CN103863087A - 一种基于发动机最优工作线的插电式混合动力汽车节能预测控制方法 - Google Patents

Abstract

本发明涉及一种基于发动机最优工作线的插电式混合动力汽车节能预测控制方法，特别涉及一种实时最优的插电式混合动力汽车控制方法，第一步为确定发动机最优工作线，第二步为车辆建模，第三步为公式化控制策略，第四步为在线最优控制，第五步为权重参数调节，第六步为是否满足目标判断，无需知道车辆未来全部行驶工况，而能在线调整优化插电式混合动力汽车能量流动。不同于传统方法的需知道车辆未来全部行驶工况；采用尽量使用蓄电池能量的控制策略，以更好地利用插电式混合动力汽车蓄电池容量大的特点，回收更多的免费再生制动能量；插电式混合动力汽车的各种运行模式：电动模式，再生制动模式，发动机充电模式，发动机电动机无级变速混合驱动模式，均可利用所提出算法实现；运用本方法能够大幅度提高混合动力汽车燃油经济性和排放性能。

Description

一种基于发动机最优工作线的插电式混合动力汽车节能预测控制方法

技术领域

本发明涉及一种基于发动机最优工作线的插电式混合动力汽车节能预测控制方法,特别涉及一种实时最优的插电式混合动力汽车控制方法。

背景技术

    全球能源与环境形势的日益严峻，特别是国际金融危机对汽车产业的巨大冲击，推动世界各国加快汽车产业战略转型。为开发出更加节能环保的汽车，解决上述两大问题，插电式混合动力汽车目前已被产业化。与传统汽车相比，插电式混合动力汽车具有电池和燃油双系统驱动的冗余性，运用这种冗余性可以调节驱动装置工作点到最优位置，从而实现节能减排目标。预计未来汽车的主流将是这种混合动力汽车。由于插电式混合动力汽车可以回收伴随车辆减速产生的再生制动能量；利用驱动系统的冗余性（发动机和电机）优化驱动装置工作点；利用大容量蓄电池储存的电能辅助发动机驱动或者电动模式运行，因此可以极大地发挥节能减排效用。但是最优工作点随发动机的特性，周围车辆的行驶状态，道路交通条件的改变而时刻改变着。而且，旋转系（发动机和电机）具有转速转矩极限，电池具有荷电状态极限，超出这些极限对于车辆关键零部件的性能影响很大。因此，插电式混合动力汽车的节能减排效果很大程度上依赖于其能量管理策略（满足约束条件）。而其关键技术为能量管理中央控制器中的实时最优化，以期实现控制策略的商业化，产业化。

插电式混合动力汽车能量管理系统的控制策略是其研发的技术核心和设计难点。插电式混合动力汽车具有电量消耗和电量维持两个阶段。目前已经提出的控制策略大致可以分为4类：数值最优控制，解析最优控制，瞬时最优控制和启发式控制。数值最优控制的典型代表是动态规划和模型预测控制。解析最优控制的典型代表是庞特里亚金极小值原理控制策略。瞬时最优控制的典型代表是瞬时等效油耗最低控制策略。启发式控制策略的典型代表是基于规则的控制策略。传统的全局最优控制算法动态规划和庞特里亚金极小值原理控制方法，由于需要事先知道未来全部工况信息，无法实现实时最优。传统的基于规则的控制策略无法实现效率最大化。一般的前馈型控制（假定车辆速度模式一定）无法实现实时最优。传统的瞬时最优控制参数受未来车辆工况变化影响太大，无法满足控制性能。

自20世纪90年代初以来，世界各国对混合动力汽车的研发给予了高度重视，并取得了一些重大的成果和进展。日本丰田汽车公司于1997年实现了混合动力汽车的量产化，2012年实现了插电式混合动力汽车的量产化。美国总统奥巴马2009年宣布了下一代先进蓄电池和插电式混合动力汽车计划。在国内，国家“十一五”863计划设立了节能与新能源汽车重大项目。申请者在日本九州大学攻读博士学位期间，掌握了日本企业和大学普遍采用的模型预测控制算法以及日本学者大塚敏之提出的C/GMRES快速解法。这两种方法的结合解决了模型预测控制这种先进算法的实际应用问题。

在此背景下，提高能源利用效率，减少汽车对环境的污染已成为当今汽车工业发展的首要任务。为了解决上述问题，需要设计出一种基于发动机最优工作线的可产业化的插电式混合动力汽车模型预测控制方法，从而实现节能减排目标。

发明内容

本发明的目的在于克服现有技术中的不足而提供一种基于发动机最优工作线的插电式混合动力汽车节能预测控制方法，以达到最大限度地节能减排，产业化插电式混合动力汽车能量管理中央控制器。

本发明的目的是这样实现的：

一种基于发动机最优工作线的插电式混合动力汽车节能预测控制方法，其特征在于：

    第一步，确定发动机最优工作线

在一定发动机转速下发动机效率最高的发动机工作点，将其作为该转速下的发动机最优工作点，将发动机最小转速和最大转速范围内各转速的发动机最优工作点连成曲线，得到发动机最优工作线；

    第二步，车辆建模

基于插电式混联混合动力汽车，根据车辆机械耦合和电子耦合关系，列写系统动力学方程，对动力学方程解耦，最终获得系统的状态空间数学模型，如式（1）所示，                                               

，式中x为状态量，u为控制量，x _SOC  为蓄电池荷电状态，V _OC 、R _batt 和Q _batt  是蓄电池开路电压、内阻和容量，车辆的燃油经济性评价采用威兰氏线性模型,如式（2）所示，

，式中m _f 为燃油消耗率，参数P _req 为车辆需求功率，c _f 为常数参数；

第三步，公式化控制策略

首先确定发动机最优工作线，其次运用所建立的数学模型和公式化控制策略求解最优控制问题，最后应用所求得的最优控制序列的第一个控制量于系统；

电量消耗阶段的最优控制问题定义，如式（3）所示，

  ，                 

式中T为预测区间，P _batmin 和P _batmax  为控制量约束，

评价函数定义如式（4）所示，

            ，

式中w _x ，w _y ，w _d 和w _e  是权重系数，β为常数参数， SOC _minlow 和 SOC _max 为参数约束，障碍函数用于处理系统状态约束，电量消耗阶段的控制策略为通过评价函数第一项和第二项控制蓄电池的放电速率，需求功率的满足尽量使用蓄电池功率，不足部分由发动机补充，发动机工作时使其工作于其最优工作线附近，

电量维持阶段的最优控制问题定义如式（5）所示，

                ，

式中T为预测区间，P _batmin 和P _batmax  为控制量约束，

评价函数定义如式（6）所示，

             ，

式中SOC _d  是目标蓄电池荷电状态，w ₁ ，w ₂ ，w ₃ 和w ₄  是权重系数， SOC _minlow 和 SOC _maxup 为参数约束，障碍函数用于处理系统状态约束，电量维持阶段的控制策略为通过评价函数第一项和第二项控制蓄电池荷电状态在其约束区间内，需求功率的满足尽量使用蓄电池功率，不足部分由发动机补充，发动机工作时使其工作于其最优工作线附近；

第四步，在线最优控制

在每个采样时刻，首先，测取蓄电池荷电状态等实时状态信号，其次，确定发动机最优工作线，并制作表格，再次，根据建立的车辆模型和最优控制问题，利用上述数值快速解法求解预测区间内的最优控制序列，应用预测区间内的最优控制序列的第一个控制量于车辆，之后在下一个采样时刻，将预测区间向前推进一步，如此循环往复，实现在线最优控制；

第五步，权重参数调节

权重参数为第三步中评价函数内的权重系数，采用粒子群算法自动调节权重系数，具体来说，粒子群算法中的粒子为各项权重系数，然后通过迭代找到最优解，在每一次迭代中，粒子通过跟踪两个极值来更新自己，第一个就是粒子本身所找到的最优解，这个解叫做个体极值，另一个极值是整个种群目前找到的最优解，这个极值是全局极值；

第六步，目标满足判断

满足目标的标准为汽车的燃油经济性收敛到最优值，具体来说，迭代上一次和本次燃油经济性误差在±%5内即认为满足目标。

本发明由于采取以上技术方案，其具有以下优点：

1) 无需知道车辆未来全部行驶工况，而能在线调整优化插电式混合动力汽车能量流动。不同于传统方法的需知道车辆未来全部行驶工况。

2) 采用尽量使用蓄电池能量的控制策略，以更好地利用插电式混合动力汽车蓄电池容量大的特点，回收更多的免费再生制动能量。

3) 插电式混合动力汽车的各种运行模式：电动模式，再生制动模式，发动机充电模式，发动机电动机无级变速混合驱动模式，均可利用所提出算法实现。

运用本方法能够大幅度提高混合动力汽车燃油经济性和排放性能。

附图说明

   图1为本发明混联混合动力汽车驱动系统结构示意图。

具体实施方式

    具体控制方法包括以下步骤：

1) 确定发动机最优工作线

确定在一定发动机转速下发动机效率最高的发动机1工作点，将其作为该转速下的发动机1最优工作点。将发动机1最小转速和最大转速范围内各转速的发动机1最优工作点连成曲线，得到发动机1最优工作线。

2) 车辆建模

图1为本专利控制方法的研究对象的结构图，在车辆建模过程中使用本结构图分析系统机械和电气耦合关系。

行星齿轮式混联混合动力汽车包含6大动态部件。它们是蓄电池4、发电电动一体机一1、发电电动一体机二3、动力分配器2、逆变器5、电动机6、主减速器7。

电动机6通过主减速器7与车轮相连，传递系统动力。主减速器采用行星齿轮结构，行星齿轮作为动力分配装置既有速度耦合器的作用，又有电子无极变速器作用。行星齿轮机械耦合电动机6和发电电动一体机一1、发电电动一体机二3。逆变器5电气耦合蓄电池4和发电电动一体机一1、发电电动一体机二3。通过对系统机械耦合和电气耦合解耦获得独立的3自由度系统模型。

行星齿轮插电式混联混合动力汽车包含5大动态部件。它们是发动机1，蓄电池4，2个电机和车轮。行星齿轮作为动力分配装置既有速度耦合器的作用，又有电子无极变速器作用。根据车辆机械耦合和电子耦合关系，可以列写系统动力学方程。对动力学方程解耦，最终可以获得系统的状态空间模型，如式(1)所示。

 

                    (1)

式中，x为状态量，u为控制量。x _SOC  为蓄电池荷电状态。V _OC ，R _batt 和Q _batt  是蓄电池4开路电压，内阻和容量。

3)公式化控制策略

插电式混合动力汽车能量管理模型预测最优控制策略的步骤为：首先确定发动机1最优工作线，其次运用所建立的数学模型和公式化控制策略求解最优控制问题，最后应用所求得的最优控制序列的第一个控制量于系统。由于模型预测控制为区间最优控制，所以其求得的最优控制量是数量为预测区间除以采样间隔的序列。最优控制序列的第一个控制量与实际状态最接近，所以一般采用它来作为实际的控制量。

模型预测控制的基本原理为：在每一个采样时刻，根据预测模型对系统未来代价函数进行预测，通过对未来预测区间内的性能指标进行优化，并根据实测对象的输出进行反馈校正，将控制策略设计转化为优化过程，通过求解相应预测区间的优化问题得到控制序列，并将序列的第一个控制量作用于系统，实现反馈控制 ，之后在下一个采样时刻，将预测区间向前推进一步，不断重复该过程。总结来说其包括三部分：预测模型，滚动优化和反馈控制。通过对未来系统输入的预测可以实现对系统的实时最优控制。

本控制策略的特色有两点。第一，采用尽量使用蓄电池4能量的控制策略，以更好地利用插电式混合动力汽车蓄电池容量大的特点，回收更多的免费再生制动能量。第二，插电式混合动力汽车的各种运行模式：电动模式，再生制动模式，发动机充电模式，发动机电动机无级变速混合驱动模式，均可利用所提出算法实现。上述两大特色在控制策略设计中评价函数里有相应体现，为插电式混合动力汽车系统性能提高提供了更大可能性。

 

预测模型在已在上部分论述。

电量消耗阶段的最优控制问题定义如式（3）所示。

 

                   (3)

式中T为预测区间。P _batmin 和P _batmax  为控制量约束。

评价函数定义如式（4）所示。

    

            (4)

式中w _x ，w _y ，w _d 和w _e  是权重系数。β为常数参数。 SOC _minlow 和 SOC _max 为参数约束.障碍函数用于处理系统状态约束。电量消耗阶段的控制策略为通过评价函数第一项和第二项控制蓄电池4的放电速率，需求功率的满足尽量使用蓄电池4功率，不足部分由发动机1补充，发动机1工作时使其工作于其最优工作线附近。

电量维持阶段的最优控制问题定义如式（5）所示。

    

                 (5)

式中T为预测区间。P _batmin 和P _batmax  为控制量约束。

式中T为预测区间。τ _M/G2max ，τ _M/G2min ，τ _M/G1max ，τ _M/G1min 和τ _brakemax  为控制量约束。

评价函数定义如式（6）所示。

 

              (6)

式中SOC _d  是目标蓄电池荷电状态。w ₁ ，w ₂ ，w ₃ 和w ₄  是权重系数。 SOC _minlow 和 SOC _maxup 为参数约束.障碍函数用于处理系统状态约束。电量维持阶段的控制策略为通过评价函数第一项和第二项控制蓄电池4荷电状态在其约束区间内，需求功率的满足尽量使用蓄电池4功率，不足部分由发动机1补充，发动机1工作时使其工作于其最优工作线附近。

4) 在线最优控制模块

为保证系统的实时最优性能，运用基于哈密顿方程的数值快速求解方法来求解上述最优控制问题。由于其只需有限几次迭代就可以计算出数值方程的最优解，这种方法的在线性能很好。而且由于其基于哈密顿方程，这种解法的稳定性可以得到保证。解法具体来说，运用极小值原理将最优控制问题转化为两点边值问题，在处理哈密顿函数相关的微分方程组和代数方程组时采用部分空间法求解，这是一种GMRES解法。

在每个采样时刻，首先，测取蓄电池荷电状态等实时状态信号，其次，确定发动机最优工作线，并制作表格，再次，根据建立的车辆模型和最优控制问题，利用上述数值快速解法求解预测区间内的最优控制序列。应用预测区间内的最优控制序列的第一个控制量于车辆。之后在下一个采样时刻，将预测区间向前推进一步，如此循环往复，实现在线最优控制。

Claims (1)

1.一种基于发动机最优工作线的插电式混合动力汽车节能预测控制方法，其特征在于：

    第一步，确定发动机最优工作线

在一定发动机转速下发动机效率最高的发动机工作点，将其作为该转速下的发动机最优工作点，将发动机最小转速和最大转速范围内各转速的发动机最优工作点连成曲线，得到发动机最优工作线；

    第二步，车辆建模

基于插电式混联混合动力汽车，根据车辆机械耦合和电子耦合关系，列写系统动力学方程，对动力学方程解耦，最终获得系统的状态空间数学模型，如式（1）所示，                                                

，式中x为状态量，u为控制量，x _SOC  为蓄电池荷电状态，V _OC 、R _batt 和Q _batt  是蓄电池开路电压、内阻和容量，车辆的燃油经济性评价采用威兰氏线性模型,如式（2）所示，，式中m _f 为燃油消耗率，参数P _req 为车辆需求功率，c _f 为常数参数；

第三步，公式化控制策略

首先确定发动机最优工作线，其次运用所建立的数学模型和公式化控制策略求解最优控制问题，最后应用所求得的最优控制序列的第一个控制量于系统；

电量消耗阶段的最优控制问题定义，如式（3）所示，

  ，                 

式中T为预测区间，P _batmin 和P _batmax  为控制量约束，

评价函数定义如式（4）所示，

            ，

式中w _x ，w _y ，w _d 和w _e  是权重系数，β为常数参数， SOC _minlow 和 SOC _max 为参数约束，障碍函数用于处理系统状态约束，电量消耗阶段的控制策略为通过评价函数第一项和第二项控制蓄电池的放电速率，需求功率的满足尽量使用蓄电池功率，不足部分由发动机补充，发动机工作时使其工作于其最优工作线附近，

电量维持阶段的最优控制问题定义如式（5）所示，

                ，

式中T为预测区间，P _batmin 和P _batmax  为控制量约束，

评价函数定义如式（6）所示，

             ，

式中SOC _d  是目标蓄电池荷电状态，w ₁ ，w ₂ ，w ₃ 和w ₄  是权重系数， SOC _minlow 和 SOC _maxup 为参数约束，障碍函数用于处理系统状态约束，电量维持阶段的控制策略为通过评价函数第一项和第二项控制蓄电池荷电状态在其约束区间内，需求功率的满足尽量使用蓄电池功率，不足部分由发动机补充，发动机工作时使其工作于其最优工作线附近；

第四步，在线最优控制

在每个采样时刻，首先，测取蓄电池荷电状态等实时状态信号，其次，确定发动机最优工作线，并制作表格，再次，根据建立的车辆模型和最优控制问题，利用上述数值快速解法求解预测区间内的最优控制序列，应用预测区间内的最优控制序列的第一个控制量于车辆，之后在下一个采样时刻，将预测区间向前推进一步，如此循环往复，实现在线最优控制；

第五步，权重参数调节

权重参数为第三步中评价函数内的权重系数，采用粒子群算法自动调节权重系数，具体来说，粒子群算法中的粒子为各项权重系数，然后通过迭代找到最优解，在每一次迭代中，粒子通过跟踪两个极值来更新自己，第一个就是粒子本身所找到的最优解，这个解叫做个体极值，另一个极值是整个种群目前找到的最优解，这个极值是全局极值；

第六步，目标满足判断

满足目标的标准为汽车的燃油经济性收敛到最优值，具体来说，迭代上一次和本次燃油经济性误差在±%5内即认为满足目标。

Images