；

估计与所述预测的即将发生的道路负荷相关的车辆推进功率；

确定用于所述能量存储装置的期望的充电状态轨迹；

预测用于所述能量存储装置的充电状态轨迹，其对应于所述估计的车辆推进功率和用于所述能量存储装置的期望的充电状态轨迹；和

响应于用于所述能量存储装置的预测的充电状态轨迹和所述操作者扭矩请求来控制所述混合动力系统的操作。

方案12.如方案11所述的方法，进一步包括：

估计与所述估计的车辆推进功率相关的预测的燃料耗费系数；和

确定与所述预测的燃料耗费系数相关的在来自所述发动机的功率输出和来自所述扭矩机的功率输出之间的优选功率分配。

方案13.如方案12所述的方法，进一步包括：

确定与在来自所述发动机的功率输出和来自所述扭矩机的功率输出之间进行的所述优选功率分配相关的瞬时燃料耗费系数；和

其中，确定在来自所述发动机的功率输出和来自所述扭矩机的功率输出之间的所述优选功率分配还进一步与所述瞬时燃料耗费系数相关。

方案14.一种用于操作包括了混合动力系统的车辆的方法，包括：

预测所述车辆的行进路径；

监测与所述预测的行进路径相关的车辆导航和交通模式；

预测与所述车辆导航和交通模式相关的即将发生的道路负荷，所述车辆导航和交通模式与所述预测的行进路径相关；

估计与所述预测的即将发生的道路负荷相关的车辆推进功率；

确定被配置为提供用于车辆推进的功率的能量存储装置的期望的充电状态轨迹；

预测用于所述能量存储装置的充电状态轨迹，其对应于所述估计的车辆推进功率和用于所述能量存储装置的期望的充电状态轨迹；和

响应于所述能量存储装置的预测的充电状态轨迹来控制所述混合动力系统的操作。

方案15.如方案14所述的方法，进一步包括：

确定与所述能量存储装置的预测的充电状态轨迹相关的边界条件；和

响应于命令的输出扭矩、所述预测的充电状态轨迹、和与所述能量存储装置的预测的充电状态轨迹相关的所述边界条件来控制所述混合动力系统的操作。

方案16.如方案14所述的方法，进一步包括：

执行负荷预测控制方案，以预测与所述车辆导航和交通模式相关的所述即将发生的道路负荷，以便估计与用于所述车辆的预测行进路径相关的所述车辆推进力。

方案17.如方案16所述的方法，进一步包括：

执行包括了滚动时域控制方案的模型预测控制方案，以预测与所述车辆导航和交通模式相关的所述即将发生的道路负荷。

方案18.如方案17所述的方法，进一步包括：

优化与所述即将发生的道路负荷相关的燃料耗费系数；和

基于所述优化的燃料耗费系数来动态地调整所述能量存储装置的预测的充电状态轨迹。

方案19.如方案14所述的方法，其中，所述期望的充电状态轨迹包括电量消耗轨迹。

方案20.如方案14所述的方法，其中，所述期望的充电状态轨迹包括电量保持轨迹。

附图说明

参照附图，将以示例的方式描述一个或多个实施例，在附图中：

图1为根据本公开的示例性混合动力系的示意图；

图2为根据本公开的示例性混合动力系的控制系统的示例性架构的示意图；

图3为根据本公开的优选燃料消耗因子与能量存储装置的充电状态的关系曲线图；和

图4A～4D为在根据本公开的混合动力系统中操作控制方案的曲线图。

具体实施方式

现在参照附图，其仅用于对某些示例性实施例进行说明之目的，并不用于限制这些示例性实施例的目的，图1示意性地示出包括控制系统100、混合动力系统200和传动系300的车辆10。

在一个实施例中，传动系300可包括机械地联接到车轴320或半轴的差动齿轮装置310，车轴320或半轴又被机械地联接到车轮330。差动齿轮装置310被联接到混合动力系统200的输出构件64。传动系300通过车轮330在混合动力变速器250与路面之间传递牵引功率。

混合动力系统200包括能量存储装置(ESD)210，能量存储装置(ESD)210存储势能并且被联接到一个或多个扭矩机230，以在它们之间传递功率。当ESD 210包括电能存储装置并且扭矩机230包括电动机/发电机时，可控的功率变换器可以被放置在ESD 210和扭矩机230之间，并且用于转变电功率。扭矩机230可操作以将存储的能量转换为机械功率，并且可操作以将机械功率转换为能够存储在ESD 210中的能量。发动机240可操作以将存储在燃料箱220中的燃料转换为机械功率。来自发动机240的机械功率能够被传递到混合动力变速器250和扭矩机230。来自扭矩机230的机械功率能够被传递到混合动力变速器250和发动机240。来自混合动力变速器250的机械功率能够被传递到发动机240、扭矩机230、以及通过输出构件64传递到传动系300。被传递的机械功率可以为用于车辆推进的牵引扭矩的形式和用于与再生制动功能相关的车辆制动的反扭矩的形式。

优选地，发动机240选择性地操作在多个状态中，包括发动机工作状态和发动机停机状态中的一个状态、全气缸状态和气缸停用状态中的一个状态、以及供应燃料状态和燃料切断状态中的一个状态。优选地，混合动力变速器250选择性地操作在多个范围状态内的一个范围状态中，包括固定挡位和连续可变的范围状态。扭矩机230、发动机240和混合动力变速器250各包括多个用于监测其操作的传感装置和用于控制其操作的致动器。

可替代地，混合动力系统与电动车辆相关，该电动车辆包括具有扩展的范围能力的电动车辆。混合动力系统包括扭矩机230，其用于将存储在能量存储装置(ESD)210中的能量转换为机械扭矩，以便通过传动系300用于车辆推进，所述机械扭矩包括用于车辆推进的牵引扭矩和与再生制动相关的反扭矩。一个扭矩机(或多个扭矩机)230操作地连接到内燃发动机240，以将机械扭矩转换为能够存储在能量存储装置(ESD)210中的势能。

控制系统100包括控制模块120，其被信号地连接到操作者接口130并且被信号地连接到GPS/通信系统110。GPS/通信系统110优选包括额外的车辆通信能力和三维(3D)地理信息服务(GIS)数字地图系统，以提供海拔高度信息，该海拔高度信息用于与车辆10的预测行进路径相关的交通路线。GPS/通信系统110可包括车载惯性测量传感器、红外传感装置、雷达、激光雷达和其它监测系统(这些都没有示出)，以便监测和估计即时定位的车辆交通模式。操作者接口130包括多个人/机接口装置，通过这些人/机接口装置，车辆操作者对车辆10的操作进行命令，这些人/机接口装置包括加速踏板、制动踏板和变速器范围选择器(PRNDL)。

车辆操作者通过加速踏板、制动踏板和变速器范围选择器来传送输出扭矩命令，该输出扭矩命令包括操作者扭矩请求、车辆行进方向(即，前进或后退)、和混合动力变速器250的优选范围状态。操作者接口130可进一步包括通向车载导航系统的接口，该车载导航系统与GPS/通信系统110相互作用。

控制模块120被信号连接到扭矩机230、发动机240、混合动力变速器250和ESD 210中每一个的传感装置，以监测其操作和确定其参数状态。当ESD 210包括电能存储装置时，所监测的ESD 210的状态优选包括瞬时电流和温度。控制模块120计算表示了ESD 210将功率传递到扭矩机230的能力的参数状态。当ESD 210为电能存储装置时，ESD 210的参数状态包括充电状态(SOC)。所监测的发动机220的状态优选包括发动机速度(N_E)、输出扭矩(T_E)或负荷、以及温度。所监测的混合动力变速器250的状态优选包括旋转速度和在多个位置处的液压压力，从这些状态能够确定包括了具体的扭矩传递离合器的应用情况的参数状态。所监测的扭矩机230的状态优选包括速度和功率流，例如电流，从这些状态能够确定来自扭矩机230的输出电动机扭矩的参数状态。

控制模块120操作地连接到扭矩机230、发动机220和混合动力变速器250中的每一个的致动器，以便根据所执行的控制方案来控制其操作，其中所述控制方案以算法和校准程序形式被存储。与扭矩机230关联的致动器优选包括变换器模块。与发动机220关联的致动器优选包括例如燃料喷射器、空气流量控制器、火花点火系统、以及与控制发动机操作(包括控制发动机状态)关联的其它已知装置。与混合动力变速器关联的致动器包括用于致动扭矩传递离合器以实现具体范围状态中的操作的螺线管装置。

控制模块120优选包括一个或多个通用数字计算机，每个通用数字计算机包括：微处理器或中央处理单元；包括只读存储器(ROM)、随机存取存储器(RAM)、电可编程只读存储器(EPROM)的存储介质；高速时钟；模数(A/D)转换电路和数模(D/A)转换电路；以及输入/输出电路和装置(I/O)和合适的信号调节和缓冲电路。控制模块120具有一组控制算法，包括存储在存储介质中的一个中并且被执行以提供期望的功能的常驻程序指令和校准程序。被传递到控制模块120和从控制模块120传递的信息能够通过直接连接、局域网总线和串联外设接口总线的方式实现。控制方案的算法在预设的循环周期中被执行，使得每个算法在每个循环周期中被执行至少一次。存储在非易失性存储装置中的算法由中央处理单元执行，以监测来自传感装置的输入和执行控制例程和诊断例程，从而使用校准程序来控制与混合动力系200的元件相关联的致动器的操作。循环周期以有规律的间隔被执行，例如在混合动力系正在进行的操作期间以每3.125、6.25、12.5、25和100毫秒来执行。可替代地，算法可响应于事件的发生而执行。

图2示出了用于控制车辆的混合动力系统(例如，用于图1所示的车辆10的混合动力系统200)的预测能量管理控制方案的要素。该预测能量管理控制方案包括：对包括了与车辆10的预测行进路径相关的交通路线的车辆导航进行监测；以及，监测操作者驾驶模式。对与车辆导航和操作者驾驶模式相关的即将到来的车辆推进功率请求迭代地进行预测，优选包括对考虑了车辆导航和操作者驾驶模式的预测行进路径相关联的即将发生的道路负荷进行预测。用于操作混合动力车辆10的预测能量管理控制方案包括负荷预测控制方案(道路负荷预测)410、模型预测控制方案(预测控制器)420和动力系控制方案(混合动力系控制器)430。

负荷预测控制方案410包括对包含了当前车辆导航、交通模式和操作者驾驶模式的车辆操作参数和外部参数的状态进行监测。负荷预测控制方案410预测与车辆10的预测行进路径相对应的车辆导航和交通模式相关联的即将发生的道路负荷(RL)。模型预测控制方案420使用与即将发生的道路负荷相关的车辆推进功率请求来预测燃料耗费系数λ_pred，在一个实施例中，该燃料耗费系数λ_pred支配发动机240与扭矩机230之间的优选功率分配比。用于混合动力系统的优选操作状态是基于车辆推进功率请求和优选的燃料耗费系数来确定，以达到优选的燃料效率。动力系控制方案430控制混合动力系统在优选操作状态下的操作，以便响应与即将发生的道路负荷相关的车辆推进功率请求和使用模型预测控制方案420确定的预测燃料耗费系数λ_pred。为了易于描述，负荷预测控制方案410、模型预测控制方案420和动力系控制方案430被示出为是分离的要素。但应该认识到，所描述的以及由分离元件执行的功能可使用一个或多个装置执行，包括例如一个或多个控制模块中的算法、预定的校准程序、硬件、和/或专用集成电路(ASIC)。

混合动力系统200的操作参数之一包括ESD 210的期望充电状态轨迹(期望的SOC轨迹)，这包括电量保持策略和电量消耗策略中的一种。该控制方案能够预测充电状态轨迹和能量存储装置的相关SOC范围，该SOC范围对应于与预测的即将发生的道路负荷相关的估计燃料耗费系数和能量存储装置的期望充电状态轨迹。

负荷预测控制方案410包括对车辆状态和包括当前车辆导航、交通模式和操作者驾驶模式的外部参数进行监测。控制模块120监测来自包括了任何可用的额外车辆通信装置和车载监测系统的GPS/通信系统110的信号输入，以评估交通模式并预测车辆速度。该信息包括来自GPS装置、惯性测量传感器、以及红外传感器和雷达装置的输入，以便估计车辆附近的限定的活动窗口中的交通信息。

通过插入带有GPS信号输入的车载3D GIS数字地图和预测的车辆速度，确定车辆的海拔高度和地形信息，以产生导航轨迹。这包括插入了3D GIS数字地图中的信息的GPS系统，以便为车辆10的预测行进路径提供海拔高度信息。其它信息包括车辆10的当前地理位置、车辆10的地理位置周围的当前交通模式、和车辆10的当前路线，即该车辆在其当前行进路径的具体道路上行进的方向。当前路线的地理信息被评估，以确定与海拔高度、弯道、交叉路口和其它道路特征的地形改变相关的道路负荷影响。

操作者驾驶模式优选包括使用操作者接口130确定的平均功率需求、平均制动功率需求、驾驶功率需求的标准偏差、和车辆停止时间与总驾驶时间之间的比率。基于在车辆10正在进行的操作期间可得到的统计的驾驶周期信息，使用驾驶模式识别功能可以预测操作者驾驶模式。这优选包括监测操作者驾驶模式，以便从历史驾驶周期信息中获得统计的驾驶模式信息。

负荷预测控制方案410迭代地和周期性地对在预测的行进路径的滚动时域(receding horizon)上与车辆导航、操作者驾驶行为、车辆海拔高度和地形信息、以及交通模式相关的即将发生的道路负荷进行预测。即将发生的道路负荷优选采取预测的输出功率请求(P_pred)和预测的车辆速度(V_ss-pred)的形式。滚动时域为车辆操作的后续两至三分钟的时间窗，在该时间窗期间，即将发生的道路负荷能够基于前面提到的输入被预测。

模型预测控制方案420基于与即将发生的道路负荷相关的车辆推进功率请求来确定混合动力功率管理控制，其被表示为预测的燃料耗费系数λ_pred。模型预测控制方案420使用与即将发生的道路负荷和预测的车辆驾驶状况相关的车辆推进功率请求，来迭代地确定优选功率管理控制，包括发动机240与扭矩机230之间的功率分配比率，优选使用模型预测控制框架来产生预测的燃料耗费系数λ_pred。

用来确定与即将发生的道路负荷相关的优选功率管理控制的模型预测控制方案420的优选输入包括ESD 210的充电状态的优选轨迹(期望的SOC轨迹)、当前车辆速度、和用于混合动力变速器250的范围状态，包括对具有在线和实时修改的预先规划的换挡图(shift map)的执行。其它输入包括当前动力系操作状态，其包括输出扭矩命令、混合动力变速器250的输出速度、ESD 210的SOC、将发动机240中的功率损耗具体化为操作速度和负荷的函数的发动机240的效率图、将混合动力变速器210中的功率损耗通常具体化为操作速度的函数的混合动力变速器210的效率图、以及系统约束条件。系统约束条件包括由于与扭矩传递离合器有关的限制而导致的对传递通过混合动力变速器210的扭矩的最大和最小限制、ESD 210的功率限制、扭矩机230的电动机扭矩容量，等等。ESD 210的SOC的特征在于这些方面：当前SOC、电池充电状态的最大和最小边界条件(BAT SOC Max，BAT SOC Min)和SOC范围(+/-ΔSOC)。

混合动力变速器250的范围状态是通过使用预定的驾驶周期的离线优化而构造的预定换挡图的输入。预定的换挡图在正在进行的操作期间基于实际范围状态被修改，该实际范围状态由混合动力系控制器430在混合动力系统的实际操作期间响应与即将发生的道路负荷以及燃料耗费系数相关的车辆推进功率请求来确定和实现。

模型预测控制方案420迭代地执行，以产生在滚动时域中在周期性的时间步骤下最小化燃料和/或总功率耗费的预测的燃料耗费系数λ_pred。ESD 210的SOC的最大和最小边界条件指示了ESD 210传递功率的能力，包括充电功率和放电功率。ESD 210的充电状态轨迹与电量保持策略和电量消耗策略中的一个相关。电量保持策略包括操作混合动力系统200，从而使得在旅途结束时ESD 210的SOC与旅途开始时ESD 210的SOC基本上相同。SOC范围(+/-ΔSOC)能够在旅途期间变化。电量消耗策略包括操作混合动力系统200，从而使得在旅途结束时ESD 210的SOC为比旅途开始时ESD 210的SOC小的预定SOC值或在其附近。在一个实施例中，最大和最小边界条件以及SOC范围(+/-ΔSOC)为不随时间改变的基本静态边界。在一个实施例中，最大和最小边界条件包括在60％和50％的SOC之间的范围。在另一个实施例中，最大和最小边界条件是遵循电量消耗轨迹的动态边界。

对于实时执行而言，模型预测控制方案420被构造为约束二次优化问题，以最小化约束非线性优化问题的计算量。

模型预测控制方案420假设响应于输出扭矩命令的预测输出功率请求(P_pred)是通过使用发动机240产生的功率和利用来自ESD 210的存储功率(P_ESD)由扭矩机230产生的功率(P_Eng)来实现，以便将牵引功率传输到传动系300。总的功率消耗包括对应的总的系统功率损失(P_LossTotal)：

P_Pred＝P_Eng+P_ESD+P_LossTotal    [1]

最小的总的系统功率损失(P_LossTotal)被如下确定。车辆和动力系被表示为基于功率的准静态数学模型，其足够精确以便对所有的期望的系统特性建模，同时能够进行实时计算。总的系统功率损失(P_LossTotal)被如下那样确定为来自混合动力系的要素的功率损失的组合：

P_LossTotal＝λ·P_LossEng+P_LossESD+P_LossMech+P_LossMot    [2]

其中λ为燃料耗费系数。

发动机240的功率损失(P_LossEng)被确定如下：

$P_{\mathrm{LossEng}}={\mathrm{\α}}_2\left(N_E\right)\·P_{\mathrm{Eng}}^2+{\mathrm{\α}}_1\left(N_E\right)\·P_{\mathrm{Eng}}+{\mathrm{\α}}_0\left(N_E\right)---\left[3\right]$

其中α₂、α₁和α₀为预定常数，N_E为发动机的转速。

扭矩机230的功率损失(P_LossMng)被确定如下：

$P_{\mathrm{LossMot}}={\mathrm{\γ}}_2{\left(\mathrm{\ω}\right)}_{\mathrm{Mot}}^2+{\mathrm{\γ}}_1\left(\mathrm{\ω}\right)\·P_{\mathrm{Mot}}+{\mathrm{\γ}}_0\left(\mathrm{\ω}\right)---\left[4\right]$

其中γ₂、γ₁和γ₀为预定常数，ω为扭矩机230的转速。

ESD 210的功率损失(P_LossESD)被确定如下：

$P_{\mathrm{LossESD}}={\mathrm{\β}}_2(\mathrm{SOC},\mathrm{Temp})\·P_{\mathrm{ESD}}^2---\left[5\right]$

其中β₂为预定常数，Temp为ESD 210的温度，SOC为ESD 210的当前充电状态。

混合动力变速器250的机械功率损失(P_MechLoss)如下：

$P_{\mathrm{MechLoss}}=a{N}_I+b{N}_I^2+c{N}_I{N}_O+d{N}_O^2---\left[6\right]$

其中N_I为混合动力变速器250的输入轴的转速，功率通过该输入轴被从发动机240传递，N_O为混合动力变速器250的输出构件64的转速。尽管N_I和N_E可由于放置在发动机240和变速器输入轴之间的阻尼器而有所不同，但N_I和N_E被认为在稳定状态下是相等的，如下所示：

N_E＝N_I    [7]

电动机速度ω、变速器输入速度N_I和变速器输出速度N_o具有如下动力学关系：

$\mathrm{\ω}=\left[\begin{array}{cc}{s}_1& s_2\end{array}\right]\·\left[\begin{array}{c}{N}_I\\ N_o\end{array}\right]---\left[8\right]$

其中s₁和s₂为预定常数。

非线性分量模型被近似为即将到来的和即将结束的功率之间的二次关系，并被简化为合计的总的系统功率损失(P_LossTotal)的单个公式，如下所示：

P_LossTotal＝P(λ_pred，Range State，T_E)    [9]

因此，合计的总的系统功率损失P_LossTotal变为省略了高次项的二次代价函数(quadratic cost function)，其中，在滚动时域的时间段N上，λ_pred为预测的燃料耗费系数，Range State为混合动力变速器250的范围状态，T_E为从发动机240到混合动力变速器250的输入扭矩。燃料耗费系数λ被假定为在滚动时域的时间段N上为常数。

因此，非线性优化问题可被简化为约束二次优化问题，其将获得合计的总的系统功率损失(P_LossTotal)的全局最小值。用于预测的燃料耗费系数λ_pred的优选值和混合动力变速器250的范围状态能够被确定，T_E为来自发动机240的输入扭矩，其能够在相对短的计算时间内被确定。

总之，二次优化问题预测燃料耗费系数λ，其得到对于滚动时域N中的预测道路负荷的最小的功率损失，并且动态地确定了滚动时域N中的SOC边界。燃料耗费系数λ_k如下那样优选包括多个预设值中的一个：

λ_k∈(λ₁，λ₂，…，λ_m)    [10]

其中λ₁、λ₂、λ_m包括0至1内的数字。

当假定燃料耗费系数λ在滚动时域的每个时间段N中均为具有预定离散值的常数时，在线优化问题简化为将预测的燃料耗费系数λ_pred选择为在滚动时域N上关于采样时间ΔT_s实现了最小预测功率损失的λ_k的预设值，如下所示。

$\left({\mathrm{\λ}}_k\right)=\underset{{\mathrm{\λ}}_k}{\arg \min }\underset{i=0}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\ΔT}}_s\·P_{\mathrm{LossTotal}}(k+i|k)---\left[11\right]$

变速器范围状态通过包括有在线修改的预先计划的换挡图从而被预先确定，模型预测控制方案420以相对低的速率执行，例如1秒的循环时间。在滚动时域N中达到最小预测功率损失的λ_k的预设值被指定为用于动力系控制方案430的预测燃料耗费系数λ_pred。

在考虑到当前SOC和SOC范围的情况下，动力系控制方案430控制混合动力系统在优选的操作状态下的操作，以产生响应于车辆推进功率请求的到传动系300的扭矩和速度输出，该车辆推进功率请求与即将发生的道路负荷和预测的燃料耗费系数λ_pred相关。SOC范围由SOC的静态或动态的最大和最小边界条件限定。

模型预测控制方案420将包括了预测的燃料耗费系数λ_pred和ESD210的预测SOC轨迹的控制变量传送给动力系控制方案430。其它输入包括与预测的SOC轨迹和SOC范围(SOC Range(+/-ΔSOC))相关的SOC的最大和最小边界条件、用于电池充电状态的最大和最小边界条件(BATSOC Max，BAT SOC Min)、和ESD 210的当前SOC。其它输入包括发动机操作，其包括发动机速度(N_E)和发动机输出功率，例如发动机扭矩(T_E)。其它输入包括混合动力变速器200的当前操作范围状态(RangeState)。其它输入包括当前动力系操作状态，其包括输出扭矩命令、混合动力变速器250的输出速度、将发动机240的功率损失具体化为操作速度和负荷的函数的发动机240的效率图、将混合动力变速器210的功率损失具体化为通常操作速度的函数的混合动力变速器210的效率图、和系统约束。系统约束包括由于与扭矩传递离合器有关的限制而导致的对传递通过混合动力变速器210的扭矩的最大和最小限制、ESD 210的功率限制、扭矩机230的电动机扭矩容量，等等。动力系控制方案430确定发动机240和扭矩机230的优选操作点，该优选操作点受到前面提到的系统约束和当前动力系操作状态的限制。

动力系控制方案430用来稳定发动机240和扭矩机230之间的动态行为。这包括使用从ESD 210的预测SOC轨迹确定的目标SOC和使用与来自模型预测控制方案420的预测SOC轨迹(SOC Range(+/-ΔSOC))相关的SOC的最大和最小边界条件以确定瞬时燃料耗费系数λ_inst的SOC控制函数。这参照图3示出。按照如下方式，基于预测的燃料耗费系数λ_pred和瞬时的燃料耗费系数λ_inst来确定组合的燃料耗费系数λ_comb。

λ_comb＝λ_pred+λ_inst    [12]

组合的燃料耗费系数λ_comb能够被策略优化函数使用，以实时确定优选的变速器范围状态和发动机速度。组合的燃料耗费系数λ_comb被用于动态地决定应用替代性的发动机操作状态，包括气缸停用操作状态和燃料切断状态。还能够确定发动机240与扭矩机230之间的优选扭矩分配。

动力系系统200可包括：例如当车辆10静止时(例如停车一段时间时)，能被用于为ESD 210充电的外部电源。控制模块120可包括包含ESD 210的电量消耗策略的操作策略。在该实施例中，最大和最小边界条件为随时间遵循优选的电量消耗策略的动态边界。动力系系统200考虑电量消耗策略，来管理ESD 210和发动机240的功率输出。

动力系控制方案430使用混合动力系的合计的系统损失(P_{LossTotalInst})，来用公式表示用于瞬时功率管理控制的最小功率损失优化，其确定了发动机和电动机之间的优选功率分配，如下所示：

P_{LossTotalInst}＝λ_comb·P_LossEngInst+P_LossESDInst+P_LossMechInst+P_LossMotInst    [13]

其中P_LossEngInst、P_LossESDInst、P_LossMechInst和P_LossMotInst为能够被经验地确定的发动机240、ESD 210、变速器250和扭矩机230的瞬时系统功率损失。

通过为诸如来自发动机的输入功率(Ti/Ni)之类的预先选择的动力系操作参数确定可行的操作空间，以及搜索与在实时操作中的最小系统功率损失(P_{LossTotalInst})对应的操作点的可行操作空间，来识别与优选的发动机/电动机功率分配相关的用于混合动力变速器250的发动机240和扭矩机230的操作点。由于在用公式表示的约束非线性优化问题中包括组合的燃料耗费系数λ_comb，所以对最小系统功率损失的搜索被修改以便作为与使用相关的参数和与ESD 210的可重复充电/放电周期相关的电流产出偏置所述选择。

用于控制混合动力系统200的动力系控制方案430包括三层瞬时优化，以确定混合动力系200的优选操作点。第一层执行，以确定混合动力范围状态和发动机速度，第二层执行，以确定发动机扭矩和发动机操作状态，第三层执行，以确定电动机扭矩。这些操作点将随后通过发电机240、变速器250和扭矩机230的协调控制来实现。这包括在每个迭代期间确定约束操作空间和当前的变速器范围状态，以确定优选的发动机速度(期望的N_E)、从发动机240到变速器250的优选的输入扭矩(期望的T_E)、包括了与换挡执行相关的离合器扭矩(期望的T_CL)的任何改变的混合动力变速器250的优选范围状态(期望的Range State)、和来自扭矩机230的优选的电动机扭矩(期望的T_M)输出。

混合动力系统200的操作响应于包括了操作者扭矩请求和ESD 210的预测充电状态轨迹的输出扭矩命令而被控制。包括了发动机状态和混合动力变速器范围状态的混合动力系统200所用的优选操作状态能够基于预测的即将来临的功率请求和用于车辆推进的优选功率管理控制而被确定。发动机状态包括发动机工作和发动机停机状态、全气缸状态和气缸停用状态、以及供应燃料和燃料切断状态。变速器范围状态包括连续可变模式和固定挡位范围状态。

图4A至图4D图形地示出了根据本文描述的控制方案的电池充电状态的最大和最小边界(BAT SOC Max，BAT SOC Min)、与即将发生的道路负荷(RL)相关的预测的输出功率请求P_pred、预测的燃料耗费系数λ_pred，、预测的SOC轨迹、和相对于滚动时域绘出的SOC范围(+/-ΔSOC)。期望的SOC轨迹优选是预先确定的，包括边界，该边界包括在期望的SOC轨迹周围的可允许的SOC操作范围(+/-ΔSOC)。动态确定的SOC边界根据相对于预测的SOC轨迹的SOC可允许操作范围(+/-ΔSOC)而被设定。

期望的SOC轨迹包括与车辆10的操作相关的ESD 210的SOC中的理想的时间变化率。对于采用了操作在电量保持模式下的混合动力系统的车辆，期望的SOC轨迹倾向于将ESD 210的SOC控制成使得在旅途结束时的SOC与旅途开始时发生的原始SOC值基本相等。对于采用了操作在电量消耗模式下的混合动力系统的车辆，期望的SOC轨迹倾向于将ESD 210的SOC控制成使得在旅途结束时ESD 210的SOC达到目标最小SOC值，以最小化车载燃料的消耗。电量消耗操作中的示例性期望的SOC轨迹是初始SOC和目标最小SOC之间的线性连接。

即将发生的道路负荷(RL)通过使用负荷预测控制方案410而被迭代地和周期性地预测。预测的燃料耗费系数(λ_pred)预期为与即将发生的道路负荷(RL)成反比。该预测的燃料耗费系数被用于确定具有直接关系的预测SOC轨迹。因此，预测的燃料耗费系数的增加将增加预测SOC轨迹，从而允许ESD 210具有更强的即刻放电率，而预测的燃料耗费系数的减小将减小预测的SOC轨迹，从而限制ESD 210的即刻放电率。

模型预测控制方案420执行，以根据燃料耗费系数λ_pred确定动态的SOC操作范围，如参照图2描述的那样。SOC被控制在与预测的燃料耗费系数λ_pred对应的预测的SOC轨迹周围的动态确定的SOC边界(+/-ΔSOC)内。预测的燃料耗费系数λ_pred和动态确定的SOC边界被混合动力系控制器430中的SOC控制方案使用，以确定瞬时的燃料耗费系数λ_inst。

燃料耗费系数λ_pred和动态确定的SOC边界被从预测控制器420发送，并传送通过混合动力控制器430，以稳定发动机240、扭矩机230和ESD210之间的动态行为，并且确定约束操作空间内的优选发动机扭矩/速度和电动机扭矩/速度，以最大化系统效率和性能。这些约束(包括可用的发动机扭矩、可用的电动机扭矩、可用的电池功率和可用的液压离合器容量)被动力系控制方案430在每个时间步骤中动态地强制实施。

图3示出了在动力系控制方案430中被执行以便确定瞬时燃料耗费系数λ_inst的示例性SOC校准程序。在当前SOC比目标SOC大时，瞬时燃料耗费系数λ_inst随着SOC的增加而增加；在当前SOC比目标SOC小时，瞬时燃料耗费系数λ_inst随着SOC的减小而减小。最大和最小充电状态(SOC max和SOC min)在模型预测控制方案420中被动态地确定，其与优选的燃料耗费系数λ_pred相关。当SOC比最大SOC大或比最小SOC小时，瞬时燃料耗费系数λ_inst以加快的速率增加或减小。

图4A示出了其中预测的即将发生的道路负荷(RL)不改变时的操作。相关的预测燃料耗费系数λ_pred保持不改变，设定动态确定的SOC边界(+/-ΔSOC)，并且预测的SOC轨迹跟踪期望的SOC轨迹。

图4B示出了其中预测的即将发生的道路负荷(RL)在未来的某点处将减小的操作。相关的预测的燃料耗费系数λ_pred在对于减小的即将发生的道路负荷的预期下而相应地增加，从而减小动态确定的SOC边界(+/-ΔSOC)。预测的SOC轨迹能够在初始时以相对于期望的SOC轨迹被加快的速率减小，随后重新获得的SOC在实际的道路负荷减小的点处开始。SOC通过对动力系统的管理而被重新获得，包括使用燃料切断操作、再生制动和在滚动时域结束处对ESD 210充电的控制方案。

图4C示出了其中预测的即将发生的道路负荷(RL)在未来的点处将增加的操作。相关的预测的燃料耗费系数λ_pred在对减小的即将发生的道路负荷的预期下而相应地减小，从而增加了动态确定的SOC边界(+/-ΔSOC)。预测的SOC轨迹在初始时下降的速率降低，从而相对于期望的SOC轨迹增加，随后SOC在实际的道路负荷增加的点处开始减小。SOC通过对动力系统的管理而减小，包括在滚动时域结束处的增加的道路负荷期间使用扭矩机230产生牵引扭矩。

图4D示出了其中预测的即将发生的道路负荷(RL)单调增加的操作。相关的预测的燃料耗费系数λ_pred随着增加的即将发生的道路负荷而相应地单调减小，从而增加了动态确定的SOC边界(+/-ΔSOC)。预测的SOC轨迹保持成相对接近期望的轨迹。

预测能量管理控制方案使用车辆路线、即将发生的道路负荷、和滚动时域控制问题中的统计的驾驶模式信息，以便预测即将来临的有限时间段内(例如在车辆操作的下一个几分钟内)的车辆驾驶状况。预测的车辆驾驶状况能够被用来基于有限时间段内的预测的车辆驾驶状况来预测和调节车辆功率请求。有限时间段内的预测的车辆驾驶状况能被用来迭代地预测即将来临的用于车辆推进的功率请求，优选使用模型预测控制框架中的预测能量管理策略。

应该理解的是，在本公开的范围内允许进行修改。已经具体参照优选实施例及其修改描述了本公开。在阅读和理解了申请文件之后，本领域的技术人员将会认识到更多的修改和变型。本公开意在包括落入其范围内的所有这样的修改和变型。

Claims (9)

1.一种用于操作包括了混合动力系统的车辆的方法，所述混合动力系统包括被操作地联接到混合动力变速器的输入构件的内燃发动机，包括可操作以便与能量存储装置交换功率的扭矩机，所述混合动力变速器被配置为在所述输入构件、所述扭矩机和输出构件之间传递扭矩，所述方法包括：

监测与用于所述车辆的预测行进路径相关的车辆导航和交通模式；

预测与所述车辆导航和交通模式相关的即将发生的道路负荷；

估计与所述预测的即将发生的道路负荷相关的车辆推进功率；

确定用于所述能量存储装置的期望的充电状态轨迹；

预测用于所述能量存储装置的充电状态轨迹，其对应于所述估计的车辆推进功率和用于所述能量存储装置的期望的充电状态轨迹；和

响应于用于所述能量存储装置的预测的充电状态轨迹来控制所述混合动力系统的操作。

2.如权利要求1所述的方法，进一步包括：

确定与用于所述能量存储装置的预测的充电状态轨迹相关的边界条件；和

响应于命令的输出扭矩和与用于所述能量存储装置的预测的充电状态轨迹相关的所述边界条件来控制所述混合动力系统的操作。

3.如权利要求1所述的方法，进一步包括执行负荷预测控制方案，以预测与车辆导航和交通模式相关的即将发生的道路负荷，从而估计与用于所述车辆的预测行进路径相关的车辆推进力。

4.如权利要求3所述的方法，进一步包括执行包括了滚动时域控制方案的预测控制方案，以预测与所述车辆导航和交通模式相关的即将发生的道路负荷。

5.如权利要求4所述的方法，进一步包括：

优化与所述即将发生的道路负荷相关的燃料耗费系数；和

基于所述优化的燃料耗费系数来动态地调节用于所述能量存储装置的预测的充电状态轨迹。

6.如权利要求4所述的方法，其中，优化所述燃料耗费系数从而使所述滚动时域上的燃料耗费和总的功率耗费中的至少一个最小化。

7.如权利要求6所述的方法，其中，所述模型预测控制方案包括总的混合动力系损耗的基于功率的准静态模型。

8.如权利要求1所述的方法，进一步包括确定在来自所述发动机的功率输出与来自所述扭矩机的功率输出之间的优选功率分配，所述优选功率分配基于用于所述能量存储装置的预测的充电状态轨迹。

9.如权利要求1所述的方法，其中，所述期望的充电状态轨迹包括电量消耗轨迹。

Images