CN102765388B - 一种基于多信息融合的整车控制方法 - Google Patents

Abstract

本发明涉及一种基于多信息融合的整车控制方法，包括以下步骤：整车控制器通过实时读取车辆状态参数，并将其对应发送到整车控制器的各模块；整车控制器的道路坡度角计算模块、整车质量计算模块、整车辅助功率计算模块、未来路径预测模块计算各参数并将其对应发送到各模块；动力电池SOC预测模块确定未来一段时间内动力电池的目标最优SOC轨迹曲线；电机目标转矩计算模块计算电机目标转矩；功率分配模块根据整车附件功率和电机目标转矩分配APU系统和动力电池的输出功率；电机目标转矩计算模块将电机目标转矩发送到电机控制器控制电机驱动，功率分配模块将APU目标功率发送到APU控制器控制辅助动力源工作；整车控制器设定采样间隔读取车辆参数，重复上述步骤，直到车辆断电。本发明应用于纯电驱动和混合动力车辆中。

Description

一种基于多信息融合的整车控制方法

技术领域

本发明涉及一种整车控制方法，特别是关于一种适用于从串联式混合动力系统演变而成的增程式电动汽车和燃料电池汽车的基于多信息融合的整车控制方法。

背景技术

全球汽车工业面临着节能与减排两大压力，新能源汽车作为一种有效节能与减排的手段，得到各国政府及企业的青睐。根据汽车电气化程度的不同，新能源汽车分为纯电驱动汽车和常规混合动力汽车，纯电驱动汽车主要包括纯电动汽车、插电式电动汽车、增程式电动汽车和燃料电池汽车，电池容量较大，整车全部或者大部分工况都由电机驱动；常规混合动力汽车包括串联式、并联式和混联式混合动力汽车，整车由电机和内燃机联合驱动。整车控制系统是新能源汽车的三大核心技术之一（电控、电机和电池），通过分布式局域网(Controller Area Network，CAN)将动力系统各个部件联系在一起，并由整车控制器(Vehicle Controller Unit，VCU)协调管理。整车控制器的主要功能有三个方面：1）电机的驱、制动控制，使电机正确地执行司机的驾驶意图，使车辆达到司机的目标车速；2）功率分配，将整车需求功率在动力系统的各个动力源之间分配，使整车的燃油消耗最低；3）故障诊断和容错控制，正确地诊断动力系统各个部件的故障，按严重程度分类，在整车层面作恰当的处理。

目前，国内新能源汽车在上述三方面的技术都不够成熟，处于比较初级的阶段，大多是基于固定的规则制定算法框架，整车的动力性和经济性缺乏随路况自适应调整的能力。整车控制器前两方面的功能，一般被称为能量管理问题，国内、外研究人员主要研究了基于规则的算法、全局优化算法和瞬时优化算法。其中，基于规则的算法实现比较简单、可靠，是目前工程领域的主要应用方法，但是并没有发挥能量管理算法节能效果的最大潜力；全局优化算法考虑整个工况的全局情况进行能量优化，可以得到新能源汽车在某个驾驶循环下的最优策略，但是其求解过程是一个随时间从后往前的逆序过程，因而不能应用于实际工程中，只能作为理论研究的极限值参考；瞬时优化算法仅仅考虑当前时刻的能量优化，如果整车控制器计算能力足够强大，瞬时优化算法可以应用于工程，但优化结果弱于全局优化算法。

目前比较通用的方法是：从基于全局优化算法或者瞬时优化算法的结果中提炼出一些优化规则，然后将这些优化规则应用于实际车辆中。上述方法可以部分解决固定行驶路线的性能优化问题，但是仍然无法使整车的动力性和经济性随路况自适应调整。在目前算法框架下，当车辆上坡或者负重增加时，可以明显感觉车辆的加速性能变差；当道路前方有一长段下坡路时，车辆无法预先降低动力电池电量，尽可能回收多的制动能量；当道路前方有一长段上坡路时，车辆也无法预先储备动力电池电量，以保证车辆的爬坡能力。如果要实现车辆的动力性、经济性随路况自适应调整，关键是准确地预测车辆在未来一段时间内的平均功率需求，并以此为依据，在电机驱、制动转矩和功率分配方面进行优化。

发明内容

针对上述问题，本发明的目的是提供一种能够实现整车动力性和经济性随路况和负载质量自适应调整的基于多信息融合的整车控制方法。

为实现上述目的，本发明采取以下技术方案：一种基于多信息融合的整车控制方法，包括以下步骤：1）设置一包括有整车控制器、电池管理系统、APU控制器、电机控制器、GPS/IMU组合装置和分布式网络的整车控制系统；整车控制器包括道路坡度角计算模块、整车质量计算模块、整车辅助功率计算模块、未来路径预测模块、电机目标转矩修正因子计算模快、电机目标转矩计算模块、动力电池SOC预测模块和功率分配模块；2）整车控制器通过分布式网络分别从GPS/IMU组合装置、电池管理系统、APU控制器、电机控制器、模拟量输入端口和数字量输入端口实时读取车辆状态参数，并将其对应发送到道路坡度角计算模块、整车质量计算模块、整车辅助功率计算模块和未来路径预测模块；3）道路坡度角计算模块根据车辆的三向加速度计算道路坡度角θ，并将其分别发送到整车质量计算模块和电机目标转矩修正因子计算模块；4）整车质量计算模块根据车辆的车速信号、电机的转矩和整车状态参数信息，并结合道路坡度角θ，计算整车质量m，并将其发送到电机目标转矩修正因子计算模块；5）整车辅助功率计算模块根据动力系统各部件功率计算整车附件功率，并将其发送到功率分配模块；6）未来路径预测模块根据车速信号和车辆的经度、纬度位置信号预测未来一段时间内车辆的坡度变化和停车状况，并将其发送到动力电池SOC预测模块；7）动力电池SOC预测模块根据步骤6）所预测的未来一段时间内车辆行驶状态，确定未来一段时间内动力电池的目标最优SOC轨迹曲线，并将其发送到功率分配模块；8）电机目标转矩修正因子计算模块根据道路坡度角θ和整车质量m计算得到电机目标转矩修正因子λ，并将其发送到电机目标转矩计算模块；9）电机目标转矩计算模块计算电机目标转矩T_tq，将其发送到功率分配模块；10）功率分配模块根据整车附件功率和电机目标转矩，分配APU系统和动力电池的输出功率，使动力电池的实际SOC尽可能跟随目标最优SOC轨迹；11）电机目标转矩计算模块将电机目标转矩T_tq通过CAN总线发送到电机控制器控制电机进行驱动，功率分配模块将APU目标功率通过CAN总线发送到APU控制器控制辅助动力源进行工作；12）整车控制器根据设定的采样间隔分别从GPS/IMU组合装置、电池管理系统、APU控制器、电机控制器、模拟量输入端口和数字量输入端口实时读取车辆状态参数，重复上述步骤2）～11）对电机目标转矩T_tq和APU目标功率进行实时计算，不断调整整车动力性和经济性，直到汽车停止。

步骤2）的具体过程为：①整车控制器通过CAN总线实时从GPS/IMU组合装置采集车辆的三向加速度信号、车辆的经度、纬度位置信号和车速信号，并将车辆的三向加速度信号发送到道路坡度角计算模块，将车辆的经度、纬度位置信号和车速信号发送到未来路径预测模块，同时将车速信号发送到整车质量计算模块；②整车控制器通过CAN总线实时从电池管理系统采集动力电池的电压、电流、荷电状态和温度信息，并将其发送到整车辅助功率计算模块；③整车控制器通过CAN总线实时从电机控制器中采集电机的电压、电流、转矩、转速和温度，将其发送到整车质量计算模块，并将电机的电压、电流和温度发送到整车辅助功率计算模块；④整车控制器通过CAN总线实时从APU控制器中采集功率辅助单元的电压、电流和温度，并将其发送到整车辅助功率计算模块；⑤整车控制器通过汽车的模拟量输入端口实时读取加速、制动踏板信息，并通过汽车的数字量输入端口读入司机档位信息，并将其同时发送到电机目标转矩计算模块。

步骤3）、步骤4）和步骤5）中求解道路坡度角θ、整车质量m和整车附件功率P_aux时，首先分别计算道路坡度角，整车质量和整车附件功率的初始值，然后对各初始值分别采用自适应滤波算法进行滤波处理，自适应滤波算法的传递函数表达式为：

G(s)=1/(τs+1)

式中，s为拉普拉斯算子，τ为滤波时间常数，滤波时间常数τ为：

$\mathrm{\τ}=0.5\mathrm{\Δt}(1+\sqrt{1+4R/Q})$

式中，Δt为算法运行周期，R为测量噪声方差，Q为过程激励噪声方差。

步骤6）动力电池SOC预测模块确定未来一段时间内动力电池的目标最优SOC轨迹曲线时，首先建立道路坡度角与动力电池最佳平衡点的映射关系为：

SOC_tg=f(SOC₀，θ)

式中，SOC₀为道路坡度角为0时动力电池的最优SOC平衡点，当θ>0时，SOC_tg>SOC₀；当θ<0时，SOC_tg<SOC₀。

步骤7）电机目标功率修正因子计算模块计算得到的λ为：

λ=(kθ+1)((1-λ₀)(m-m₀)/Δm_max+λ₀)

式中，k为待标定参数，m₀为整车空载质量，Δm_max为整车最大负载质量，0<λ₀<1为车辆空载时候的修正系数。

步骤8）电机目标转矩T_tq的计算过程为：

T_tq=λT_tq0(α，ω)

式中，T_tq0是道路坡度角为0、车辆满载情况下的电机目标转矩，α为加速踏板，ω为电机转速。

本发明由于采取以上技术方案，其具有以下优点：本发明在整车控制器中设置有道路坡度角计算模块、整车质量计算模块、整车辅助功率计算模块、未来路径预测模块、电机目标转矩修正因子计算模快、电机目标转矩计算模块、动力电池SOC预测模块和功率分配模块；整车控制器通过分布式网络分别从GPS/IMU组合装置、电池管理系统、APU控制器、电机控制器、模拟量输入端口和数字量输入端口实时读取车辆状态相关参数并将其发送到整车控制器中的各模块中实时估计道路坡度和整车质量，预测未来一段时间内的道路状况和平均功率需求，优化动力电池的SOC运行曲线，使车辆可以回收更多的制动能量，不仅实现更优的节能效果，而且汽车具有良好的动力性能，使整车动力性和经济性随路况和负载质量自适应调整。本发明可以广泛应用于纯电驱动和混合动力车辆中，特别适用于从串联式混合动力系统演变而成的增程式电动汽车和燃料电池汽车中。

附图说明

图1是本发明适用的增程式电动汽车/燃料电池汽车动力系统框图；

图2是本发明的多信息融合整车控制系统示意图；

图3是本发明的多信息融合整车控制方法流程示意图；

图4是本发明的动力电池SOC闭环控制算法示意图。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

如图1、2所示，本发明所适用的增程式电动汽车和燃料式电动汽车的动力系统包括主动力源和辅助动力源，主动力源采用动力电池，用于给整车提供动态功率和部分稳态功率，并回收部分制动能量；辅助动力源（Auxiliary Power Unit，APU）采用燃料电池或内燃机发电系统，用于给整车提供不超过整车平均功率的稳态功率。本发明的整车控制系统与现有系统相类似包括有整车控制器1（Vehicle Controller Unit，VCU）、电池管理系统2(Battery Management System，BMS)、电机控制器3(MotorController Unit，MCU)、功率辅助单元(Auxiliary Power Unit,APU)控制器4、GPS/IMU组合装置5（Global Position System/Inertial Measurement Unit，全球定位系统/惯性测量单元）和分布式网络。

如图2、图3所示，本发明的整车控制系统的特点在于：整车控制器1中设置有一多传感器信息融合子系统11、一自适应转矩协调子系统12和一自适应功率分配子系统13；其中，多传感器信息融合子系统11包括一道路坡度角计算模块111、一整车质量计算模块112、一整车辅助功率计算模块113和一未来路径预测模块114；自适应转矩协调子系统12包括一电机目标转矩修正因子计算模块121和一电机目标转矩计算模块122；自适应功率分配子系统13包括一动力电池荷电状态（State of Charge,SOC）预测模块131和一功率分配模块132。整车控制器1通过分布式网络中的CAN总线分别连接电池管理系统2、电机控制器3、APU控制器4和GPS/IMU组合装置5进行信息融合，进而完成整车动力性和经济性随路况和负载质量的自适应调整。

采用本发明的整车控制系统对行驶在道路上的汽车根据路况和负载质量实时进行自适应调整的方法，包括以下步骤：

1）整车控制器1通过分布式网络分别从GPS/IMU组合装置5、电池管理系统2、电机控制器3、APU控制器4、模拟量输入端口和数字量输入端口实时读取车辆状态相关参数，并将其分别对应发送到道路坡度角计算模块111、整车质量计算模块112、整车辅助功率计算模块113和未来路径预测模块114中，具体过程为：

①整车控制器1通过CAN总线实时从GPS/IMU组合装置5采集车辆的三向加速度信号（纵向、垂向和横向）、车辆的经度、纬度位置信号和车速信号，并将车辆的三向加速度信号发送到道路坡度角计算模块111，将车辆的经度、纬度位置信号和车速信号发送到未来路径预测模块114，同时将车速信号发送到整车质量计算模块112；

②整车控制器1通过CAN总线实时从电池管理系统2采集动力电池的电压、电流、荷电状态(State of Charge，SOC)和温度信息并将其发送到整车辅助功率计算模块113；

③整车控制器1通过CAN总线实时从电机控制器3中采集电机的电压、电流、转矩、转速和温度信息，将其发送到整车质量计算模块112，并将电机的电压、电流和温度信号发送到整车辅助功率计算模块113；

④整车控制器1通过CAN总线实时从APU控制器4中采集功率辅助单元(APU)的电压、电流、温度以及其它状态信息，并将其发送到整车辅助功率计算模块113；

⑤整车控制器1通过汽车的模拟量输入端口实时读取加速、制动踏板信息，并通过汽车的数字量输入端口读入司机档位信息，并将其同时发送到电机目标转矩计算模块122。

2）道路坡度角计算模块111根据车辆的三向加速度信号计算得到汽车行驶过程中的道路坡度角θ，并将其分别发送到整车质量计算模块112和电机目标转矩修正因子计算模块121，道路坡度角θ的计算过程为：

在汽车行驶过程中，道路坡度角计算模块111通过预置的反三角函数公式计算得到的道路坡度角初始值θ＇为：

θ′=tan^-1(a_z/a_x)

式中，a_x为车辆的纵向加速度、a_z为车辆的垂向加速度。

由于计算得到的道路坡度角初始值θ＇中包含大量的噪声，为了能够准确得到汽车行驶过程中道路坡度角，因此需要采用滤波算法对其进行滤波，得到准确的道路坡度值θ。本发明采用自适应滤波算法对其进行滤波，自适应滤波算法的传递函数表达式为：

G(s)=1/(τs+1)

式中，s为拉普拉斯算子，τ为滤波时间常数，自适应滤波算法本质为变参数一阶滤波器，根据Kalman滤波原理，滤波时间常数τ为：

$\mathrm{\&tau;}=0.5\mathrm{\&Delta;t}(1+\sqrt{1+4R/Q})$

式中，Δt为算法运行周期，R为测量噪声方差，Q为过程激励噪声方差。参数R可以根据整车控制器的性能，存储[t₀-T，t₀]时间内（参数t₀为当前时刻）的道路坡度角初始值θ＇，并求其方差所得，参数Q值可以通过台架或者道路试验离线标定，在实时计算中为固定值。

3）整车质量计算模块112根据车辆的车速信号、电机的转矩和整车状态参数信息，并结合道路坡度角θ，计算得到整车质量，并将其发送到电机目标转矩修正因子计算模块121，整车质量m的计算过程为：

汽车行驶在电机驱动状态下，整车质量计算模块112计算得到整车质量的初始值m＇为：

$m^{\&prime;}=(T_d{\mathrm{\&eta;}}_T-0.5C_D\mathrm{A\&rho;}{u}^2)/(\mathrm{gf}\cos \mathrm{\&theta;}+g\sin \mathrm{\&theta;}+\mathrm{\&delta;}\stackrel{.}{u})$

式中，u为车速，为车辆加速度，T_d为电机实际驱动转矩，η_T为电机输出轴到车轮的效率，g为重力加速度，δ为旋转质量系数，C_D为风阻系数、A为风阻面积、ρ为空气密度、f为滚动阻力系数。

由于计算得到的整车质量初始值m＇中包含大量的噪声，为了准确得到整车质量值m，因此对整车质量初始值m＇进行滤波处理，与步骤2）中道路坡度角的滤波过程类似，可以采用自适应滤波算法对整车质量初始值进行滤波处理。

车辆的驱动转矩全部由电机提供，车辆的制动转矩则由电机和机械/液压制动系统协同提供，而机械/液压制动系统的转矩是未知的。因此，上述方法不适用于制动过程。当车辆处于驱动状态时，整车质量计算模块112运行，整车质量估计值不断更新；当车辆处于制动状态时，整车质量计算模块112不运行，整车质量估计值保持驱动状态下的最新值不变。

4）整车辅助功率计算模块113根据动力系统各部件功率计算得到整车附件功率，并将其发送到功率分配模块132，整车附件功率P_aux的计算过程为：

整车附件功率P_aux是指整车从驱动动力CAN总线获取的其它部件消耗功率，如空调、制动气泵和转向助力系统，整车辅助功率计算模块113计算得到的整车附件功率初始值为P＇_aux：

P′_aux=P_apu+P_bat-P_m

式中，P_apu为APU系统的输出功率，P_bat为动力电池的输出功率（放电为正，充电为负），P_m为电机的输入电功率。

由于计算得到的整车附件功率初始值P＇_aux中包含大量的噪声，因此为了得到准确的整车附件功率值P_aux，需要对其进行滤波处理，与步骤2）中道路坡度角值的滤波过程类似，可以采用自适应滤波算法对整车附件功率初始值进行滤波处理。

5）未来路径预测模块114根据车速信号和车辆的经度、纬度位置信号预测未来一段时间内车辆的坡度变化和停车状况，并将其发送到动力电池SOC预测模块131。

根据实际运行情况，需要确定预测车辆运行工况的时间长度，本实施中以预测未来一分钟内车辆的运行工况具体说明，首先根据当前时刻前一分钟内不同时刻采集的车速信号，计算车辆的平均速度；未来路径预测模块114根据车辆的平均速度和车辆此时的经度、纬度位置信号预测未来一分钟内的坡度变化和停车状况，具体预测过程为：

首先在车辆的常见运行区域，选择对能耗影响较大的上坡、下坡和红绿灯停车典型路段，将其GPS位置信息存储于整车控制器；然后，根据当前车辆的GPS位置（车辆此时的经度、纬度位置信号），判断车辆是否处于事先标定好的典型路段，如果车辆位于事先标定好的典型路段范围之内，确定未来一分钟时间长度的道路坡度角θ(t)，t∈[t₀，t₀+T₀]，T₀=1min，以及由于红绿灯、车站而发生的停车事件的发生时间段 $[t_1,t_1+T_1]\&Subset;[t_0,t_0+T_0].$

6）动力电池SOC预测模块131根据步骤5）所预测的未来一段时间内车辆的坡度和停车信息，确定未来一段时间内动力电池的目标最优SOC轨迹曲线，并将其发送到功率分配模块132。

根据实验或仿真分析，首先建立道路坡度角与动力电池最佳平衡点的映射关系为：

SOC_tg=f(SOC₀，θ)

式中，SOC₀为道路坡度角为0时动力电池的最优SOC平衡点，当θ>0时，

SOC_tg>SOC₀；当θ<0时，SOC_tg<SOC₀。

根据步骤5）中的道路坡度角θ(t)，将上式转换为与时间的关系：

SOC_tg=fSOC₀，t)，t∈[t₀，t₀+T₀]

由于步骤5）求得的停车时间段建立修正参数μ：

$\mathrm{\&mu;}=\left\{\begin{array}{c}1,t\&Element;[t_0,t_1)\&cap;(t_1+T_1,t_0+T_0]\\ {\mathrm{\&mu;}}_0<1,t\&Element;[t_1,t_1+T_1]\end{array}\right.$

动力电池的目标最优SOC轨迹曲线则可以定义为：

SOC_tg=μfSOC₀，t)，t∈[t₀，t₀+T₀]

动力电池SOC预测模块131根据未来一段时间内的道路坡度和停车情况，预测未来一段时间的动力电池的目标最优SOC轨迹曲线，例如，如果预测到未来有上坡路，则应提前提高动力电池的SOC值，以保证整车上坡能力；如果预测到未来有一段下坡路，则应该提前降低动力电池的SOC值，尽可能多地回收下坡时的制动能量和整车势能。

7）电机目标转矩修正因子计算模块121根据道路坡度角θ和整车质量m计算得到电机目标转矩修正因子λ，并将其发送到电机目标转矩计算模块122，电机目标功率修正因子λ为：

λ=(kθ+1)((1-λ₀)(m-m₀)/Δm_max+λ₀)

式中，k>0为待标定参数，参数k值越小，道路坡度对整车动力性影响越大，选择合适的k值，使车辆具备最佳的驾驶舒适性；m₀为整车空载质量；Δm_max为整车最大负载质量；0<λ₀<1为车辆空载时候的修正系数。

8）电机目标转矩计算模块122根据电机转速、司机踏板开度信号，并利用电机目标转矩修正因子对电机目标转矩进行修正得到电机目标转矩输出值，并将其发送到功率分配模块131，电机目标转矩输出值T_tq为：

T_tq=λT_tq0(α，ω)

式中，T_tq0是道路坡度角为0、车辆满载情况下的电机目标转矩，α为加速踏板，ω为电机转速。

9）功率分配模块131根据整车附件功率和电机目标转矩，合理分配APU系统和动力电池的输出功率，使动力电池的实际SOC能够尽可能跟随目标最优SOC轨迹。

如图4所示，动力电池可以采用PI闭环算法进行跟随，ΔSOC为当前SOC值与目标SOC值的差值，表达式为：

ΔSOC=SOC_tg-SOC

$P_{\mathrm{apu}}\left(t\right)=k_p\mathrm{\&Delta;SOC}\left(t\right)+k_i{\&Integral;}_{t_2}^t\mathrm{\&Delta;SOCdt}$

式中，SOC为被控变量，P_apu为辅助功率单元APU的输出功率，为控制变量；P_m+P_apu为整车功率需求，为系统扰动，t₂为功率分配模块开始计算的时间起点，k_p为闭环反馈算法参数，k_i为闭环反馈算法参数。

10）电机目标转矩计算模块122将电机目标转矩输出值T_tq通过CAN总线发送到电机控制器3控制电机进行驱动，且功率分配模块131将APU目标功率通过CAN总线发送到APU控制器控制辅助动力源进行工作，从而实现整车动力性和经济型随路况和负载质量自适应调整。

11）完成某一段时间内的整车动力性和经济型的调整后，整车控制器1根据设定的采样间隔（可以采用10ms或者根据实验选定）通过分布式网络分别从GPS/IMU组合装置5、电池管理系统2、APU控制器4、电机控制器3、模拟量输入端口和数字量输入端口实时读取车辆状态相关参数，并将其分别对应发送到道路坡度角计算模块111、整车质量计算模块112、整车辅助功率计算模块113和未来路径预测模块114中，重复步骤1）～10）对电机目标转矩输出值T_tq和APU目标功率进行实时进行计算，不断调整整车动力性和经济性，直到汽车停止。

上述各实施例仅用于说明本发明，其中整车控制方法的各步骤的顺序等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。

Claims (10)

1.一种基于多信息融合的整车控制方法，包括以下步骤：

1)设置一包括有整车控制器、电池管理系统、APU控制器、电机控制器、GPS/IMU组合装置和分布式网络的整车控制系统；整车控制器包括道路坡度角计算模块、整车质量计算模块、整车辅助功率计算模块、未来路径预测模块、电机目标转矩修正因子计算模快、电机目标转矩计算模块、动力电池SOC预测模块和功率分配模块；

2)整车控制器通过分布式网络分别从GPS/IMU组合装置、电池管理系统、APU控制器、电机控制器、模拟量输入端口和数字量输入端口实时读取车辆状态参数，并将其对应发送到道路坡度角计算模块、整车质量计算模块、整车辅助功率计算模块和未来路径预测模块；

3)道路坡度角计算模块根据车辆的三向加速度计算道路坡度角θ，并将其分别发送到整车质量计算模块和电机目标转矩修正因子计算模块；

4)整车质量计算模块根据车辆的车速信号、电机的转矩和整车状态参数信息，并结合道路坡度角θ，计算整车质量m，并将其发送到电机目标转矩修正因子计算模块；

5)整车辅助功率计算模块根据动力系统各部件功率计算整车附件功率，并将其发送到功率分配模块；

6)未来路径预测模块根据车速信号和车辆的经度、纬度位置信号预测未来一段时间内车辆的坡度变化和停车状况，并将其发送到动力电池SOC预测模块；

7)动力电池SOC预测模块根据步骤6)所预测的未来一段时间内车辆行驶状态，确定未来一段时间内动力电池的目标最优SOC轨迹曲线，并将其发送到功率分配模块；

8)电机目标转矩修正因子计算模块根据道路坡度角θ和整车质量m计算得到电机目标转矩修正因子λ，并将其发送到电机目标转矩计算模块；

9)电机目标转矩计算模块计算电机目标转矩Ｔ_ｔp，将其发送到功率分配模块；

10)功率分配模块根据整车附件功率和电机目标转矩，分配APU系统和动力电池的输出功率，使动力电池的实际SOC尽可能跟随目标最优SOC轨迹；

11)电机目标转矩计算模块将电机目标转矩T_tp通过CAN总线发送到电机控制器控制电机进行驱动，功率分配模块将APU目标功率通过CAN总线发送到APU控制器控制辅助动力源进行工作；

12)整车控制器根据设定的采样间隔分别从GPS/IMU组合装置、电池管理系统、APU控制器、电机控制器、模拟量输入端口和数字量输入端口实时读取车辆状态参数，重复上述步骤2)～11)对电机目标转矩T_tp和APU目标功率进行实时计算，不断调整整车动力性和经济性，直到汽车停止。

2.如权利要求1所述的一种基于多信息融合的整车控制方法，其特征在于：步骤2)的具体过程为：

①整车控制器通过CAN总线实时从GPS/IMU组合装置采集车辆的三向加速度信号、车辆的经度、纬度位置信号和车速信号，并将车辆的三向加速度信号发送到道路坡度角计算模块，将车辆的经度、纬度位置信号和车速信号发送到未来路径预测模块，同时将车速信号发送到整车质量计算模块；

②整车控制器通过CAN总线实时从电池管理系统采集动力电池的电压、电流、荷电状态和温度信息，并将其发送到整车辅助功率计算模块；

③整车控制器通过CAN总线实时从电机控制器中采集电机的电压、电流、转矩、转速和温度，将其发送到整车质量计算模块，并将电机的电压、电流和温度发送到整车辅助功率计算模块；

④整车控制器通过CAN总线实时从APU控制器中采集功率辅助单元的电压、电流和温度，并将其发送到整车辅助功率计算模块；

⑤整车控制器通过汽车的模拟量输入端口实时读取加速、制动踏板信息，并通过汽车的数字量输入端口读入司机档位信息，并将其同时发送到电机目标转矩计算模块。

3.如权利要求1所述的一种基于多信息融合的整车控制方法，其特征在于：步骤3)、步骤4)和步骤5)中求解道路坡度角θ、整车质量m和整车附件功率P_aux时，首先分别计算道路坡度角，整车质量和整车附件功率的初始值，然后对各初始值分别采用自适应滤波算法进行滤波处理，自适应滤波算法的传递函数表达式为：

G(s)＝1/(τs+1)

式中，s为拉普拉斯算子，τ为滤波时间常数，滤波时间常数τ为：

$\mathrm{\&tau;}=0.5\mathrm{\&Delta;t}(1+\sqrt{1+4R/Q})$

式中，Δt为算法运行周期，R为测量噪声方差，Q为过程激励噪声方差。

4.如权利要求2所述的一种基于多信息融合的整车控制方法，其特征在于：步骤3)、步骤4)和步骤5)中求解道路坡度角θ、整车质量m和整车附件功率P_aux时，首先分别计算道路坡度角，整车质量和整车附件功率的初始值，然后对各初始值分别采用自适应滤波算法进行滤波处理，自适应滤波算法的传递函数表达式为：

G(s)＝1/(τs+1)

式中，s为拉普拉斯算子，τ为滤波时间常数，滤波时间常数τ为：

$\mathrm{\&tau;}=0.5\mathrm{\&Delta;t}(1+\sqrt{1+4R/Q})$

式中，Δt为算法运行周期，R为测量噪声方差，Q为过程激励噪声方差。

5.如权利要求1或2或3或4所述的一种基于多信息融合的整车控制方法，其特征在于：步骤6)动力电池SOC预测模块确定未来一段时间内动力电池的目标最优SOC轨迹曲线时，首先建立道路坡度角与动力电池最佳平衡点的映射关系为：

SOC_tg＝f(SOC₀,θ)

式中，SOC₀为道路坡度角为0时动力电池的最优SOC平衡点，当θ>0时，SOC_tg>SOC₀；当θ<0时，SOC_tg<SOC₀。

6.如权利要求1或2或3或4所述的一种基于多信息融合的整车控制方法，其特征在于：步骤7)电机目标功率修正因子计算模块计算得到的λ为：

λ＝(kθ+1)((1-λ₀)(m-m₀)/Δm_max+λ₀)

式中，k为待标定参数，m₀为整车空载质量，Δm_max为整车最大负载质量，0<λ₀<1为车辆空载时候的修正系数。

7.如权利要求5所述的一种基于多信息融合的整车控制方法，其特征在于：步骤7)电机目标功率修正因子计算模块计算得到的λ为：

λ＝(kθ+1)((1-λ₀)(m-m₀)/Δm_max+λ₀)

式中，k为待标定参数，m₀为整车空载质量，Δm_max为整车最大负载质量，0<λ₀<1为车辆空载时候的修正系数。

8.如权利要求1或2或3或4或7所述的一种基于多信息融合的整车控制方法，其特征在于：步骤8)电机目标转矩T_tp的计算过程为：

T_tp＝λ T_tp0(α,ω)

式中，T_tp0是道路坡度角为0、车辆满载情况下的电机目标转矩，α为加速踏板，ω为电机转速。

9.如权利要求5所述的一种基于多信息融合的整车控制方法，其特征在于：步骤8)电机目标转矩T_tp的计算过程为：

T_tp＝λ T_tp0(α,ω)

式中，T_tp0是道路坡度角为0、车辆满载情况下的电机目标转矩，α为加速踏板，ω为电机转速。

10.如权利要求6所述的一种基于多信息融合的整车控制方法，其特征在于：步骤8)电机目标转矩T_tp的计算过程为：

T_tp＝λ T_tp0(α,ω)

式中，T_tp0是道路坡度角为0、车辆满载情况下的电机目标转矩，α为加速踏板，ω为电机转速。