CN102416950A - 一种基于最小等效燃油消耗的混合动力汽车控制方法 - Google Patents

Abstract

本发明公开了一种基于最小等效燃油消耗的混合动力汽车控制方法，包括以下步骤：离线获取名义等价因子；信号采集；工况识别；自适应调整；优化控制。本发明在满足动力性的情况下，采用一种基于最小等效燃油消耗的混合动力汽车自适应控制方法，可以根据实际的工况进行自适应调整，同时保证了蓄电池的电量平衡，进而确保了蓄电池的性能和寿命。获得名义等价因子是在离线状态下仿真计算得到的，减少了整车实时控制的计算量。另外，本发明可以不用像全局最优控制方法那样需要事先知道未来汽车行驶工况(未来汽车行驶工况实际是不可预知的)，可实现性强；它能够提供实时最优的能量管理决定，进一步提高了整车的燃油经济性，降低了排放。

Description

一种基于最小等效燃油消耗的混合动力汽车控制方法

技术领域

本发明涉及一种混合动力汽车控制方法，特别涉及到一种基于最小等效燃油消耗的混合动力汽车控制方法。

背景技术

节能、环保与安全是21世纪世界汽车工业发展的三大主题。混合动力汽车被认为是本世纪解决汽车面临能源危机和环境污染问题的有效途径之一。混合动力汽车由于集成了传统汽车和纯电动汽车的特点，即具有两种车载能量源，使其具有比传统汽车更低的排放和更高的燃油经济性以及比纯电动汽车更长的续驶里程的特点。而控制方法是决定混合动力汽车燃油经济性和排放性的关键，它对于提高整车性能、降低成本具有重要意义。目前设计的混合动力汽车控制方法都是基于一种固定的工况(通常采用国外典型的工况或者是已知的工况)，而这种固定的工况与实际工况存在较大的差异，这种差异会导致设计的控制方法并不能使混合动力车辆在实际工况下达到最佳燃油经济性和排放性。

在车辆的行驶工况研究方面，Shiqi Ou，Yafu Zhou等人发表的《Development0fHybrid City Bus’s Driving Cycle》中，采用主成分分析和聚类分析技术通过matlab编程获得了大连市公交车行驶工况。本发明中基于这种方法，利用标准行驶工况数据获得了五类行驶工况。中国专利ZL 200810239168.2公开了《一种混合动力电动汽车行驶状态的智能识别方法》，提出了行驶工况的识别方法。

虽然全局最优控制方法能够实现真正意义上的最优化，但它需要事先知道整个行驶工况，才能获得混合动力车在该行驶工况下的全局最优性能，这在实际车辆的实时控制中难以实现。为了解决上述问题，需要设计出一种新的混合动力汽车控制方法，从而在保证动力性的条件下，获得更高的燃油经济性和较低的排放性。

发明内容

为解决现有技术存在的上述问题，本发明要设计一种对工况具有自适应能力，并能最大限度地提高整车燃油经济性和降低发动机的废气排放，获得整车运行的最佳性能的基于最小等效燃油消耗的混合动力汽车控制方法。

为了实现上述目的，本发明的技术方案如下：一种基于最小等效燃油消耗的混合动力汽车控制方法，包括离线和在线两大部分；离线部分包含名义等价因子获得模块，在线部分包含信号采集模块、工况识别模块、自适应调整模块和优化控制模块；其具体步骤如下：

A、离线获取名义等价因子

通过对车辆的行驶工况进行分析，采用主成分分析和聚类分析技术获得五种不同类型的行驶工况，分别是市中心区工况、市内较通畅区工况、近郊区工况、远郊区工况和高速公路区工况；每种行驶工况都对应一个理想的名义等价因子，其值在2～3.5之间；在每种行驶工况下，选取不同的等价因子α应用动态规划法进行仿真计算，然后对得到的总的等效燃油消耗进行比较，从而得到该行驶工况下的名义等价因子；具体获取方法如下：

在每个时刻t，总的等效燃油消耗是电动机的等效油耗

和发动机实际燃油消耗

之和，如式(1)所示：

${\stackrel{\·}{m}}_{\mathrm{eq}}={\stackrel{\·}{m}}_m+{\stackrel{\·}{m}}_e---\left(1\right)$

式中，

为总的等效燃油消耗质量流，单位为kg/s；

为电动机等效油耗质量流，单位为kg/s；

为发动机实际消耗的燃油质量流，单位为kg/s；通过查询标定的发动机MAP图得到；

电动机实际消耗的是电能，这里必须将电动机的电能消耗转换为等效的发动机油耗，电动机的等效油耗

如式(2)所示：

式中，P_b为蓄电池的放电功率，单位为W；P′_b为蓄电池的充电功率，单位为W；Q为燃油的低热值，单位为J/kg；η_dis为蓄电池的放电效率；η_chg为蓄电池的充电效率；

构建目标函数：在整个行驶工况下，混合动力汽车总的等效燃油消耗J如式(3)所示：

$\min J=\underset{t=0}{\overset{t_N-1}{\mathrm{\Σ}}}{\stackrel{\·}{m}}_{\mathrm{eq}}\left(t\right)\mathrm{\Δt}---\left(3\right)$

式中，t_N为行驶工况的时间总长，单位为s；

为t时刻总的燃油消耗质量流，单位为kg/s；Δt为优化时间步长，单位为s；

其约束条件有等式约束和不等式约束两种，等式约束为

不等式约束为

$\left\{\begin{array}{c}0\≤T_m\left(t\right)\≤T_{m\_\max }\left({\mathrm{\ω}}_m\left(t\right)\right)\\ T_{e\_\min }\left({\mathrm{\ω}}_e\left(t\right)\right)\≤T_e\left(t\right)\≤T_{e\_\max }\left({\mathrm{\ω}}_e\left(t\right)\right)\\ 0\≤{\mathrm{\ω}}_m\left(t\right)\≤{\mathrm{\ω}}_{m\_\max }\\ {\mathrm{\ω}}_{e\_\min }\≤{\mathrm{\ω}}_e\left(t\right)\≤{\mathrm{\ω}}_{e\_\max }\end{array}\right.---\left(5\right)$

式中，T_需为驾驶员需求转矩，单位为N·m；T_e为发动机转矩，单位为N·m；T_m为电动机转矩，单位为N·m；T_{e_min}为发动机最小转矩，单位为N·m；T_{e_max}为发动机最大转矩，单位为N·m；T_{m_max}为电动机的最大转矩，单位为N·m；ω_wh为驱动轮转速，单位为rad/s；ω_e为发动机转速，单位为rad/s；ω_m为电动机转速，单位为rad/s；η_t为传动系的效率；i_k是变速器档位为k时的传动比，此传动比包含主减速器的传动比；ρ为扭矩合成器的传动比；

在每种行驶工况下，通过选取不同的等价因子值，在约束条件下仿真计算目标函数值，然后进行比较，选择使目标函数最小的等价因子作为该行驶工况下的名义等价因子；因此，应用上述方法可以得到上述五种行驶工况对应的五个名义等价因子；

B、信号采集

由车速传感器和驾驶员踏板信号传感器进行信号采集；车速传感器用来采集混合动力车的车速信息，用于工况在线识别；驾驶员踏板信号传感器用来采集驾驶员踏板信号，以获得整车需求转矩或功率；

C、工况识别

首先通过正交设计确定出最能反映行驶工况的特征参数，这里通过正交试验选取以下5个特征参数，分别是平均速度、怠速时间百分比、运行平均速度、平均减速度和平均加速度；通过对一定时间周期的速度时间历程，提取出每个周期内这5个工况特征参数；根据提取的特征参数与上述5种行驶工况的特征参数进行识别，从而识别出当前行驶工况的类型；所述的一定时间周期的速度时间历程由车速传感器采集得到，周期可以设置为N秒；

D、自适应调整

步骤A所述的名义等价因子并不能保证蓄电池荷电状态SOC维持在标称值附近，需要通过调整识别出来的行驶工况其对应的名义等价因子来满足此要求；通过一个非线性函数对名义等价因子进行调整来确保蓄电池电荷平衡；

首先将某时刻t的SOC值进行归一化处理，如式(6)所示：

$x_{\mathrm{SOC}}\left(t\right)=\left\{\begin{array}{c}-1,\mathrm{SOC}\left(t\right)\&le;{\mathrm{SOC}}_{\min }\\ \frac{\mathrm{SOC}\left(t\right)-\frac{{\mathrm{SOC}}_{\max }+{\mathrm{SOC}}_{\min }}{2}}{\frac{{\mathrm{SOC}}_{\max }-{\mathrm{SOC}}_{\min }}{2}}\\ 1,\mathrm{SOC}\left(t\right)\&GreaterEqual;{\mathrm{SOC}}_{\max }\end{array}\right.,{\mathrm{SOC}}_{\min }<\mathrm{SOC}\left(t\right)<{\mathrm{SOC}}_{\max }---\left(6\right)$

式中，SOC_max和SOC_min分别为蓄电池荷电状态SOC工作范围的上限和下限；

采用的非线性函数是由4次曲线和5次曲线拟合而成的函数，如式(7)所示：

β(SOC)＝1+0.2(x_SOC(t))⁴-(x_SOC(t))⁵(7)

调整后的名义等价因子如式(8)所示：

α_调＝β(SOC)·α                  (8)

这样，根据不同的SOC值确定其对应的调整等价因子α_调；经过调整后的名义等价因子满足了蓄电池电荷平衡的问题；

E、优化控制

同时考虑燃油经济性和排放性，获得优化控制信号即优化的发动机转矩和优化的电动机转矩，进而对整车进行优化控制；在确定优化的发动机转矩和优化的电动机转矩过程中使用最小等效燃油消耗法；

在每个时刻t，首先，根据需求扭矩确定发动机的工作范围，然后确定电动机的工作点，这样得到一系列发动机、电动机工作点对，基于构建的目标函数，对每一工作点对进行计算获得其对应的目标函数值，最后选取使目标函数最小的点对作为当前的工作点，从而获得优化的发动机转矩和优化的电动机转矩；在本过程中，需求转矩通过驾驶员踏板信号传感器得到；具体步骤如下：

首先，根据需求扭矩确定发动机的工作范围，就是让发动机工作在较好的区域内工作，如不等式约束(5)所示；

然后，确定电动机的工作点，需求扭矩为电动机扭矩和发动机扭矩之和，如等式约束(4)所示；这样就会得到一系列发动机、电动机工作点对，作为候选工作点对；

接下来构建目标函数，具体过程如下：

在每个时刻t，总的等效燃油消耗

是电动机的等效油耗

和发动机实际燃油消耗

之和，如式(1)所示；

电动机实际消耗的是电能，这里必须将电动机的电能消耗转换为等效的发动机油耗，转化过程中涉及到一个转化系数，即调整后的等价因子α_调，其作用是把消耗的电能转化为等效的燃油能，同时保证蓄电池电荷平衡，如式(2)所示；只不过这里将名义等价因子α换成了调整后的等价因子α_调，其余保持不变；

将燃油经济性和排放性一同考虑，采用一组权值来协调排放和燃油同时优化存在的矛盾；市中心区工况、市内较通畅区工况和近郊区工况对排放要求较高，其排放的权值可以设置高一些；远郊区工况和高速公路区工况对燃油经济性要求较高，其燃油经济性的权值可以设置高一些；权值大小可以根据识别出的行驶工况进行更改；构建的具体目标函数如式(9)所示：

$J=\frac{1}{{\mathrm{\&omega;}}_1+{\mathrm{\&omega;}}_2+{\mathrm{\&omega;}}_3+{\mathrm{\&omega;}}_4+{\mathrm{\&omega;}}_5}({\mathrm{\&omega;}}_1{\stackrel{\&CenterDot;}{m}}_{\mathrm{eq}}+{\mathrm{\&omega;}}_2{\stackrel{\&CenterDot;}{m}}_{\mathrm{CO}}+{\mathrm{\&omega;}}_3{\stackrel{\&CenterDot;}{m}}_{\mathrm{HC}}+{\mathrm{\&omega;}}_4{\stackrel{\&CenterDot;}{m}}_{{\mathrm{NO}}_x}+{\mathrm{\&omega;}}_5{\stackrel{\&CenterDot;}{m}}_{\mathrm{PM}})---\left(9\right)$

式中，ω₁、ω₂、ω₃、ω₄、ω₅为权重系数，它们的大小决定燃油经济性和排放性的重要程度；为CO排放质量流，单位为kg/s，

为HC排放质量流，单位为kg/s，

为NO_x排放质量流，单位为kg/s，

为PM排放质量流，单位为kg/s；

通过查询存储在控制器中标定的发动机排放特性图得到；

最终通过最小燃油消耗法得到瞬时时刻优化的发动机转矩和电动机转矩，即优化的控制信号；优化控制器将优化的控制信号分别发送到发动机控制单元和电动机控制单元分别控制发动机和电动机输出转矩，进而对整车进行优化控制。

本发明的效果和益处是：本发明在满足动力性的情况下，采用一种基于最小等效燃油消耗的混合动力汽车自适应控制方法，可以根据实际的工况进行自适应调整，同时保证了蓄电池的电量平衡，进而确保了蓄电池的性能和寿命。获得名义等价因子是在离线状态下仿真计算得到的，减少了整车实时控制的计算量。另外，本发明可以不用像全局最优控制方法那样需要事先知道未来汽车行驶工况(未来汽车行驶工况实际是不可预知的)，可实现性强；它能够提供实时最优的能量管理决定，进一步提高了整车的燃油经济性，降低了排放。

附图说明

本发明共有附图2张，其中：

图1是本发明双轴并联式混合动力驱动系统结构示意图；

图2是基于最小等效燃油消耗的混合动力汽车自适应控制方法原理图。

图中：1、发动机；2、发动机控制单元；3、离合器；4、机械式自动变速器；5、驱动轮；6、主减速器；7、车速传感器；8、驾驶员踏板信号传感器；9、优化控制器；10、扭矩合成器；11、电动机控制单元；12、逆变器；13、电动机；14、电池管理单元；15、蓄电池；

具体实施方式

以下结合技术方案和附图详细叙述本发明的具体实施方式。图1是本发明双轴并联式混合动力驱动系统结构示意图，主要包括：发动机1、发动机控制单元2、离合器3、机械式自动变速器4、驱动轮5、主减速器6、车速传感器7、驾驶员踏板信号传感器8、优化控制器9、扭矩合成器10、电动机控制单元11、逆变器12、电动机13、电池管理单元14、蓄电池15。发动机1通过离合器3与扭矩合成器10的一个输入轴连接，电动机13与扭矩合成器10的另一个输入轴连接，扭矩合成器10的输出轴与机械式自动变速器4连接，然后通过主减速器6连接到驱动轮5，前述连接均为机械连接，蓄电池15通过电线与逆变器12连接，然后再通过电气连接到电动机8上；优化控制器9通过发动机控制单元2、电动机控制单元11分别控制发动机1和电动机13，车速传感器7、电池管理单元14和驾驶员踏板信号传感器8都连接到优化控制器9上，这些连接都是电气链接；

实施例

以双轴并联式混合动力驱动系统为例进行说明，如图1所示；本发明包括离线和在线两大部分；离线部分包含名义等价因子获得模块，在线部分包含信号采集模块、工况识别模块、自适应调整模块和优化控制模块；该方法的原理如图2所示，具体控制方法包括以下步骤：

首先，要获得名义等价因子，由离线部分中的名义等价因子获得模块来完成；

通过对车辆的行驶工况进行分析，采用主成分分析和聚类分析技术获得五种不同类型的行驶工况，分别是市中心区工况、市内较通畅区工况、近郊区工况、远郊区工况和高速公路区工况；市中心区工况、市内较通畅区工况和近郊区工况对排放要求较高，远郊区工况和高速公路区工况对燃油经济性要求较高；

总的等效燃油消耗是发动机1实际油耗与电动机13等效油耗之和；这里涉及到一个电动机13等效油耗的问题；如果直接将电动机13消耗的电能与发动机1实际消耗的燃油能相加，均不能真正反映采用电量维持型的混合动力汽车电池电量来源与使用的本质；其原因是混合动力汽车将电池电能转化为机械能的效率远高于将燃油化学能转化为机械能的效率，如果直接将消耗的电能与消耗的燃油能相加，其结果将会使控制方法倾向于优先使用电能，直到将电池的电能耗尽；解决该问题的方法是引入一个等价因子α，也就是电能消耗量的权值；

等价因子α与蓄电池15的充放电效率、电动机13的效率有关；等价因子的选取对燃油经济性有重要影响；它取决于行驶工况的类型，准确地估计等价因子是决定能量管理方法性能好坏的关键；每种行驶工况都对应一个理想的名义等价因子，其值在2～3.5之间；在每种行驶工况下，通过选取不同的等价因子α应用动态规划法进行仿真计算，然后对得到的总的等效燃油消耗进行比较，从而得到该行驶工况下的名义等价因子。具体获取方法如下：

在每个时刻t，总的等效燃油消耗

是电动机13的等效油耗和发动机1实际燃油消耗

之和，如式(1)所示：

${\stackrel{\&CenterDot;}{m}}_{\mathrm{eq}}={\stackrel{\&CenterDot;}{m}}_m+{\stackrel{\&CenterDot;}{m}}_e---\left(1\right)$

式中，

为总的等效燃油消耗质量流，单位为kg/s；

为电动机13等效油耗质量流，单位为kg/s；

为发动机1实际消耗的燃油质量流，单位为kg/s；

通过查询标定的发动机1MAP图得到；

电动机13实际消耗的是电能，这里必须将电动机13的电能消耗转换为等效的发动机1油耗，电动机13的等效油耗如式(2)所示：

式中，P_b为蓄电池15的放电功率，单位为W；P′_b为蓄电池15的充电功率，单位为W；Q为燃油的低热值，单位为J/kg；η_dis为蓄电池15的放电效率；η_chg为蓄电池15的充电效率；

构建目标函数：在整个行驶工况下，混合动力汽车总的等效燃油消耗J如式(3)所示；

$\min J=\underset{t=0}{\overset{t_N-1}{\mathrm{\&Sigma;}}}{\stackrel{\&CenterDot;}{m}}_{\mathrm{eq}}\left(t\right)\mathrm{\&Delta;t}---\left(3\right)$

式中，t_N为行驶工况的时间总长，单位为s；

为t时刻总的燃油消耗质量流，单位为kg/s；Δt为优化时间步长，单位为s；

其约束条件有等式约束和不等式约束两种，等式约束为

不等式约束为

$\left\{\begin{array}{c}0\&le;T_m\left(t\right)\&le;T_{m\_\max }\left({\mathrm{\&omega;}}_m\left(t\right)\right)\\ T_{e\_\min }\left({\mathrm{\&omega;}}_e\left(t\right)\right)\&le;T_e\left(t\right)\&le;T_{e\_\max }\left({\mathrm{\&omega;}}_e\left(t\right)\right)\\ 0\&le;{\mathrm{\&omega;}}_m\left(t\right)\&le;{\mathrm{\&omega;}}_{m\_\max }\\ {\mathrm{\&omega;}}_{e\_\min }\&le;{\mathrm{\&omega;}}_e\left(t\right)\&le;{\mathrm{\&omega;}}_{e\_\max }\end{array}\right.---\left(5\right)$

式中，T_需为驾驶员需求转矩，单位为N·m；T _e为发动机1转矩，单位为N·m；T_m为电动机13转矩，单位为N·m；T_{e_min}为发动机1最小转矩，单位为N·m；T_{e_max}为发动机1最大转矩，单位为N·m；T_{m_max}为电动机13的最大转矩，单位为N·m；ω_wh为驱动轮5转速，单位为rad/s；ω_e为发动机1转速，单位为rad/s；ω_m为电动机13转速，单位为rad/s；η_t为传动系的效率；i_k是变速器4档位为k时的传动比，包含了主减速器6的传动比；ρ为扭矩合成器10的传动比；

在每种行驶工况下，通过选取不同的等价因子值，在约束条件下仿真计算目标函数值，然后进行比较，选择使目标函数最小的等价因子作为该行驶工况下的名义等价因子；应用上述方法，上述五种行驶工况对应五个理想的名义等价因子，分别为α_I、α_II、α_III、α_IV、α_V；

离线部分的工作为在线部分实时优化控制提供前期准备，接下来实施整车在线控制步骤；

(a)信号采集模块

由车速传感器7和驾驶员踏板信号传感器8进行信号采集；车速传感器7用来采集混合动力车的车速信息，用于工况在线识别；驾驶员踏板信号传感器8用来采集驾驶员踏板信号，以获得整车需求转矩或功率；

(b)工况识别模块

首先通过正交设计确定出最能反映行驶工况的特征参数，这里通过正交试验选取以下5个特征参数，分别是平均速度、怠速时间百分比、运行平均速度、平均减速度和平均加速度；通过对一定时间周期的速度时间历程，提取出每个周期内这5个工况特征参数；根据提取的特征参数与上述5种行驶工况的特征参数进行识别，从而识别出当前行驶工况的类型；所述的一定时间周期的速度时间历程由车速传感器采集得到，周期可以设置为150秒；

(c)自适应调整模块

步骤A所述的名义等价因子并不能保证蓄电池15荷电状态SOC维持在标称值附近，需要通过调整识别出来的行驶工况其对应的名义等价因子来满足此要求；具体的调整方法为：当SOC值较低时，增加等价因子的值，蓄电池15倾向于充电，SOC值上升；当SOC较高时，减小等价因子的值，蓄电池15倾向于放电，SOC值下降。本发明通过一个非线性函数对名义等价因子进行调整来确保蓄电池15电荷平衡；

首先将某时刻t的SOC值进行归一化处理，如式(6)所示：

$x_{\mathrm{SOC}}\left(t\right)=\left\{\begin{array}{c}-1,\mathrm{SOC}\left(t\right)\&le;{\mathrm{SOC}}_{\min }\\ \frac{\mathrm{SOC}\left(t\right)-\frac{{\mathrm{SOC}}_{\max }+{\mathrm{SOC}}_{\min }}{2}}{\frac{{\mathrm{SOC}}_{\max }-{\mathrm{SOC}}_{\min }}{2}}\\ 1,\mathrm{SOC}\left(t\right)\&GreaterEqual;{\mathrm{SOC}}_{\max }\end{array}\right.,{\mathrm{SOC}}_{\min }<\mathrm{SOC}\left(t\right)<{\mathrm{SOC}}_{\max }---\left(6\right)$

式中，SOC_max和SOC_min分别为蓄电池SOC工作范围的上限和下限；

采用的非线性函数是由4次曲线和5次曲线拟合而成的函数，如式(7)所示：

β(SOC)＝1+0.2(x_SOC(t))⁴-(x_SOC(t))⁵       (7)

调整后的名义等价因子如式(8)所示：

α_调＝β(SOC)·α                         (8)

这样，根据不同的SOC值确定其对应的调整等价因子α_调；经过调整后的名义等价因子满足了蓄电池15电荷平衡的问题；

接下来根据需求转矩和调整后的等价因子α_调进行整车优化控制。

(d)优化控制模块

该模块的作用就是同时考虑燃油经济性和排放性，获得优化控制信号-优化的发动机1转矩和优化的电动机13转矩，进而对整车进行优化控制；本发明在确定优化的发动机1转矩和优化的电动机13转矩过程中使用了最小等效燃油消耗法；

在每个时刻t，首先，根据需求扭矩确定发动机1的工作范围，然后确定电动机13的工作点，这样得到一系列发动机1、电动机13工作点对，基于构建的目标函数，对每一工作点对进行计算获得其对应的目标函数值，最后选取使目标函数最小的点对作为当前的工作点，从而获得优化的发动机1转矩和优化的电动机13转矩；在本过程中，需求转矩T需是通过驾驶员踏板信号传感器8得到；具体步骤如下：

首先，根据需求扭矩确定发动机1的工作范围，就是让发动机1工作在较好的区域内工作，如不等式约束(5)所示；

然后，确定电动机13的工作点，需求扭矩为电动机13扭矩和发动机1扭矩之和，如等式约束(4)所示；这样就会得到一系列发动机1、电动机13工作点对，作为候选工作点对；

接下来构建目标函数，具体过程如下：在每个时刻t，总的等效燃油消耗

是电动机13的等效油耗

和发动机1实际燃油消耗

之和，如式(1)所示；

电动机13实际消耗的是电能，这里必须将电动机13的电能消耗转换为等效的发动机油耗，转化过程中涉及到一个转化系数，即调整后的等价因子α_调，其作用是把消耗的电能转化为等效的燃油能，同时保证蓄电池15电荷平衡，如式(2)所示；只不过这里将名义等价因子α换成了调整后的等价因子α_调，其余保持不变；

本发明将燃油经济性和排放性一同考虑，采用一组权值来协调排放和燃油同时优化存在的矛盾；市中心区工况、市内较通畅区工况和近郊区工况对排放要求较高，其排放的权值可以设置高一些；远郊区工况和高速公路区工况对燃油经济性要求较高，其燃油经济性的权值可以设置高一些；权值大小可以根据识别出的行驶工况进行更改。构建的具体目标函数如式(9)所示；

$J=\frac{1}{{\mathrm{\&omega;}}_1+{\mathrm{\&omega;}}_2+{\mathrm{\&omega;}}_3+{\mathrm{\&omega;}}_4+{\mathrm{\&omega;}}_5}({\mathrm{\&omega;}}_1{\stackrel{\&CenterDot;}{m}}_{\mathrm{eq}}+{\mathrm{\&omega;}}_2{\stackrel{\&CenterDot;}{m}}_{\mathrm{CO}}+{\mathrm{\&omega;}}_3{\stackrel{\&CenterDot;}{m}}_{\mathrm{HC}}+{\mathrm{\&omega;}}_4{\stackrel{\&CenterDot;}{m}}_{{\mathrm{NO}}_x}+{\mathrm{\&omega;}}_5{\stackrel{\&CenterDot;}{m}}_{\mathrm{PM}})---\left(9\right)$

式中，ω₁、ω₂、ω₃、ω₄、ω₅为权重系数，它们的大小决定燃油经济性和排放性的重要程度；

为CO排放质量流，单位为kg/s，

为HC排放质量流，单位为kg/s，为NO_x排放质量流，单位为kg/s，

为PM排放质量流，单位为kg/s；通过查询存储在控制器中标定的发动机1排放特性图得到；实际应用中，为了简化，车用发动机如果是汽油机，可以不考虑PM的排放；如果是柴油机，可以只考虑NO_x和PM的排放。

最终通过最小燃油消耗法可以得到瞬时时刻优化的发动机1转矩和电动机13转矩，即优化的控制信号；优化控制器将优化的控制信号分别发送到发动机控制单元2和电动机控制单元11分别控制发动机1和电动机13输出转矩，进而对整车进行优化控制，然后通过车速传感器7将实时采集的车速数据反馈到工况识别模块中进行在线识别，如果识别出的工况类型和前一次识别出的工况类型相同，则优化的控制信号不发生改变；如果识别出的工况类型和前一次识别出的工况类型不同，则由自适应调整模块把原先识别出的行驶工况其对应的等价因子α_调更换成该时识别出的行驶工况其对应的等价因子α_调，然后再送入到优化控制模块中，进而对整车进行实时优化控制，这样实时地采集、识别、判断，实现了基于最小等效燃油消耗的混合动力汽车自适应控制方法；

本发明同样适用于单轴并联式混合动力驱动系统，具体控制过程与双轴并联式一致，在此不再赘述。

Claims (1)

1.一种基于最小等效燃油消耗的混合动力汽车控制方法，包括离线和在线两大部分；离线部分包含名义等价因子获得模块，在线部分包含信号采集模块、工况识别模块、自适应调整模块和优化控制模块；其特征在于：包括以下步骤：

A、离线获取名义等价因子

通过对车辆的行驶工况进行分析，采用主成分分析和聚类分析技术获得五种不同类型的行驶工况，分别是市中心区工况、市内较通畅区工况、近郊区工况、远郊区工况和高速公路区工况；每种行驶工况都对应一个理想的名义等价因子，其值在2～3.5之间；在每种行驶工况下，选取不同的等价因子α应用动态规划法进行仿真计算，然后对得到的总的等效燃油消耗进行比较，从而得到该行驶工况下的名义等价因子；具体获取方法如下：

在每个时刻t，总的等效燃油消耗

是电动机的等效油耗

和发动机实际燃油消耗

之和，如式(1)所示：

${\stackrel{\&CenterDot;}{m}}_{\mathrm{eq}}={\stackrel{\&CenterDot;}{m}}_m+{\stackrel{\&CenterDot;}{m}}_e---\left(1\right)$

式中，

为总的等效燃油消耗质量流，单位为kg/s；

为电动机等效油耗质量流，单位为kg/s；

为发动机实际消耗的燃油质量流，单位为kg/s；

通过查询标定的发动机MAP图得到；

电动机实际消耗的是电能，这里必须将电动机的电能消耗转换为等效的发动机油耗，电动机的等效油耗

如式(2)所示：

式中，P_b为蓄电池的放电功率，单位为W；P′_b为蓄电池的充电功率，单位为W；Q为燃油的低热值，单位为J/kg；η_dis为蓄电池的放电效率；η_chg为蓄电池的充电效率；

构建目标函数：在整个行驶工况下，混合动力汽车总的等效燃油消耗J如式(3)所示：

$\min J=\underset{t=0}{\overset{t_N-1}{\mathrm{\&Sigma;}}}{\stackrel{\&CenterDot;}{m}}_{\mathrm{eq}}\left(t\right)\mathrm{\&Delta;t}---\left(3\right)$

式中，t_N为行驶工况的时间总长，单位为s；

为t时刻总的燃油消耗质量流，单位为kg/s；Δt为优化时间步长，单位为s；

其约束条件有等式约束和不等式约束两种，等式约束为

不等式约束为

$\left\{\begin{array}{c}0\&le;T_m\left(t\right)\&le;T_{m\_\max }\left({\mathrm{\&omega;}}_m\left(t\right)\right)\\ T_{e\_\min }\left({\mathrm{\&omega;}}_e\left(t\right)\right)\&le;T_e\left(t\right)\&le;T_{e\_\max }\left({\mathrm{\&omega;}}_e\left(t\right)\right)\\ 0\&le;{\mathrm{\&omega;}}_m\left(t\right)\&le;{\mathrm{\&omega;}}_{m\_\max }\\ {\mathrm{\&omega;}}_{e\_\min }\&le;{\mathrm{\&omega;}}_e\left(t\right)\&le;{\mathrm{\&omega;}}_{e\_\max }\end{array}\right.---\left(5\right)$

式中，T_需为驾驶员需求转矩，单位为N·m；T _e为发动机转矩，单位为N·m；T_m为电动机转矩，单位为N·m；T_{e_min}为发动机最小转矩，单位为N·m；T_{e_max}为发动机最大转矩，单位为N·m；T_{m_max}为电动机的最大转矩，单位为N·m；ω_wh为驱动轮转速，单位为rad/s；ω_e为发动机转速，单位为rad/s；ω_m为电动机转速，单位为rad/s；η_t为传动系的效率；i_k是变速器档位为k时的传动比，此传动比包含主减速器的传动比；ρ为扭矩合成器的传动比；

在每种行驶工况下，通过选取不同的等价因子值，在约束条件下仿真计算目标函数值，然后进行比较，选择使目标函数最小的等价因子作为该行驶工况下的名义等价因子；因此，应用上述方法可以得到上述五种行驶工况对应的五个名义等价因子；

B、信号采集

由车速传感器和驾驶员踏板信号传感器进行信号采集；车速传感器用来采集混合动力车的车速信息，用于工况在线识别；驾驶员踏板信号传感器用来采集驾驶员踏板信号，以获得整车需求转矩或功率；

C、工况识别

首先通过正交设计确定出最能反映行驶工况的特征参数，这里通过正交试验选取以下5个特征参数，分别是平均速度、怠速时间百分比、运行平均速度、平均减速度和平均加速度；通过对一定时间周期的速度时间历程，提取出每个周期内这5个工况特征参数；根据提取的特征参数与上述5种行驶工况的特征参数进行识别，从而识别出当前行驶工况的类型；所述的一定时间周期的速度时间历程由车速传感器采集得到，周期可以设置为N秒；

D、自适应调整

步骤A所述的名义等价因子并不能保证蓄电池荷电状态SOC维持在标称值附近，需要通过调整识别出来的行驶工况其对应的名义等价因子来满足此要求；通过一个非线性函数对名义等价因子进行调整来确保蓄电池电荷平衡；

首先将某时刻t的SOC值进行归一化处理，如式(6)所示：

$x_{\mathrm{SOC}}\left(t\right)=\left\{\begin{array}{c}-1,\mathrm{SOC}\left(t\right)\&le;{\mathrm{SOC}}_{\min }\\ \frac{\mathrm{SOC}\left(t\right)-\frac{{\mathrm{SOC}}_{\max }+{\mathrm{SOC}}_{\min }}{2}}{\frac{{\mathrm{SOC}}_{\max }-{\mathrm{SOC}}_{\min }}{2}}\\ 1,\mathrm{SOC}\left(t\right)\&GreaterEqual;{\mathrm{SOC}}_{\max }\end{array}\right.,{\mathrm{SOC}}_{\min }<\mathrm{SOC}\left(t\right)<{\mathrm{SOC}}_{\max }---\left(6\right)$

式中，SOC_max和SOC_min分别为蓄电池荷电状态SOC工作范围的上限和下限；

采用的非线性函数是由4次曲线和5次曲线拟合而成的函数，如式(7)所示：

β(SOC)＝1+0.2(x_SOC(t))⁴-(x_SOC(t))⁵    (7)

调整后的名义等价因子如式(8)所示：

α_调＝β(SOC)·α                      (8)

这样，根据不同的SOC值确定其对应的调整等价因子α_调；经过调整后的名义等价因子满足了蓄电池电荷平衡的问题；

E、优化控制

同时考虑燃油经济性和排放性，获得优化控制信号即优化的发动机转矩和优化的电动机转矩，进而对整车进行优化控制；在确定优化的发动机转矩和优化的电动机转矩过程中使用最小等效燃油消耗法；

在每个时刻t，首先，根据需求扭矩确定发动机的工作范围，然后确定电动机的工作点，这样得到一系列发动机、电动机工作点对，基于构建的目标函数，对每一工作点对进行计算获得其对应的目标函数值，最后选取使目标函数最小的点对作为当前的工作点，从而获得优化的发动机转矩和优化的电动机转矩；在本过程中，需求转矩通过驾驶员踏板信号传感器得到；具体步骤如下：

首先，根据需求扭矩确定发动机的工作范围，就是让发动机工作在较好的区域内工作，如不等式约束(5)所示；

然后，确定电动机的工作点，需求扭矩为电动机扭矩和发动机扭矩之和，如等式约束(4)所示；这样就会得到一系列发动机、电动机工作点对，作为候选工作点对；

接下来构建目标函数，具体过程如下：

在每个时刻t，总的等效燃油消耗

是电动机的等效油耗

和发动机实际燃油消耗

之和，如式(1)所示；

电动机实际消耗的是电能，这里必须将电动机的电能消耗转换为等效的发动机油耗，转化过程中涉及到一个转化系数，即调整后的等价因子α_调，其作用是把消耗的电能转化为等效的燃油能，同时保证蓄电池电荷平衡，如式(2)所示；只不过这里将名义等价因子α换成了调整后的等价因子α_调，其余保持不变；

将燃油经济性和排放性一同考虑，采用一组权值来协调排放和燃油同时优化存在的矛盾；市中心区工况、市内较通畅区工况和近郊区工况对排放要求较高，其排放的权值可以设置高一些；远郊区工况和高速公路区工况对燃油经济性要求较高，其燃油经济性的权值可以设置高一些；权值大小可以根据识别出的行驶工况进行更改；构建的具体目标函数如式(9)所示：

$J=\frac{1}{{\mathrm{\&omega;}}_1+{\mathrm{\&omega;}}_2+{\mathrm{\&omega;}}_3+{\mathrm{\&omega;}}_4+{\mathrm{\&omega;}}_5}({\mathrm{\&omega;}}_1{\stackrel{\&CenterDot;}{m}}_{\mathrm{eq}}+{\mathrm{\&omega;}}_2{\stackrel{\&CenterDot;}{m}}_{\mathrm{CO}}+{\mathrm{\&omega;}}_3{\stackrel{\&CenterDot;}{m}}_{\mathrm{HC}}+{\mathrm{\&omega;}}_4{\stackrel{\&CenterDot;}{m}}_{{\mathrm{NO}}_x}+{\mathrm{\&omega;}}_5{\stackrel{\&CenterDot;}{m}}_{\mathrm{PM}})---\left(9\right)$

式中，ω₁、ω₂、ω₃、ω₄、ω₅为权重系数，它们的大小决定燃油经济性和排放性的重要程度；

为CO排放质量流，单位为kg/s，

为HC排放质量流，单位为kg/s，

为NO_x排放质量流，单位为kg/s，

为PM排放质量流，单位为kg/s；

通过查询存储在控制器中标定的发动机排放特性图得到；

最终通过最小燃油消耗法得到瞬时时刻优化的发动机转矩和电动机转矩，即优化的控制信号；优化控制器将优化的控制信号分别发送到发动机控制单元和电动机控制单元分别控制发动机和电动机输出转矩，进而对整车进行优化控制。

Images