CN102849063B - 控制电动车辆的方法 - Google Patents

Abstract

公开了一种控制电动车辆的方法。所述电动车辆包括内燃发动机以及具有电荷状态(SOC)和开路电压(OCV)的电池，所述方法包括：建立用于估计电池SOC的系统。所述系统包括：(i)具有用于识别电池参数的递归参数估计器的参数估计子系统；(ii)具有用于估计电池OCV的非线性自适应观测器的OCV估计子系统。估计的电池OCV通过映射与估计的电池SOC相关。基于估计的电池SOC产生输出。

Description

控制电动车辆的方法

技术领域

本发明涉及一种用于电池电荷状态(SOC)估计的非线性自适应观测方法。

背景技术

混合动力车辆可以不同形式出现，也可以使用不同的能量存储装置，且满足不同用户需求。现有的混合动力车辆包括将电池用作能量存储系统的混合动力电动车辆(HEV)。插电式混合动力电动车辆(PHEV)是现有的混合动力电动车辆(HEV)技术的延伸。与标准混合动力车辆比较，PHEV利用更大容量电池组，并增加了从标准插座对电池再充电的能力，以在电驱动模式或混合驱动模式下降低燃料消耗并进一步提高燃料经济性。还存在电机完全替代内燃发动机的纯电动车辆(BEV)应用。

电池电荷状态(SOC)被定义为可用电荷与最大电荷容量的百分比。对于具有容量Q的电池，充电/放电效率η和电流I：

$\frac{\mathrm{dSOC}}{\mathrm{dt}}=-\frac{\mathrm{\ηI}}{Q}---\left(1\right)$

通过转换，电流在流出(放电)时是正的。例如，在充电操作中，电流是负的(流入)，且基于等式(1)，SOC值增加。

计算SOC的现有方法是使用安培小时积分(amp-hourintegration)。由于所述方法的特性，计算的SOC可能偏离实际的SOC。

可在WO06057468A1、EP1873542B1、US6534954和US20080054850A1中找到背景信息。

发明内容

在一个实施例中，提供了一种控制电动车辆的方法。所述电动车辆包括内燃发动机以及具有电荷状态(SOC)和开路电压(OCV)的电池，所述方法包括建立用于估计电池SOC的系统，所述系统包括：(i)具有用于识别电池参数的递归参数估计器的参数估计子系统；(ii)具有用于估计电池OCV的非线性自适应观测器的OCV估计子系统。估计的电池OCV通过映射与估计的电池SOC相关。所述方法还包括：基于估计的电池SOC产生输出。

应该理解，本发明的实施例可包括一个或多个单独或各种组合的其它特点。同样地，本发明的实施例可被用于包括例如混合动力电动车辆(HEV)、插电式混合动力电动车辆(PHEV)、纯电动车辆(BEV)或其它电动车辆应用的电动车辆。

在一方面，自适应观测器部分基于识别的电池参数来估计电池OCV。在另一方面，自适应观测器部分基于先前估计的电池OCV来估计电池OCV。在另一方面，所述系统能够在闭环模式下操作，在闭环模式下，所述递归参数估计器部分基于先前估计的电池OCV来估计电池参数。在另一方面，在闭环模式下，所述系统基于当前估计的电池OCV和所述映射来估计电池SOV。

除闭环模式之外，在另一方面，所述系统能够在开环模式下操作，在开环模式下，所述系统基于电流时间积分来估计电池SOC。在另一方面，在开环模式下，递归参数估计器部分基于估计的电池SOC和所述映射来估计电池参数。在另一方面，所述系统在启动时在开环模式下操作，并基于预定条件切换到闭环模式。

所述预定条件可以基于例如定时器和/或表示输入电流的程度的输入电流评估。

在本发明的另一方面，递归参数估计器可具有开环模式下的第一增益和小于第一增益的闭环模式下的第二增益。此外，自适应观测器可具有开环模式下的第一增益和小于第一增益的闭环模式下的第二增益。

在另一实施例中，一种电动车辆包括内燃发动机以及具有电荷状态(SOC)和开路电压(OCV)的电池。所述车辆还包括用于估计电池SOC的控制器。所述控制器包括：(i)具有用于识别电池参数的递归参数估计器的参数估计子系统；(ii)具有用于估计电池OCV的非线性自适应观测器的OCV估计子系统。估计的电池OCV通过映射与估计的电池SOC相关。所述控制器被配置为基于估计的电池SOC产生输出。

在另一实施例中，一种电动车辆包括控制器，所述控制器被配置为估计电池电荷状态(SOC)并基于估计的电池SOC产生输出。估计的电池SOC基于：(i)用于识别电池参数的递归参数估计器；(ii)用于估计电池开路电压(OCV)的非线性自适应观测器。估计的电池OCV通过映射与估计的电池SOC相关。

附图说明

图1示出本发明的实施例中的SOC-OCV关系曲线；

图2示出本发明的实施例中的电池等效电路模型；

图3是示出本发明的实施例中的开环对闭环操作的确定的框图；

图4示出本发明的实施例中的通用观测器结构；

图5是示出本发明的实施例中的基于操作模式的增益调度(gainscheduling)的框图；

图6示出本发明的实施例的仿真；

图7是能够实现本发明的混合动力电动车辆动力系(powertrain)的示意性代表。

具体实施方式

如所需要的，本发明的详细实施例公开于此；但是，应该理解，公开的实施例仅是以各种和可替代形式实施的本发明的示例。附图不是必需按比例绘制；可夸大或缩小一些特征以示出特定部件的细节。因此，在此公开的特定结构和功能细节不应被解释为限制，而是仅作为教导本领域的技术人员不同地实施本发明的代表性基础。

图1至图6示出本发明的示例实施例。下面描述的所有特征可根据应用在本发明的其它实施例中改变。

在本发明的实施例中，对于满足以下特性的电池考虑了电荷状态估计问题：充电和放电效率已知；开路电压(OCV)是SOC的单调增加、一对一、一阶可微函数；SOC-OCV曲线可依赖温度和电池寿命；可由曲线族(基于温度、电池老化)来表示SOC-OCV关系。

对于示例性的实施例，假设知道或可以实时充分地学习SOC-OCV关系、充电/放电效率和电池容量的完整知识。

图1示出在实施例中的电池族的SOC-OCV关系曲线表示。由附图标号10总体上表示所述关系曲线。

电荷状态与开路电压可通过单调增加、一对一、一阶可微函数相关：

V_OC＝f(SOC)(3)

图2示出本发明的实施例中的电池等效电路模型。由附图标号20总体上表示电路模型。本发明的实施例不限于任何特定电路模型。

在示出的实施例中的对于电池等效电路模型的状态空间等式可如下展开。V_OC对于时间的导数与SOC对于时间的导数可如下所示地相关：

$\frac{d{V}_{\mathrm{OC}}}{\mathrm{dt}}=\frac{{\mathrm{dV}}_{\mathrm{OC}}}{\mathrm{dSOC}}*\frac{\mathrm{dSOC}}{\mathrm{dt}}---\left(4\right)$

假设

$\mathrm{\α}=\frac{1}{C_C}$

$\mathrm{\β}=-\frac{1}{C_C*R_C}---\left(5\right)$

γ＝-R

根据图2中的电池等效电路模型：

V_OC(t)＝R*I(t)+V_C(t)+V(t)

$C_C*\frac{d{V}_C\left(t\right)}{\mathrm{dt}}=I\left(t\right)-\frac{V_C\left(t\right)}{R_C}---\left(6\right)$

基于等式(3)，以及函数f是一阶可微的假设的属性：

$\frac{{\mathrm{dV}}_{\mathrm{OC}}}{\mathrm{dt}}=-\frac{d{V}_{\mathrm{OC}}}{\mathrm{dSOC}}*\frac{\mathrm{\ηI}}{Q}---\left(7\right)$

组合等式(6)和(7)：

$\left[\begin{array}{c}\frac{d{V}_{\mathrm{OC}}}{\mathrm{dt}}\\ \frac{{\mathrm{dV}}_C\left(t\right)}{\mathrm{dt}}\end{array}\right]=\left[\begin{array}{cc}0& 0\\ 0& -\frac{1}{C_C*R_C}\end{array}\right]*\left[\begin{array}{c}{V}_{\mathrm{OC}}\\ V_C\left(t\right)\end{array}\right]+\left[\begin{array}{c}-\frac{\frac{{\mathrm{dV}}_{\mathrm{OC}}}{\mathrm{dSOC}}*\mathrm{\η}}{Q}\\ \frac{1}{C_C}\end{array}\right]*I---\left(8\right)$

$V\left(t\right)=\left[\begin{array}{cc}1& -1\end{array}\right]*\left[\begin{array}{c}{V}_{\mathrm{OC}}\left(t\right)\\ V_C\left(t\right)\end{array}\right]+\left[\begin{array}{c}-R\end{array}\right]*I---\left(9\right)$

调用等式(5)：

$\left[\begin{array}{c}\frac{{\mathrm{dV}}_{\mathrm{OC}}}{\mathrm{dt}}\\ \frac{{\mathrm{dV}}_C\left(t\right)}{\mathrm{dt}}\end{array}\right]=\left[\begin{array}{cc}0& 0\\ 0& -\mathrm{\β}\end{array}\right]*\left[\begin{array}{c}{V}_{\mathrm{OC}}\\ V_C\left(t\right)\end{array}\right]+\left[\begin{array}{c}-\frac{\frac{{\mathrm{dV}}_{\mathrm{OC}}}{\mathrm{dSOC}}*\mathrm{\η}}{Q}\\ \mathrm{\α}\end{array}\right]*I---\left(10\right)$

$V\left(t\right)=\left[\begin{array}{cc}1& -1\end{array}\right]*\left[\begin{array}{c}{V}_{\mathrm{OC}}\\ V_C\left(t\right)\end{array}\right]+\left[\begin{array}{c}\mathrm{\γ}\end{array}\right]*I---\left(11\right)$

基于等式(6)，目的是识别模型参数以及同时(通过开路电压)估计电荷状态：

在本发明的实施例中，可基于等式(10)和(11)来设计观测器：

$\left[\begin{array}{c}\frac{{d\hat{V}}_{\mathrm{OC}}}{\mathrm{dt}}\\ \frac{{d\hat{V}}_C\left(t\right)}{\mathrm{dt}}\end{array}\right]=\begin{array}{c}\left[\begin{array}{cc}0& 0\\ 0& -\frac{1}{C_C*R_C}\end{array}\right]*\left[\begin{array}{c}{\hat{V}}_{\mathrm{OC}}\\ {\hat{V}}_C\left(t\right)\end{array}\right]+\end{array}\left[\begin{array}{c}-\frac{\frac{{\mathrm{dV}}_{\mathrm{OC}}}{\mathrm{dSOC}}*\mathrm{\η}}{Q}\\ \mathrm{\α}\end{array}\right]*I+L*(V\left(t\right)-\hat{V}\left(t\right))---\left(12\right)$

$\hat{V}\left(t\right)=\left[\begin{array}{cc}1& -1\end{array}\right]*\left[\begin{array}{c}{\hat{V}}_{\mathrm{OC}}\left(t\right)\\ \widehat{V_C}\left(t\right)\end{array}\right]+\left[\begin{array}{c}-R\end{array}\right]*I---\left(13\right)$

在示出的实施例中，利用上述的观测器以解决间接自适应观测问题。应理解，观测器的细节可根据应用而被改变。在描述的实施例中，存在可以根据应用而单独或以适当地组合实施的多个特征。示例性的技术特征包括开环和闭环操作、增益调度、模块化结构。

在示出的实施例中，下面方法用于参数识别。从等式(6)和(7)：

$\frac{{\mathrm{dV}}_{\mathrm{OC}}}{\mathrm{dt}}=-\frac{{\mathrm{dV}}_{\mathrm{OC}}}{\mathrm{dSOC}}*\frac{\mathrm{\ηI}}{Q}$

$C_C*\frac{{\mathrm{dV}}_C\left(t\right)}{\mathrm{dt}}=I\left(t\right)-\frac{V_C\left(t\right)}{R_C}$

V(t)＝V_OC(t)-V_C(t)-R*I(t)(14)

通过获得参数与系统变量之间的关系，然后离散化所述关系：

$\left[\begin{array}{c}V\left(t\right)-V_{\mathrm{OC}}\left(t\right)\end{array}\right]$

$=\left[\begin{array}{ccc}\frac{{\mathrm{dV}}_{\mathrm{OC}}}{\mathrm{dt}}-\frac{{\mathrm{dV}}_C\left(t\right)}{\mathrm{dt}}& I\left(t\right)& \frac{\mathrm{dI}\left(t\right)}{\mathrm{dt}}\end{array}\right]*\left[\begin{array}{c}{R}_C*C_C\\ R+R_C\\ R*R_C*C_C\end{array}\right]---\left(15\right)$

离散化的形式：

$\left[\begin{array}{c}\frac{T_S}{2}*(V_{\mathrm{OC}}(k+1)-V(k+1)+V_{O}c\left(k\right)-V\left(k\right))\end{array}\right]$

$=\left[\begin{array}{ccc}(V(k+1)-V\left(k\right)-(V_{\mathrm{OC}}(k+1)-V_{\mathrm{OC}}\left(k\right)))& \frac{T_S}{2}*(i(k+1)+i\left(k\right))& i(k+1)-i\left(k\right)\end{array}\right]$

$*\left[\begin{array}{c}{R}_C*C_C\\ R+R_C\\ R*R_C*C_C\end{array}\right]---\left(16\right)$

广泛使用的一个方法是缓慢改变参数识别的卡尔曼滤波器(Kalmanfilter)方法。所述方法是递归参数估计方法族的一部分。

首先，等式(16)被重写为：

Y(k)＝Φ^T(k)*Θ(k)(17)

然后，基于卡尔曼滤波器的递归参数估计方案可被表示为：

$\widehat{\mathrm{\Θ}}(k+1)=\widehat{\mathrm{\Θ}}\left(k\right)+K\left(k\right)*(Y(k+1)-{\mathrm{\Φ}}^T\left(k\right)*\widehat{\mathrm{\Θ}}\left(k\right))$

K(k+1)＝Q(k+1)*Φ(k+1)

$Q(k+1)=\frac{P\left(k\right)}{R_2+\mathrm{\Φ}{(k+1)}^T*P\left(k\right)*\mathrm{\Φ}(k+1)}$

$P(k+1)=P\left(k\right)+R_1-\frac{P\left(k\right)*\mathrm{\Φ}\left(k\right)*\mathrm{\Φ}{\left(k\right)}^T*P\left(k\right)}{R_2+\mathrm{\Φ}{(k+1)}^T*P\left(k\right)*\mathrm{\Φ}(k+1)}---\left(18\right)$

这里，是估计的参数矢量，K、Q、P是相关中间变量(矩阵)，R₁和R₂是常量(可校准变量)。

应该理解，用于参数识别的卡尔曼滤波器方法是可使用的一个可行方法。在可替代的形式中，如本领域普通技术人员所理解地，具有不同鲁棒性和精确性的任何递归估计方案可被使用。

现在返回到SOC估计，一旦选择了递归估计算法且知道了电路参数，则非线性观测器估计状态(V_OC、V_C)。

在示出的实施例中，假设已从等式(16)识别了相关参数，则可使用识别的参数来实现观测器：

$\left[\begin{array}{c}\frac{d{\hat{V}}_{\mathrm{OC}}}{\mathrm{dt}}\\ \frac{d{\hat{V}}_C\left(t\right)}{\mathrm{dt}}\end{array}\right]=\left[\begin{array}{cc}0& 0\\ 0& -\frac{1}{{\hat{C}}_C*{\hat{R}}_C}\end{array}\right]*\left[\begin{array}{c}{\hat{V}}_{\mathrm{OC}}\\ {\hat{V}}_C\left(t\right)\end{array}\right]+\left[\begin{array}{c}-\frac{\frac{{\mathrm{dV}}_{\mathrm{OC}}}{\mathrm{dSO}{C}_{{\hat{V}}_{\mathrm{OC}}}}\mathrm{\η}}{Q}\\ \frac{1}{{\hat{C}}_C}\end{array}\right]*I+L*(V\left(t\right)-\hat{V}\left(t\right))---\left(19\right)$

$\hat{V}\left(t\right)=\left[\begin{array}{cc}1& -1\end{array}\right]*\left[\begin{array}{c}{\hat{V}}_{\mathrm{OC}}\left(t\right)\\ {\hat{V}}_C\left(t\right)\end{array}\right]+\left[\begin{array}{c}-\hat{R}\end{array}\right]*I---\left(20\right)$

假设

$e\left(t\right)=\left[\begin{array}{c}{V}_{\mathrm{OC}}\left(t\right)\\ V_C\left(t\right)\end{array}\right]-\left[\begin{array}{c}{\hat{V}}_{\mathrm{OC}}\left(t\right)\\ {\hat{V}}_C\left(t\right)\end{array}\right]---\left(21\right)$

$\frac{\mathrm{de}\left(t\right)}{\mathrm{dt}}=(\left[\begin{array}{cc}0& 0\\ 0& -\frac{1}{{\hat{C}}_C*{\hat{R}}_C}\end{array}\right]-L*\left[\begin{array}{cc}1& -1\end{array}\right])*e\left(t\right)$

$+\left[\begin{array}{c}-\frac{\frac{{\mathrm{dV}}_{\mathrm{OC}}}{{\mathrm{dSOC}}_{V_{\mathrm{OC}}}}\mathrm{\η}}{Q}\\ \frac{1}{{\hat{C}}_C}\end{array}\right]-\left[\begin{array}{c}-\frac{\frac{{\mathrm{dV}}_{\mathrm{OC}}}{{\mathrm{dSOC}}_{{\hat{V}}_{\mathrm{OC}}}}\mathrm{\η}}{Q}\\ \frac{1}{{\hat{C}}_C}\end{array}\right]---\left(22\right)$

$=\left[\begin{array}{cc}-L_1& L_1\\ -L_2& L_2-\frac{1}{{\hat{C}}_C*{\hat{R}}_C}\end{array}\right]*e\left(t\right)+\left[\begin{array}{c}-\frac{(\frac{{\mathrm{dV}}_{\mathrm{OC}}}{\mathrm{dSO}{C}_{V_{\mathrm{OC}}}}-\frac{{\mathrm{dV}}_{\mathrm{OC}}}{\mathrm{dSO}{C}_{{\hat{V}}_{\mathrm{OC}}}})*\mathrm{\η}}{Q}\\ 0\end{array}\right]*I$

假设精确估计了电路参数，则上面示出的观测器通过适当地选择增益L是稳定的，因此如本领域的普通技术人员所理解的，观测器系统可被制作为稳定。最终，对于该观测器，固定的增益(L矩阵)应适用于由等式(10)和(11)表示的锂离子电池的整个族。更详细地讲，可以如L₁＞0、L₂＝0一样选择观测器增益L，使得在任意操作条件下，动态误差对于电池的整个族是稳定的。

在本发明的一方面，非线性项dV_OC/dSOC被表示为分段线性函数：

$f_1\left(\mathrm{OCV}\left(k\right)\right)=\left\{\begin{array}{ccc}{l}_1,& \mathrm{if}& \mathrm{OCK}\left(k\right)\∈[{\mathrm{OCV}}_0,{\mathrm{OCV}}_1]\\ l_2& \mathrm{if}& \mathrm{OCK}\left(k\right)\∈[{\mathrm{OCV}}_1,{\mathrm{OCV}}_2]\\ ...& ...& ...\\ l_{M-1},& \mathrm{if}& \mathrm{OCK}\left(k\right)\∈[{\mathrm{OCV}}_{M-2},{\mathrm{OCV}}_{M-1}]\\ l_M,& \mathrm{if}& \mathrm{OCK}\left(k\right)\∈[{\mathrm{OCV}}_{M-1},{\mathrm{OCV}}_M]\end{array}\right.---\left(23\right)$

应该理解，可通过从V_OC的非线性映射来确定非线性项dV_OC/dSOC。所述逐段线性映射是一种可能，其它映射也是可以的。

应该理解，描述的观测器仅是一个示例，且可在本发明的其它实施例中使用其它观测器。

为了使用等式(16)，必须知道在使用闭环识别方案时无法直接使用的V_OC。但是，已通过观测器获得了V_OC。然而，观测器依赖于估计的参数。为了解决这种情况，在该实施例中的考虑的电池在电池已休息了充分长时间之后被开启，测量的终端电压可被考虑为开路电压。接着，这给出了SOC的初始读数。此外，当时间范围相对短时安培小时积分充分地工作。在开环操作期间，参数和估计的状态变量应分别收敛于真值的小的邻域。

根据本发明的一方面，组合的开环/闭环操作被执行。图3示出由附图标号60表示的开环对闭环操作的确定。

在示出的实施例中，流程在块62(时间＝0)处开始。在块64处，时间按每个采样间隔增加Tsample。在该实施例中，在确定块66处，系统以开环模式操作持续初始时间量T_calibration。然后，系统以闭环模式操作。开环模式系统操作在块68处被表示。闭环模式系统操作在块70处被表示。

在开环模式中，在块68处，基于安培小时积分的SOC被使用，以确定开路电压(OCV)V_OC，以进行参数识别；识别的参数被用于驱动观测器；基于安培小时积分的SOC被用作对于系统的电池控制输出。如本领域普通技术人员所理解的，输出的SOC被车辆系统控制器使用，以控制车辆。本发明的实施例不限于任何基于特定SOC的车辆的控制，而是，本发明的实施例涉及估计被所述控制所使用的SOC的方法。

在闭环模式中，在块70处，最终估计的V_OC被用于参数识别；识别的参数被用于驱动观测器；当前估计的SOC被用作电池控制输出。

应该理解，可以以其它方式进行开环操作的长度的确定。例如，开环操作的长度的确定可以是基于定时器或通过诸如输入电流已达到多少且多长时间的输入电流评估。例如，系统可监控|dI/dt|，并防止切换到闭环控制直到|dI/dt|＞阈值持续了特定预定量的时间T_threshold。

图4示出包括参数识别块82、OCV估计块84、输入90、SOC计算块92和各种延迟块94的通用观测器结构。

在闭环操作期间，OCV估计块84估计OCV(V_OC，电路20，图2)。在SOC计算块92处从V_OC至SOC的非线性映射(图1)确定电池电荷状态(SOC)。使用由参数识别块82识别的参数驱动在OCV估计块84中的观测器。最终估计的OCV值被用于进行参数识别。参数识别块82除接收最终估计的OCV值之外，还接收被描述为电压、电流和温度的输入90。

为了进一步改善闭环系统的易操作性和稳定性，识别器增益和观测器增益二者可被调整，使得整体闭环系统增益与开环中对应部分相比减小。这在图6中示出。流程在块100处开始。操作模式在确定块102处被确定。开环模式操作在块104处被表示。闭环操作在块106处被表示。在块104处，在开环操作中，更加积极的增益值被用于识别器和观测器。在块106处，在闭环操作中，较少积极的增益值被用于识别器和观测器。

总之，在示出的实施例中，全部描述的方法包括多个步骤。当开启时，在充分长的电池的休息之后，SOC-OCV查询表应提供足够精确的SOC估计。基于安培小时积分的SOC估计(和SOC-OCV映射)可被用于参数识别(开环模式)。同时，状态观测器(估计器)使用识别的参数执行OCV估计。随着时间流逝，安培时间积分趋于偏离实际SOC值(因此成为OCV值)。最后，系统切换到闭环模式。一旦切换到闭环模式，识别的参数被提供给OCV估计器。然后，OCV估计产生OCV值，所述OCV值(在一步延迟之后)被提供给参数识别器。估计的OCV基于已知的SOC-OCV曲线被转化为SOC。当以开环操作时，安培小时积分的SOC被用于电池控制输出。

本发明的实施例具有多个优点。例如，采用参数估计和OCV估计子系统的组合的开环/闭环方案更好地利用考虑的电池的固有属性。结构的模块化特性允许使用不同的识别器和观测器。例如，不同的识别器/观测器可基于操作模式被使用。描述的实施例还考虑增益调度方法，所述增益调度方法被使用以实现开环的快速学习和闭环的稳定适应。

图6示出本发明的实施例的仿真。V_OC误差被附图标号110表示。V_OC估计的值被附图标号112表示。电阻器值被附图标号114表示。电阻器估计误差被附图标号116表示。电流输入被附图标号118表示。当系统从开环操作模式切换到闭环操作模式时，由附图标号120表示的闭环开关从0改变到1。

本发明的实施例不限于在此描述的实施例。在本发明的范围内的各种其它实施例是可行的。例如，本发明的实施例可被扩展到更高阶等效电路模型，在所述更高阶等效电路模型中，串联连接的电压源(OCV)、电阻器和多个串联的RC网络被用于对电池建模。

图7是能够实现本发明的混合动力电动车辆动力系(powertrain)的示意性代表。功率分流式混合动力电动车辆(HEV)可以是并联式混合动力电动车辆。图7示出功率分流式HEV动力系构造和控制系统。在所述动力系构造中，存在连接到传动系的两个动力源：1)使用行星齿轮组而彼此连接的发动机和发电机子系统的组合；2)电驱动系统(电动机、发电机和电池子系统)。电池子系统是用于发电机和电动机的能量存储系统。

在第一动力源中，通过控制发电机-机械路径t_rω_r(从发动机至齿轮架、齿圈、中间轴)和电路径τ_gω_g至τ_mω_m(从发动机至发电机、电动机、中间轴)来将发动机输出功率分流为两条路径。分流发动机功率的方式是用于将发动机转速控制到期望的值，这由于行星齿轮组的运动学特性而导致对于给定齿圈速度(或车辆速度)的一定的发电机转速。

发电机转速将根据对于一定的期望的发动机转速的车辆速度而改变，并且发动机转速可以与车辆速度不相关。改变发电机转速将改变电路径与机械路径之间的发动机输出功率分流。另外，对发动机转速的控制导致发电机扭矩反作用于发动机输出扭矩。所述发电机反作用扭矩将发动机输出扭矩传递到行星齿轮组的齿圈，并最终传递到车轮。这种操作的模式被称作“正向分流”。注意的是，由于行星齿轮组的所述运动学特性，发电机可能沿与发电机的扭矩反作用于发动机输出扭矩的方向相同的方向旋转。在该操作中，发电机(与发动机一样)将动力输入到行星齿轮组，以驱动车辆。这种模式被称作“负向分流”。

如正向分流模式的情况一样，从在反向分流期间对发电机转速控制导致的发电机扭矩反作用于电动机输出扭矩，并将发动机输出扭矩传递到车轮。发电机、电动机和行星齿轮组的组合与电子机械式CVT是相似的。当发电机制动器(如图7所示)被致动(并联模式操作)时，恒星齿轮被锁定而不旋转，并且发电机制动扭矩将反作用扭矩提供给发动机输出扭矩。在该操作模式中，所有发动机输出功率以固定的齿数比通过机械路径被传递到传动系。

与传统车辆不同，在功率分流动力系系统中，发动机需要从发动机转速控制导致的发电机扭矩或发电机制动扭矩，以通过电路径和机械路径二者(分流模式)或通过所有机械路径(并联模式)将发动机的输出功率传递到传动系，用以向前运动。

在第二动力源中，电动机从电池得到动力，并独立于发动机而提供推进力，用于车辆向前运动或反向运动。该操作模式被称作“电驱动”。另外，发电机可从电池获得动力，并反过来驱动结合到发电机输出轴的单相离合器以推动车辆前进。所述发电机可在需要时单独推动车辆前进。这种操作模式被称作“发电机驱动模式”。

与传统动力系系统不同，这种功率分流动力系系统的操作将两个动力源结合以无缝地一起工作，从而在不超过系统的限制(诸如电池限制)的情况下达到驾驶者的要求，同时最优化总动力系系统效率和性能。需要两个动力源之间的协调控制。如图7中所示，在这种功率分流动力系系统中存在执行协调控制的分级车辆系统控制器(VSC)。在动力系正常(没有子系统/部件故障)的情况下，VSC解释驾驶者的需求(例如，PRND和加速或减速需求)，然后基于驾驶者需求和动力系限制确定车轮扭矩命令。另外，VSC确定每个动力源在何时需要提供扭矩以及提供多大的扭矩，以满足驾驶者的扭矩需求并达到发动机的操作点(扭矩和转速)。

继续参照图7，车辆系统控制器(VSC)250、电池和电池能量控制模块(BCM)255以及变速器254被示出。内燃发动机256将扭矩分配给变速器254。变速器254包括行星齿轮单元260，所述行星齿轮单元260包括齿圈262、恒星齿轮264和行星架组件266。齿圈262将扭矩分配给步进变速齿轮(stepratiogear)，所述步进变速齿轮包括啮合齿轮元件268、270、272、274和276。用于变速器254的扭矩输出轴278通过差分和车轴装置282可驱动地连接到车辆牵引轮280。

齿轮270、272和274安装到中间轴，齿轮272与电动机驱动齿轮284啮合。电动机286驱动齿轮284，其用作对于中间轴传动的扭矩输入。

电池将电能传递到电动机。发电机290以已知方式电连接到电池和电动机286。

图7还示出了变速器控制模块(TCM)300和制动系统控制模块(BSCM)302。TCM300将发电机制动控制提供给发电机制动器304，将发电机控制提供给发电机290，以及将电动机控制提供给电动机286。BSCM302将再生制动命令提供给VSC250。VSC250还接收加速踏板位置传感器(APPS)输入和停车-倒档-空挡-驱动(PRND)输入。VSC250将用于期望的发动机扭矩的输出提供给发动机/控制256，将用于期望的车轮扭矩、期望的发动机转速和发电机制动命令的输出提供给TCM300，以及将用于接触器控制的输出提供给电池/BCM252。

加燃料基于驾驶者和其它输入被调度。发动机256将动力传递给行星齿轮单元260。可用发动机制动动力通过附加负载而减少。动力通过行星齿圈传递到中间轴齿轮270、272、274。从变速器输出的动力驱动车轮。

图7中还示出电池252通过连接到电网的充电端口306从电网周期性地接收AC电能。车载充电器308从充电端口306接收AC电能。充电器308是将接收的AC电能转换为适合于对电池252充电的DC电能的AC/DC变换器。然后，充电器308将DC电能提供给电池252，以在再充电操作期间对电池252进行充电。

本发明的实施例不限于在此描述的实施例。在本发明的范围内的各种其它实施例是可行的。

虽然上面描述了示例性实施例，但是意图不是这些实施例描述本发明的所有可能的形式。相反，在说明书中使用的词汇是描述性的词汇，而不是限制性的词汇，并且应该理解，在不脱离本发明的精神和范围的前提下，可进行各种改变。此外，可组合各种实现实施例的特征，以形成本发明的进一步的实施例。

Claims (4)

1.一种控制电动车辆的方法，所述电动车辆包括内燃发动机以及具有电荷状态SOC和开路电压OCV的电池，所述方法包括：

建立用于在开环模式下基于电流时间积分来估计电池SOC的、在开环模式和闭环模式下操作的系统，所述系统包括：(i)具有用于在闭环模式下基于先前估计的电池OCV来估计电池参数的递归参数估计器的参数估计子系统；(ii)具有用于基于电池参数和先前估计的电池OCV来估计电池OCV的非线性自适应观测器的OCV估计子系统，其中，估计的电池OCV通过映射与估计的电池SOC相关，其中，所述系统在启动时在开环模式下操作，并基于预定条件切换到闭环模式；以及

基于估计的电池SOC产生输出。

2.如权利要求1所述的方法，其中，在闭环模式下，所述系统基于当前估计的电池OCV和所述映射来估计电池SOC。

3.如权利要求1所述的方法，其中，在开环模式下，所述递归参数估计器部分基于估计的电池SOC和所述映射来估计电池参数。

4.如权利要求1所述的方法，其中，所述预定条件基于定时器。