CN106080585A - 一种双行星排式混合动力汽车非线性模型预测控制方法 - Google Patents

Abstract

本发明提供了一种双行星排式混合动力汽车非线性模型预测控制方法，该方法基于预测到的整车转速、转矩需求，利用非线性优化算法对预测时间间隔内的目标函数进行优化求解，并获得控制量的最优控制序列，通过结合控制序列的第一个控制量和双行星排式混合动力汽车各模式下的动力学方程，确定动力系统发动机、电机、发电机以及制动系统的需求转矩。本发明针对双行星排式混合动力汽车工作模式多的特点，采用非线性模型预测优化控制，能够有效地控制动力耦合机构中各离合器和制动力的结合、断开状态，实现不同工作模式的优选和不同动力部件间能量的优化分配，充分发挥双行星排式混合动力汽车工作模式多的优点。

Description

一种双行星排式混合动力汽车非线性模型预测控制方法

技术领域

本发明涉及一种混合动力汽车能量管理实时优化方法，尤其涉及一种双行星排式混合动力汽车非线性模型预测控制方法。

背景技术

随着全球能源危机和环境污染的加剧，发展新能源汽车成为当今汽车工业的发展主题之一。相较与纯电动汽车，混合动力汽车由于拥有传统汽车上的发动机系统，能够保证更高的动力性和续驶里程，同时又由于电机、发电机等对发动机功率的调节，具有多种动力源的混合动力汽车有效地提高了发动机地工作效率，降低了整车油耗。目前，具有更多模式的双行星排式混合动力汽车得到了快速发展，由于采用双行星排式动力耦合机构，加上引入离合器、制动器等手段，使得双行星排式混合动力汽车相较于串联或者并联式混合动力汽车具有了更多可以选择的模式。与此同时，双行星排式混合动力汽车工作模式的增多也对其控制策略提出了更高的要求，为了充分发挥双行星排式混合动力汽车的性能优势，如何设计实时高效的能量管理优化控制策略成为了关键。

目前，混合动力汽车应用常用的能量管理策略主要是基于规则的控制策略，但其设计目标单一，不能适用于多工况和多驾驶条件的灵活控制，基于全局优化算法的控制策略虽然能获得全局最优控制序列，但其计算量大，无法满足混合动力汽车的实时性控制要求，其求解必须基于已知的运行工况也限制了全局优化算法的实际应用。基于瞬时优化的控制算法能够满足混合动力汽车的实时控制需求，目前得到了较好的应用，但其控制参数仍然受工况影响较大，其控制效果有待进一步提高。模型预测控制虽然无法满足全局最优的控制要求，但其能够实现对特定时间间隔内的运行工况进行优化控制，随着GPS和交通信息交互的进一步发展，对未来一段时间内的运行工况进行预测成为了可能，采用模型预测控制也能更好地实现双行星排式混合动力汽车的优化控制。

发明内容

本发明所要解决的技术问题是：充分发挥双行星排式混合动力汽车工作模式多的性能优势，提高双行星排式混合动力汽车的能量利用率和燃油经济性。针对该技术问题，本发明提出一种利用非线性优化算法对预测时间间隔内的目标函数进行优化求解的非线性模型预测控制方法。该模型预测控制方法包括以下步骤：

(1)确定双行星排式混合动力汽车的工作模式及各模式下双行星排动力耦合机构中离合器和制动器的结合状态；

(2)基于双行星排式混合动力汽车各工作模式下发动机、电机、发电机以及需求转矩的准静态模型，建立各个模式下的动力学方程；

(3)构建双行星排式混合动力汽车非线性模型预测控制的目标函数和约束条件；

(4)基于当前和过去的车速信息预测未来固定时间间隔内的车速，并求得相应时间间隔内的需求转矩；

(5)确定系统的控制变量和状态变量，通过对预测区间内目标函数的非线性优化，得到控制变量的最优控制序列，并选取控制序列的第一个控制量；

(6)基于求得的最优当前控制量，并结合步骤(2)中建立的各模式下的动力学方程和求得的确定动力系统发动机、电机、发电机以及制动系统的需求转矩，实现混合动力汽车动力传动系统各部件功率流的优化分配。

优选地，在步骤(3)中，系统控制目标为保证燃油消耗最小，同时满足蓄电池的充放电平衡约束，目标函数L描述为：

$L\left(SOC\right(k),u(k\left)\right)={\stackrel{\·}{m}}_{f\_eng}T+\mathrm{\α}{\left(SOC\right(k+1)-{\mathrm{SOC}}_{ref})}^2$

其中，SOC(k)为蓄电池k时刻的荷电状态，SOC(k+1)为蓄电池k+1时刻的荷电状态，SOC_ref为蓄电池荷电状态的参考值，T为预测时域内的采样周期，α为蓄电池实际荷电状态与参考值差值的权重因子，为发动机燃油消耗率；

约束条件包括发动机、发电机、电机的最大转矩、转速约束，以及蓄电池的充放电功率约束，表示为：

ω_E，min≤ω_E≤ω_E，max，T_E，min≤T_E≤T_E，max

ω_M，min≤ω_M≤ω_M，max，T_M，min≤T_M≤T_M，max

ω_G，min≤ω_G≤ω_G，max，T_G，min≤T_G≤T_G，max

P_bat，min≤P_bat≤P_bat，max

其中，ω_E，ω_M，ω_G分别为发动机、电动机和发电机的转速，T_E，T_M，T_G分别为发动机、电动机和发电机的转矩，P_bat为蓄电池的充放电功率，·，_max和·，_min分别表示相应变量的最大值和最小值。

优选地，在步骤(4)中，基于当前和过去的车速信息预测未来固定时间间隔内的车速，预测模型可以采用自回归模型或者马尔科夫概率转移模型。

优选地，在步骤(5)中，混合动力汽车能量管理系统的状态变量选为蓄电池SOC，控制变量包括发动机转矩、发动机转速和双行星排式动力耦合机构中各个离合器、制动器的开关信号；各个离合器、制动器的结合、断开状态分别由1和0表示，离合器、制动器的不同模式组合纳入到对混合动力汽车工作模式的划分中，通过非线性模型预测优化控制决策出混合动力汽车最优工作模式和发动机转速、转矩，离合器和制动器的控制信号由决策出的工作模式推导得到。

优选地，在步骤(5)中，采用的非线性优化方法为可以为基于active-set算法的非线性规划方法或基于有限预测时域的动态规划算法。

优选地，在步骤(5)中，当采用基于有限预测时域的动态规划算法求解最优控制量时，需要对状态变量和控制变量中的发动机转矩和转速进行离散化处理，为了降低优化过程的计算量，提高计算速度，结合双行星排式混合动力汽车发动机转速与整车转速解耦的优点，基于发动机最优功率曲线对控制变量中的发动机转矩和转速进行离散化处理，利用贝尔曼最优原理对预测时域内离散的状态变量和控制变量进行逆向递推，在满足约束条件的情况下，求得最优控制序列。

本发明具有以下技术效果：双行星排式混合动力汽车由于采用双行星排式结构，使动力耦合机构具有两个自由度，同时，制动器和离合器的引入使双行星排式混合动力汽车具有更多地工作模式，不结合高效的能量管理策略，双行星排式混合动力汽车无法充分发挥其性能优势，采用本发明技术方案后，通过对双行星排式混合动力汽车不同工作模式和各工作模式下发动机转矩、转速在有限时域内的规划，能够得到双行星排式混合动力汽车在有限预测时域内的最优控制序列，一方面，通过在有限时域内进行控制需求预测并采用动态规划求解，避免了全局动态规划计算量大、工况依赖、以及无法实现实时控制的缺点；另一方面，相较于其他等效燃油消耗等实时优化控制策略，本发明实施例所提出的算法也具有更好的鲁棒性和节能效果，能够实现混合动力汽车能量分配的近似最优，实现了双行星排式混合动力汽车能量的高效管理。与此同时，双行星排式混合动力汽车中由于离合器和制动器的引入，在进行控制器设计时具有不同的被控模型，难以采用统一的模型进行控制器设计，而通过采用动态规划算法时，可以对不同模型下的状态进行遍历寻优，实现了优化控制，对发动机转速转矩沿最优工作曲线地求解，也有效地降低了计算量，为本发明的实时应用提供了可能。

附图说明

图1是双行星排式混合动力汽车动力总成系统示意图；

图2是双行星排式混合动力汽车非线性模型预测控制方法流程图；

图3是双行星排式混合动力汽车能量管理控制器结构示意图。

图1中：S1、前行星排太阳轮；C1、前行星排行星架；R1、前行星排齿圈；S2、后行星排太阳轮；C2、后行星排行星架；R2、后行星排齿圈；CR1、离合器；CB1、第一制动器；CB2、第二制动器。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。

图1是本发明实施例中所采用的双行星排式混合动力汽车动力总成系统示意图。系统主要组成包含前行星排太阳轮S1、前行星排行星架C1、前行星排齿圈R1、后行星排太阳轮S2、后行星排行星架C2、后行星排齿圈R2以及离合器CR1、第一制动器CR1和第二制动器B。其中发动机通过离合器CR1以及第一制动器CB1与前行星排行星架C1相连，发电机通过第二制动器CB2与前行星排太阳轮S1相连，电动机的转子轴与后行星排太阳轮S2相连，另外前行星排行星架C1与后行星排齿圈R2相连，前行星排齿圈R1、后行星排行星架C2、输出轴三者相连。

图3是本发明实施例拟采用的能量管理控制器结构示意图，能量管理控制器通过采集混合动力汽车动力传动系统的状态信息以及驾驶员的加速踏板和制动踏板位置等状态信息，计算输出动力传动系统中发动机、电动机、发电机和制动系统的的需求扭矩，实现对混合动力汽车的驱动、制动控制。能量管理控制器包括发动机最优扭矩转速计算模块和动力系统各部件扭矩分配模块，其中，发动机最优扭矩转速计算模块采用本发明实施例的非线性模型预测控制策略计算得到发动机的需求扭矩、转速和各离合器、制动器的控制信号，扭矩分配模块基于这些信号计算得到混合动力汽车动力传动系统中发动机、电动机、发电机和制动系统的的需求扭矩。

所采用的非线性模型预测控制方法流程图如图3所示，包括如下步骤：

(1)确定双行星排式混合动力汽车的工作模式及各模式下双行星排动力耦合机构中离合器和制动器的结合状态。

本发明实施例所选用的双行星排式混合动力汽车工作模式及各模式下双行星排动力耦合机构中离合器、制动器及各部件的工作状态如表1所示。

表1 双行星排式混合动力汽车工作模式

(2)基于双行星排式混合动力汽车各工作模式下发动机、电机、发电机以及需求转矩的准静态模型，建立各个模式下的动力学方程。

(3)构建双行星排式混合动力汽车非线性模型预测控制的目标函数和约束条件。

系统控制目标为保证燃油消耗最小，同时满足蓄电池的充放电平衡约束，目标函数L描述为：

$L\left(SOC\right(k),u(k\left)\right)={\stackrel{\·}{m}}_{f\_eng}T+\mathrm{\α}{\left(SOC\right(k+1)-{\mathrm{SOC}}_{ref})}^2$

其中，SOC(k)为蓄电池k时刻的荷电状态，SOC(k+1)为蓄电池k+1时刻的荷电状态，SOC_ref为蓄电池荷电状态的参考值，T为预测时域内的采样周期，α为蓄电池实际荷电状态与参考值差值的权重因子，为发动机燃油消耗率；

约束条件包括发动机、发电机、电机的最大转矩、转速约束，以及蓄电池的充放电功率约束，表示为：

ω_E，min≤ω_E≤ω_E，max，T_E，min≤T_E≤T_E，max

ω_M，min≤ω_M≤ω_M，max，T_M，min≤T_M≤T_M，max

ω_G，min≤ω_G≤ω_G，max，T_G，min≤T_G≤T_G，max

P_bat，min≤P_bat≤P_bat，max

其中，ω_E，ω_M，ω_G分别为发动机、电动机和发电机的转速，T_E，T_M，T_G分别为发动机、电动机和发电机的转矩，P_bat为蓄电池的充放电功率，·，_max和·，_min分别表示相应变量的最大值和最小值。

(4)基于当前和过去的车速信息预测未来固定时间间隔内的车速，预测模型可以采用自回归模型或者马尔科夫概率转移模型，当采用自回归模型进行车速预测时时，建立车速预测的自回归模型，并采用标准循环工况对自回归模型的参数进行求解和验证，实时应用时，采集并存储过去一段时间内的车速信息，预测未来有限时域内的车速；当采用马尔科夫模型进行车速预测的建模时，以标准循环工况一些常用工况作为数据库，并建立一步马尔科夫链的概率转移模型，基于当前车速和转移概率预测下一步车速，并递推求解，得到有限时域内的预测车速信息，基于预测得到的车速信息，求得预测时域内输出轴相应的需求扭矩。

(5)确定系统的控制变量和状态变量，通过对预测区间内目标函数的非线性优化，得到控制变量的最优控制序列，并选取控制序列的第一个控制量。

针对该双行星排式混合动力汽车，选取状态变量选为蓄电池SOC，控制变量包括发动机转矩、发动机转速和双行星排式动力耦合机构中各个离合器、制动器的开关信号，通过对预测区间内目标函数的非线性优化，得到控制变量的最优控制序列，并选取控制序列的第一个控制量。采用的非线性优化方法为可以为基于active-set算法的非线性规划方法或基于有限预测时域的动态规划算法。

当采用基于active-set算法的非线性规划方法时，确定每一步求解的初始发动机转矩、转速点，并针对不同工作模式下的动力学方程分别求得最优发动机转矩和转速，通过对比各模式下的目标函数，求得最优的工作模式和相应的发动机转矩和转速，隐含地，由该工作模式求同时得相应的离合器、第一制动器以及第二制动器结合、断开信号。

当采用基于有限预测时域的动态规划算法求解最优控制量时，需要对状态变量和控制变量中的发动机转矩和转速进行离散化处理，为了降低优化过程的计算量，提高计算速度，结合双行星排式混合动力汽车发动机转速与整车转速解耦的优点，基于发动机最优功率曲线对控制变量中的发动机转矩和转速进行离散化处理，然后利用贝尔曼最优原理对预测时域内离散的状态变量和控制变量进行逆向递推，在满足约束条件的情况下，求得最优控制序列，求解过程中，各个离合器、制动器的结合、断开状态分别由1和0表示，离合器、制动器的不同模式组合纳入到对混合动力汽车工作模式的划分中，即在采用贝尔曼最优原理逆向递推过程中，在预测时域内的每一个采样时刻，将所有工作模式下的发动机转矩、转速分别代入求解，确定最优工作模式序列和发动机转矩、转速序列，离合器、制动器的工作状态合可以通过最优工作模式得到。

确定发动机最优功率曲线时，可以将发动机在最大功率范围内等分为n个功率点，然后求得每个功率点燃油最小消耗对应的发动机转速、转矩点，将所有等分功率点求得的最优发动机转速、转矩工作点相连即可得到最优工作线。

(6)基于非线性模型预测控制求得当前最优控的发动机转矩、转速和离合器、第一制动器、第二制动器控制信号，并将该信号输入到扭矩分配模块中，扭矩分配模块基于这些信号计算得到混合动力汽车动力传动系统中发动机、电动机、发电机和制动系统的的需求扭矩。由于双行星排结构具有两个自由度，为了实现对发动机需求转速的跟随，在扭矩分配模块中引入了PI控制器，PI控制器的输入为发动机需求转速与发动机实际转速的差值，输出为发电机扭矩的修正量，该扭矩修正量与基于步骤(2)中建立的各模式下的扭矩平衡方程得到的发电机扭矩相加即为实际的发电机需求扭矩。电机的需求扭矩也通过步骤(2)中建立的各模式下的扭矩平衡方程得到。制动系统的需求扭矩取决于混合动力车的运行状态，当驱动时，制动系统需求扭矩为零，当减速时，制动系统需求扭矩电机通过再生制动扭矩和整车制动需求扭矩计算得到，将非线性预测模型控制求得的最优发动机转矩、转速和各离合器、制动器的控制信号经过扭矩分配模块的计算，实现混合动力汽车动力传动系统各部件功率流的优化分配。

综上，本发明的一种双行星排式混合动力汽车非线性模型预测控制方法，该方法基于预测到的整车转速、转矩需求，利用非线性优化算法对预测时间间隔内的目标函数进行优化求解，并获得控制量的最优控制序列，通过结合控制序列的第一个控制量和双行星排式混合动力汽车各模式下的动力学方程，确定动力系统发动机、电机、发电机以及制动系统的需求转矩。本发明针对双行星排式混合动力汽车工作模式多的特点，采用非线性模型预测优化控制，能够有效地控制动力耦合机构中各离合器和制动力的结合、断开状态，实现不同工作模式的优选和不同动力部件间能量的优化分配，充分发挥双行星排式混合动力汽车工作模式多的优点

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (6)

1.一种双行星排式混合动力汽车非线性模型预测控制方法，其特征在于，该控制方法包括以下步骤：

(1)确定双行星排式混合动力汽车的工作模式及各模式下双行星排动力耦合机构中离合器和制动器的结合状态；

(2)基于双行星排式混合动力汽车各工作模式下发动机、电机、发电机以及需求转矩的准静态模型，建立各个模式下的动力学方程；

(3)构建双行星排式混合动力汽车非线性模型预测控制的目标函数和约束条件；

(4)基于当前和过去的车速信息预测未来固定时间间隔内的车速，并求得相应时间间隔内的需求转矩；

(5)确定系统的控制变量和状态变量，通过对预测区间内目标函数的非线性优化，得到控制变量的最优控制序列，并选取控制序列的第一个控制量；

(6)基于求得的最优当前控制量，并结合步骤(2)中建立的各模式下的动力学方程，确定动力系统发动机、电机、发电机以及制动系统的需求转矩，实现混合动力汽车动力传动系统各部件功率流的优化分配。

2.根据权利要求1所述的一种双行星排式混合动力汽车非线性模型预测控制方法，其特征在于，所述步骤(3)中，为了使系统控制目标为保证燃油消耗最小，同时满足蓄电池的充放电平衡约束，目标函数L描述为：

其中，SOC(k)为蓄电池k时刻的荷电状态，SOC(k+1)为蓄电池k+1时刻的荷电状态，SOC_ref为蓄电池荷电状态的参考值，T为预测时域内的采样周期，α为蓄电池实际荷电状态与参考值差值的权重因子，为发动机燃油消耗率；

约束条件包括发动机、发电机、电机的最大转矩、转速约束，以及蓄电池的充放电功率约束，表示为：

ω_E，min≤ω_E≤ω_E，max，T_E，min≤T_E≤T_E，max

ω_M，min≤ω_M≤ω_M，max，T_M，min≤T_M≤T_M，max

ω_G，min≤ω_G≤ω_G，max，T_G，min≤T_G≤T_G，max

P_bat，min≤P_bat≤P_bat，max

其中，ω_E，ω_M，ω_G分别为发动机、电动机和发电机的转速，T_E，T_M，T_G分别为发动机、电动机和发电机的转矩，P_bat为蓄电池的充放电功率，·，_max和·，_min分别表示相应变量的最大值和最小值。

3.根据权利要求1所述的一种双行星排式混合动力汽车非线性模型预测控制方法，其特征在于，所述步骤(4)中，基于当前和过去的车速信息预测未来固定时间间隔内的车速，预测模型可以采用自回归模型或者马尔科夫概率转移模型。

4.根据权利要求1所述的一种双行星排式混合动力汽车非线性模型预测控制方法，其特征在于，所述步骤(5)中，状态变量选为蓄电池SOC，控制变量包括发动机转矩、发动机转速和双行星排式动力耦合机构中各个离合器、制动器的开关信号；各个离合器、制动器的结合、断开状态分别由1和0表示，离合器、制动器的不同模式组合纳入到对混合动力汽车工作模式的划分中，通过非线性模型预测优化控制决策出混合动力汽车最优工作模式和发动机转速、转矩，离合器和制动器的控制信号由决策出的工作模式推导得到。

5.根据权利要求1所述的一种双行星排式混合动力汽车非线性模型预测控制方法，其特征在于，所述步骤(5)中的非线性优化方法为基于active-set算法的非线性规划方法或基于有限预测时域的动态规划算法。

6.根据权利要求5所述的一种双行星排式混合动力汽车非线性模型预测控制方法，其特征在于，当采用基于有限预测时域的动态规划算法求解最优控制量时，需要对状态变量和控制变量中的发动机转矩和转速进行离散化处理，为了降低优化过程的计算量，提高计算速度，结合双行星排式混合动力汽车发动机转速与整车转速解耦的优点，基于发动机最优功率曲线对控制变量中的发动机转矩和转速进行离散化处理，利用贝尔曼最优原理对预测时域内离散的状态变量和控制变量进行逆向递推，在满足约束条件的情况下，求得最优控制序列。