CN104527637B - 混合动力汽车控制方法和系统 - Google Patents

混合动力汽车控制方法和系统 Download PDF

Info

Publication number
CN104527637B
CN104527637B CN201410789806.3A CN201410789806A CN104527637B CN 104527637 B CN104527637 B CN 104527637B CN 201410789806 A CN201410789806 A CN 201410789806A CN 104527637 B CN104527637 B CN 104527637B
Authority
CN
China
Prior art keywords
action
control
optimum
parameter
renewal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410789806.3A
Other languages
English (en)
Other versions
CN104527637A (zh
Inventor
李卫民
徐回
胡悦
潘云龙
徐国卿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jining Zhongke Intelligent Technology Co ltd
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
JINING ZHONGKE ADVANCED TECHNOLOGY INSTITUTE CO LTD
Shenzhen Institute of Advanced Technology of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by JINING ZHONGKE ADVANCED TECHNOLOGY INSTITUTE CO LTD, Shenzhen Institute of Advanced Technology of CAS filed Critical JINING ZHONGKE ADVANCED TECHNOLOGY INSTITUTE CO LTD
Priority to CN201410789806.3A priority Critical patent/CN104527637B/zh
Publication of CN104527637A publication Critical patent/CN104527637A/zh
Application granted granted Critical
Publication of CN104527637B publication Critical patent/CN104527637B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W20/00—Control systems specially adapted for hybrid vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B60W10/08—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of electric propulsion units, e.g. motors or generators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/06—Combustion engines, Gas turbines
    • B60W2710/0666—Engine torque
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/08—Electric propulsion units
    • B60W2710/083—Torque
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/62—Hybrid vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Hybrid Electric Vehicles (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明涉及一种混合动力汽车控制方法和系统，其中所述方法包括：根据当前时刻的车况、奖赏信号和控制动作得到最优动作值函数，其中所述奖赏信号与实际瞬时油耗值和预设油耗目标值有关；根据所述最优动作值函数和所述控制动作得到参数调整因子，其中所述参数调整因子是所述最优动作值函数对于所述控制动作的偏导数；根据所述参数调整因子调整模糊控制参数；根据所述当前时刻的车况和调整后的模糊控制参数更新所述控制动作；根据所述更新后的控制动作得到转矩比例；根据所述转矩比例输出电机转矩和发动机转矩。

Description

混合动力汽车控制方法和系统
技术领域
本发明涉及电动汽车技术领域，具体涉及一种混合动力汽车控制方法和系统。
背景技术
由于兼具燃油汽车和纯电动汽车的优点，混合动力汽车被认为是最具发展前景的新能源汽车类型之一。混合动力汽车控制系统，特别是能量管理系统是混合动力汽车的关键技术之一，对整车的性能起着决定性的作用。控制策略是能量管理系统的核心，但是由于混合动力汽车结构的复杂性以及未来行驶工况的不确定性，使得设计高效、能实时实现的控制策略并不容易。
许多现有的能量管理策略都是基于例如温室法、功率跟随法和并联混合动力汽车电动助力策略等规则，这些管理策略通常基于大量试验的结果和人们的经验。类似的还有基于模糊逻辑的控制策略，但是它们无法优化系统的运行，也不能灵活地适应不同的行驶工况。另一种控制策略是模糊神经网络优化控制策略，它是在传统模糊控制策略的设计过程中，引入神经网络对模糊控制器的参数进行优化，例如隶属度函数的形状，通过优化可以减轻模糊控制器设计阶段的难度和盲目性，但这种方法仍然属于离线优化，优化之后仍然采用固定的参数，无法适应外部环境的变化。还有一种基于模型预测控制(MPC)的混合动力汽车控制策略，这种控制策略可预测未来的动态模型，在线滚动优化计算并实施的控制作用和模型误差的反馈校正，但是当选取预测域或控制域的长度较长时，这种MPC算法需要在每个决策步都求解一个最优控制问题，计算量非常巨大，影响算法的实时性；当选取预测域和控制域的长度较短时，又会严重影响控制策略的优化效果。
发明内容
本发明所要解决的技术问题是现有的混合动力汽车控制不能灵活地适应不同的行驶工况，优化效果差的技术问题。
为此目的，本发明提供了一种混合动力汽车控制方法，包括：根据当前时刻的车况、奖赏信号和控制动作得到最优动作值函数，其中所述奖赏信号与实际瞬时油耗值和预设油耗目标值有关；根据所述最优动作值函数和所述控制动作得到参数调整因子，其中所述参数调整因子是所述最优动作值函数对于所述控制动作的偏导数；根据所述参数调整因子调整模糊控制参数；根据所述当前时刻的车况和调整后的模糊控制参数更新所述控制动作；根据所述更新后的控制动作得到转矩比例；根据所述转矩比例输出电机转矩和发动机转矩。
优选地，当所述混合动力汽车刚启动时，所述控制动作根据初始化的神经网络权重值和模糊控制参数值得到。
优选地，所述根据当前时刻的车况、奖赏信号和控制动作得到最优动作值函数，包括：根据前一时刻的最优控制动作函数、当前时刻的车况以及奖赏信号更新神经网络权重值；根据更新后神经网络权重值获取当前时刻的最优动作值函数。
优选地，所述根据所述更新后的控制动作得到转矩比例，包括：根据所述更新后的控制动作得到随机动作，所述随机动作是均值为0的标准正态分布在输入为所述更新后的控制动作的输出值；将所述更新后的控制动作和所述随机动作相加得到所述转矩比例。
本发明还提供了一种混合动力汽车控制系统，包括：参数调整单元，用于根据当前时刻的车况、奖赏信号和控制动作得到最优动作值函数，其中所述奖赏信号与实际瞬时油耗值和预设油耗目标值有关；偏导单元，用于根据所述最优动作值函数和所述控制动作得到参数调整因子，其中所述参数调整因子是所述最优动作值函数对于所述控制动作的偏导数；模糊控制调整单元，用于根据所述参数调整因子调整模糊控制参数；模糊控制单元，用于根据所述当前时刻的车况和调整后的模糊控制参数更新所述控制动作；动作搜索单元，用于根据所述更新后的控制动作得到转矩比例；转矩输出单元，用于根 据所述转矩比例输出电机转矩和发动机转矩。
优选地，当所述混合动力汽车刚启动时，所述控制动作根据初始化的神经网络权重值和模糊控制参数值得到。
优选地，所述参数调整单元包括：权重值更新模块，用于根据前一时刻的最优控制动作函数、当前时刻的车况以及奖赏信号更新神经网络权重值；最优动作值函数获取模块，用于根据更新后神经网络权重值获取当前时刻的最优动作值函数。
优选地，所述动作搜索单元包括：随机动作获取模块，用于根据所述更新后的控制动作得到随机动作，所述随机动作是均值为0的标准正态分布在输入为所述更新后的控制动作的输出值；转矩比例获取模块，用于将所述更新后的控制动作和所述随机动作相加得到所述转矩比例。
通过采用本发明所公开的混合动力汽车控制方法和系统，随着车况的不断变化，不断更新控制动作，从而可以得到最优的电机转矩与发动机的转矩比例，使得瞬时油耗值趋于小于目标值，从而达到节省燃油的效果。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1示出了根据本发明实施例的混合动力汽车控制方法的流程图；
图2示出了BP(后向传播)神经网络模型的示意图；
图3示出了根据本发明实施例的混合动力汽车控制系统的示意图；
图4示出了根据本发明实施例的混合动力汽车控制系统的硬件实现示意图。
具体实施方式
下面将结合附图对本发明的实施例进行详细描述。
实施例1：
图1示出了根据本发明实施例的混合动力汽车控制方法的流程图，如图1所示，该控制方法包括如下步骤：
S11：根据当前时刻的车况、奖赏信号和控制动作得到最优动作值函数， 其中奖赏信号与实际瞬时油耗值fr和预设油耗目标值ft有关，具体地当瞬时油耗值fr大于目标值ft，奖赏信号r为负值，当瞬时油耗值fr小于目标值ft时，奖赏信号r为正值；
S12：根据最优动作值函数和控制动作得到参数调整因子，其中参数调整因子是最优动作值函数对于控制动作的偏导数；
S13：根据参数调整因子调整模糊控制参数；
S14：根据当前时刻的车况和调整后的模糊控制参数更新控制动作；
S15：根据更新后的控制动作得到转矩比例；
S16：根据转矩比例输出电机转矩和发动机转矩。
当车辆刚启动时，所采用的控制动作是根据初始化的神经网络权重值和模糊控制参数值得到的，其后重复执行步骤S11至S16得到新的控制动作，通过采用上述方法步骤，随着车况的不断变化，控制动作会不断更新，从而可以得到最优的电机转矩与发动机的转矩比例，使得瞬时油耗值fr趋于小于目标值ft，从而达到节省燃油的效果。
具体地，步骤S11中的最优动作值函数可以利用Q-学习(Q-Learning)算法来得到，可以通过神经网络模型来实现Q-学习算法。本领域技术人员应当理解，采用各种现有的神经网络模型实现Q-学习算法都是可行的，例如BP(后向传播)神经网络模型或TD(时分)神经网络模型等，在本实施例中以BP神经网络模型为例来说明本发明。
BP神经网络模型可以处理在时间上展开的输入数据，分别由输入层、隐含层和输出层构成，如图2所示，在本实施例中节点个数为4-10-1，其中U(1)、U(2)、U(3)、U(4)是输入信号，依次为需求转矩Treq、电池剩余电量SOC、车速v和控制动作U，w(1),...,w(40)是输出层与隐含层之间的权重值，a(1),...,a(10)是隐含层的输入，y(1),...,y(10)是隐含层的输出，w(41),...,w(50)是隐含层与输出层之间的权重，V是输出层的输入，Q(x,u)是输出层的输出，即最优动作值函数。具体的数学表达式为：
Q(x,u)＝f(V) (1)
y(i)＝f(a(i)) (3)
其中，f为节点的激活函数，优选地可以采用sigmoid函数作为节点的激活函数，即f(x)＝1/[1+exp(-x)]，其中x是变量，可以表示上述公式中的V、a(i)等。通过上述公式，即可以根据当前时刻的需求转矩信号Treq、电池剩余电量SOC、车速v、奖赏信号r和控制动作U得到最优动作值函数。
优选地，上述步骤S11可以包括如下步骤：
S11a：根据前一时刻的最优控制动作函数、当前时刻的车况以及奖赏信号更新神经网络权重值；
S11b：根据更新后神经网络权重值获取当前时刻的最优动作值函数。
更具体地，可以基于广义策略迭代(GPI)来调整各个神经网络权重值，并且可以通过减少误差δt来逼近最优控制系数函数。
δt＝rt+1+γmaxQ(xt+1,u′)-Q(xt,ut) (5)
其中，rt+1为当前时刻的奖赏信号，maxQ(xt+1,u′)为当前时刻的最优动作值函数，Q(xt,ut)为前一时刻的最优动作值函数，γ为比例因子，神经网络模型的主要目标是使下面的等式最小化：
根据梯度下降法更新神经网络的权重值w
通过上式可以得到：
可以根据以及的约束规则获得
相同的，可以得到表达式为：
其中，为第i个隐含层节点与输出层之间的权重值，为第j个输入节点与第i个隐含层节点之间的权值，η为学习率，可以取0.8。
在步骤S12中，求取最优动作值函数Q(xt,ut)对于控制动作U的偏导数，从而可以优化模糊控制器的输出，达到Q(xt,ut)最大化的效果。
具体地，在步骤S13中可以根据梯度规则来对模糊控制器的模糊控制参数进行调整：
其中，ξ就是模糊控制器需要调整的参数，β是下降因子，可以取0.6。
在这里，所采用的模糊控制器的推理系统可以是Sugeno型模糊推理系统。即假设输入的状态向量为x＝(x1,x2,...,xn)T∈Rn，输出y∈R，则IF-THEN规则如下：
Rl:IF
THEN
Fi l是xi模糊集的标签，是模糊规则中的常系数。采用最常用的乘积推理、单点模糊化和中心平均法作为解模糊化的方法：
采用高斯函数作为输入变量的隶属度函数，即：
在上述两式中i表示输入变量的个数，l表示模糊规则的个数，且i＝1,2,…,n，l＝1,2…,M。
现在明确对于上述Sugeno型模糊控制器，需要调整的参数是输入函数隶属度函数参数c和σ，即为公式(12)中的ξ。
令：
等式(15)表示在一条模糊规则中，不同输入隶属度函数的乘积；
等式(16)表示一条模糊规则的输出；
其中，a表示加权求和；b表示M条规则权值之和；u是总输出。的计算如下式给出：
通过上述公式得到了模糊控制器的模糊控制参数。
在步骤S14中，根据所得到的模糊控制参数、需求转矩信号Treq和电池剩余电量SOC得到新的控制动作U。本领域技术人员可以采用不同形式的模糊控制策略来得到控制动作U。
优选地，上述步骤S15可以包括如下步骤：
S15a：根据更新后的控制动作得到随机动作，该随机动作是均值为0的标准正态分布在输入为更新后的控制动作的输出值；
S15b：将更新后的控制动作和随机动作相加得到转矩比例。
具体而言，转矩比例k＝U+ad，其中U是更新后的控制系数，ad是随机动作，该随机动作是均值为0的标准正态分布在输入为更新后的控制动作U时的输出值，ad～N(0,σ(t))，σ(t)可由下面的公式计算得出：
在步骤S16中，根据转矩比例k，得到当前时刻分配给发动机的转矩为k·Treq，分配给电机的转矩为(1-k)·Treq。
实施例2
图3示出了根据本发明实施例的混合动力汽车控制系统的示意图，如图3所示，该控制系统包括：
参数调整单元31，用于根据当前时刻的车况、奖赏信号和控制动作得到最优动作值函数，其中奖赏信号与实际瞬时油耗值和预设油耗目标值有关；
偏导单元32，用于根据所述最优动作值函数和所述控制动作得到参数调整因子，其中所述参数调整因子是所述最优动作值函数对于所述控制动作的偏导数；
模糊控制调整单元33，用于根据所述参数调整因子调整模糊控制参数；
模糊控制单元34，用于根据所述当前时刻的车况和调整后的模糊控制参数更新所述控制动作；
动作搜索单元35，用于根据所述更新后的控制动作得到转矩比例；
转矩输出单元36，用于根据所述转矩比例输出电机转矩和发动机转矩。
当车辆刚启动时，参数调整单元31所采用的控制动作是根据初始化的神经网络权重值和模糊控制参数值得到的，其后则根据更新后的控制动作来得到最优动作值函数，通过采用上述控制系统，随着车况的不断变化，控制动作会不断更新，从而可以得到最优的电机转矩与发动机的转矩比例，使得瞬时油耗值fr趋于小于目标值ft，从而达到节省燃油的效果。
参数调整单元31可以采用例如BP神经网络模型来实现Q-学习算法以得到最优动作值函数。优选地，参数调整单元31可以包括权重值更新模块311和最优动作值函数获取模块312，其中权重值更新模块311用于根据前一时刻的最优控制动作函数和当前时刻的车况以及奖赏信号更新神经网络权重值； 最优动作值函数获取模块312用于根据更新后神经网络权重值获取当前时刻的最优动作值函数。参数调整单元31的具体计算过程请参见实施例1中关于步骤S11的描述。
偏导单元32用于求取参数调整单元31输出的最优动作值函数Q(xt,ut)对于控制动作U的偏导数，从而可以优化模糊控制器的输出，达到Q(xt,ut)最大化的效果。
模糊控制调整单元33根据偏导单元32输出的参数调整因子来调整模糊控制单元34的模糊控制参数，具体的调整过程请参见实施例1中关于步骤S13的描述。
模糊控制单元34根据调整后的模糊控制参数、需求转矩信号Treq、电池剩余电量SOC得到新的控制动作U，并将所得到的新的控制动作U反馈回参数调整单元31，以进行下一时刻的参数调整，从而可以根据车况变化不断更新控制动作U。
优选地，本实施例中的动作搜索单元35可以包括随机动作获取模块351和转矩比例获取模块352，其中随机动作获取模块351用于根据更新后的控制动作U得到随机动作ad，该随机动作ad是均值为0的标准正态分布在输入为更新后的控制动作U的输出值；转矩比例获取模块352用于将更新后的控制动作U和随机动作ad相加得到所述转矩比例k。动作搜索单元35的具体计算过程请参见实施例1中关于步骤S15的描述。
转矩输出单元36根据转矩比例k，得到当前时刻分配给发动机的转矩为k·Treq，分配给电机的转矩为(1-k)·Treq。
图4示出了根据本发明实施例的混合动力汽车控制系统的硬件实现示意图。本发明实施例的混合动力汽车控制系统可以利用单片机系统来实现，参数调整单元31和偏导单元32可以采用参数调整器42(QEP)来实现，模糊控制调整单元33和模糊控制单元34可以采用模糊控制器43(FIS)来实现，动作搜索单元35可以采用动作搜索器44(AEM)来实现。参数调整器42、模糊控制器43和动作搜索器44可以集成在一个控制芯片中，也可以采用多个控制芯片来实现。如图4所示，设置在混合动力汽车41上的各个传感器将需求转矩Treq、 车速v、电池剩余电量SOC以及奖赏信号r输入到参数调整器42中，参数调整器42利用例如Q-学习等算法，不直接输出最优动作，而是输出模糊控制器43的调整动作，参数调整器42输出到模糊控制器43的调理信号即为参数调整因子。调理信号改变了模糊控制器43的模糊控制参数，模糊控制器43根据调整后的模糊控制参数、需求转矩信号Treq和电池剩余电量SOC得到了控制系数U，并将该控制系数U反馈回参数调整器42。动作搜索器44可以保证整个控制策略最终达到收敛，从而使得电机转矩与发动机转矩比最终达到最优，使发动机与电机运行在高效率区。
虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (8)

1.一种混合动力汽车控制方法，其特征在于，包括：
根据当前时刻的车况、奖赏信号和控制动作得到最优动作值函数，其中所述奖赏信号与实际瞬时油耗值和预设油耗目标值有关；
根据所述最优动作值函数和所述控制动作得到参数调整因子，其中所述参数调整因子是所述最优动作值函数对于所述控制动作的偏导数；
根据所述参数调整因子调整模糊控制参数；
根据所述当前时刻的车况和调整后的模糊控制参数更新所述控制动作；
根据所述更新后的控制动作得到转矩比例；
根据所述转矩比例输出电机转矩和发动机转矩。
2.根据权利要求1所述的方法，其特征在于，当所述混合动力汽车刚启动时，所述控制动作根据初始化的神经网络权重值和模糊控制参数值得到。
3.根据权利要求1所述的方法，其特征在于，所述根据当前时刻的车况、奖赏信号和控制动作得到最优动作值函数，包括：
根据前一时刻的最优控制动作函数、当前时刻的车况以及奖赏信号更新神经网络权重值；
根据更新后神经网络权重值获取当前时刻的最优动作值函数。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据所述更新后的控制动作得到转矩比例，包括：
根据所述更新后的控制动作得到随机动作，所述随机动作是均值为0的标准正态分布在输入为所述更新后的控制动作的输出值；
将所述更新后的控制动作和所述随机动作相加得到所述转矩比例。
5.一种混合动力汽车控制系统，其特征在于，包括：
参数调整单元，用于根据当前时刻的车况、奖赏信号和控制动作得到最优动作值函数，其中所述奖赏信号与实际瞬时油耗值和预设油耗目标值有关；
偏导单元，用于根据所述最优动作值函数和所述控制动作得到参数调整因子，其中所述参数调整因子是所述最优动作值函数对于所述控制动作的偏导数；
模糊控制调整单元，用于根据所述参数调整因子调整模糊控制参数；
模糊控制单元，用于根据所述当前时刻的车况和调整后的模糊控制参数更新所述控制动作；
动作搜索单元，用于根据所述更新后的控制动作得到转矩比例；
转矩输出单元，用于根据所述转矩比例输出电机转矩和发动机转矩。
6.根据权利要求5所述的系统，其特征在于，当所述混合动力汽车刚启动时，所述控制动作根据初始化的神经网络权重值和模糊控制参数值得到。
7.根据权利要求5所述的系统，其特征在于，所述参数调整单元包括：
权重值更新模块，用于根据前一时刻的最优控制动作函数、当前时刻的车况以及奖赏信号更新神经网络权重值；
最优动作值函数获取模块，用于根据更新后神经网络权重值获取当前时刻的最优动作值函数。
8.根据权利要求5至7中任一项所述的系统，其特征在于，所述动作搜索单元包括：
随机动作获取模块，用于根据所述更新后的控制动作得到随机动作，所述随机动作是均值为0的标准正态分布在输入为所述更新后的控制动作的输出值；
转矩比例获取模块，用于将所述更新后的控制动作和所述随机动作相加得到所述转矩比例。
CN201410789806.3A 2014-12-17 2014-12-17 混合动力汽车控制方法和系统 Active CN104527637B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410789806.3A CN104527637B (zh) 2014-12-17 2014-12-17 混合动力汽车控制方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410789806.3A CN104527637B (zh) 2014-12-17 2014-12-17 混合动力汽车控制方法和系统

Publications (2)

Publication Number Publication Date
CN104527637A CN104527637A (zh) 2015-04-22
CN104527637B true CN104527637B (zh) 2017-03-29

Family

ID=52843353

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410789806.3A Active CN104527637B (zh) 2014-12-17 2014-12-17 混合动力汽车控制方法和系统

Country Status (1)

Country Link
CN (1) CN104527637B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107662599B (zh) * 2016-07-29 2021-01-22 长城汽车股份有限公司 车辆的控制方法、控制装置及车辆
CN110297456B (zh) * 2018-03-23 2020-10-16 中国石油化工股份有限公司 一种油电一体化供给过程的调控系统及方法
CN108731684B (zh) * 2018-05-07 2021-08-03 西安电子科技大学 一种多无人机协同区域监视的航路规划方法
CN110370267B (zh) * 2018-09-10 2021-08-20 北京京东尚科信息技术有限公司 用于生成模型的方法和装置
CN109703548B (zh) * 2019-01-21 2020-04-28 辽宁工业大学 一种基于混合动力的汽车动力分配方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1415500A (zh) * 2002-12-25 2003-05-07 北京嘉捷源技术开发有限公司 混合动力电动车整车能量控制系统
CN101633357A (zh) * 2009-08-26 2010-01-27 湖南南车时代电动汽车股份有限公司 基于工况的串联式混合动力公交车整车控制方法
CN102556056A (zh) * 2012-01-16 2012-07-11 河南科技大学 一种混合动力汽车的双模糊能量控制管理系统
CN102673563A (zh) * 2011-03-18 2012-09-19 财团法人工业技术研究院 节能控制方法与系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9090255B2 (en) * 2012-07-12 2015-07-28 Honda Motor Co., Ltd. Hybrid vehicle fuel efficiency using inverse reinforcement learning

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1415500A (zh) * 2002-12-25 2003-05-07 北京嘉捷源技术开发有限公司 混合动力电动车整车能量控制系统
CN101633357A (zh) * 2009-08-26 2010-01-27 湖南南车时代电动汽车股份有限公司 基于工况的串联式混合动力公交车整车控制方法
CN102673563A (zh) * 2011-03-18 2012-09-19 财团法人工业技术研究院 节能控制方法与系统
CN102556056A (zh) * 2012-01-16 2012-07-11 河南科技大学 一种混合动力汽车的双模糊能量控制管理系统

Also Published As

Publication number Publication date
CN104527637A (zh) 2015-04-22

Similar Documents

Publication Publication Date Title
CN104527637B (zh) 混合动力汽车控制方法和系统
Wu et al. Continuous reinforcement learning of energy management with deep Q network for a power split hybrid electric bus
CN107561942B (zh) 基于模型补偿的智能车辆轨迹跟踪模型预测控制方法
Kamal et al. Intelligent energy management strategy based on artificial neural fuzzy for hybrid vehicle
CN111267831A (zh) 一种混合动力车辆智能变时域模型预测能量管理方法
CN110936824B (zh) 一种基于自适应动态规划的电动汽车双电机控制方法
Zand et al. Using adaptive fuzzy logic for intelligent energy management in hybrid vehicles
CN103935360B (zh) 基于并行控制的混合动力汽车整车转矩分配系统及其方法
CN113147482B (zh) 一种电动汽车有序充电优化方法及系统
CN104401232B (zh) 基于数据驱动预测控制的电动汽车扭矩优化方法
CN110717218B (zh) 一种电驱动车辆分布式动力驱动系统重构控制方法及车辆
CN110406526A (zh) 基于自适应动态规划的并联混合动力汽车能量管理方法
CN109733406A (zh) 基于模糊控制与动态规划的纯电动汽车行驶策略控制方法
CN113110052B (zh) 一种基于神经网络和强化学习的混合能量管理方法
CN101598109A (zh) 一种风力发电机偏航系统的智能控制方法
Yang et al. Optimal energy operation strategy for we-energy of energy internet based on hybrid reinforcement learning with human-in-the-loop
CN109910863A (zh) 一种基于插电式混合动力轿车专用变速器的控制方法
Yang et al. Speed tracking based energy-efficient freight train control through multi-algorithms combination
CN107516892A (zh) 基于处理有功优化约束条件提高电能质量的方法
CN116663820A (zh) 一种需求响应下的综合能源系统能量管理方法
Yin et al. Expandable deep width learning for voltage control of three-state energy model based smart grids containing flexible energy sources
CN115257695A (zh) 一种混合动力汽车能量管理控制系统及其方法
CN113741199B (zh) 一种基于智能网联信息的整车经济性速度规划方法
CN103116273A (zh) 工程运输车行驶综合性能控制系统及方法
CN112440974B (zh) 基于分布式深度确定性策略梯度的hev能量管理方法

Legal Events

Date Code Title Description
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 1068 No. 518055 Guangdong city of Shenzhen province Nanshan District Shenzhen University city academy Avenue

Co-patentee after: JINING ZHONGKE ADVANCED TECHNOLOGY INSTITUTE Co.,Ltd.

Patentee after: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES

Address before: 1068 No. 518055 Guangdong city in Shenzhen Province, Nanshan District City Xili University School Avenue

Co-patentee before: JINING ZHONGKE ADVANCED TECHNOLOGY INSTITUTE Co.,Ltd.

Patentee before: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES

CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 1068 No. 518055 Guangdong city of Shenzhen province Nanshan District Shenzhen University city academy Avenue

Patentee after: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES

Patentee after: Jining Zhongke Intelligent Technology Co.,Ltd.

Address before: 1068 No. 518055 Guangdong city of Shenzhen province Nanshan District Shenzhen University city academy Avenue

Patentee before: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY CHINESE ACADEMY OF SCIENCES

Patentee before: JINING ZHONGKE ADVANCED TECHNOLOGY INSTITUTE Co.,Ltd.