CN106428008A - 一种汽车起停系统自适应控制方法 - Google Patents

Abstract

本发明公开了一种汽车起停系统自适应控制方法，采用LVQ神经网络实时识别当前行驶工况类型，当汽车满足起停系统中发动机自动停机基本条件时，根据当前停车初始时刻识别的工况类型选择合适的起停系统控制参数（延迟作用时间与速度阈值），判断起停功能有效或禁止，提高起停系统的整体节油效果。所述行驶工况类型包括四种典型行驶工况，分为严重拥挤、拥挤、轻度拥挤、通畅，通过样本学习得到LVQ神经网络分类器。所述合适的起停系统控制参数是通过分别统计四种典型行驶工况的状态变量（停车怠速时间与停车前工况块平均车速），采用非线性约束优化思想建立目标函数为起停系统节省的怠速时间最大化的起停系统控制参数寻优模型获得。

Description

一种汽车起停系统自适应控制方法

技术领域

本发明涉及微混合动力汽车的起停控制策略优化，具体是起停系统自适应控制。

背景技术

微混合动力汽车是混合动力汽车的入门技术，起停系统就是微混合动力的关键技术。发动机怠速是克服发动机自身运转的阻力，保持发动机的最小运转速度，它并不对外做功。发动机在怠速过程燃油燃烧不充分，使得燃油经济性与排放性都变差。如果能减少或避免汽车处于怠速的时间，汽车将实现节能减排。起停系统就是当车辆停止，为了避免发动机怠速过程所产生的油耗与排放，发动机自动停机，当车辆有起动意图时，起动机快速起动发动机到达怠速状态。目前关于起停系统的研究主要集中在起停系统相关零部件的增强与改造和起停系统控制策略等。

起停系统控制策略就是发动机起动/停止协调控制，分为两部分：发动机自动停机条件和自动起动条件，具体可分为自动停机/起动使能条件和自动停机/起动触发条件。针对配置起停系统的汽车而言，在满足发动机自动停机条件下发动机自动停机。但是汽车停车时间太短需要起动则发动机自动起动，与发动机保持怠速情况下的燃油消耗对比并不能达到节油效果，反而会增加油耗，这样就导致了发动机的无效怠速停机。

不同行驶工况下的怠速分布特征不同，即无效怠速停机与频繁起停。国内外为避免无效怠速停机与频繁起停普遍采用的方法是对自动停机使能条件增加延迟作用时间与设置速度阈值。(1)延迟作用时间，当满足所有自动停机的要求且起停功能有效时，延迟起停功能作用的时间，在这段时间后，如果还能满足所有的自动停机的要求，则发动机自动停机；反之，则发动机保持原来的状态。延迟作用时间可以有效的避免短时间的怠速停机。(2)设置速度阈值，是起停功能使能控制因素，当所定义的速度实际值超过这个速度阈值时，起停功能有效；当所定义的速度实际值小于这个速度阈值时，起停功能禁止。设置速度阈值可以避免汽车行驶缓慢频繁起停的情况下发动机自动停机。在不同行驶工况下选择合适的延迟作用时间与速度阈值，使得起停系统在该行驶工况下达到更好的节油效果，这样就提高了起停系统的整体节油效果。

针对以上提出的问题，本发明提出一种汽车起停系统自适应控制方法。选取四种典型行驶工况对实际行驶工况进行覆盖，对四种典型行驶工况采用非线性约束优化方法分别选取最佳的起停系统控制参数(延迟作用时间与速度阈值)使得起停系统在该行驶工况下节油效果最好。采用LVQ(Learning Vector Quantization，学习矢量向量)神经网络对当前行驶工况类型进行识别，根据行驶工况类型选择合适的起停系统控制参数。

发明内容

本发明的目的是准确识别当前行驶工况类型，根据识别的工况类型选择合适的起停系统控制参数，提升起停系统的整体节油效果。

本发明采用的具体技术方案如下：

(1)汽车实时识别行驶工况类型，所述行驶工况类型包括四种典型行驶工况，分别是严重拥挤、拥挤、轻度拥挤、通畅；

(2)汽车在满足起停系统中发动机自动停机的基本条件下，根据当前停车初始时刻所处工况类型选择合适的起停系统控制参数，判断起停功能有效或禁止，所述起停系统控制参数包括延迟作用时间与设置速度阈值。

上述方法中，所述步骤(1)中包括：

首先选取四种典型行驶工况，采用滚动时间窗分别得到四种典型行驶工况的样本运动学片段，基于Wrapper框架特征选择方法从行驶工况特征参数全集中选择最优特征参数子集。

然后利用特征选择后的最优特征参数子集作为行驶工况特征向量，采用LVQ神经网络作为分类器进行学习分类，得到行驶工况识别网络。

最后提取汽车当前时刻的历史运动学片段的特征参数，将特征向量输入行驶工况识别网络得到当前时刻行驶工况类型。

上述方法中，所述步骤(2)中包括：

首先判断汽车满足发动机自动停机的基本条件，自动停机的基本条件包括无起停系统相关诊断故障、无禁止发动机停机的车辆需求、无禁止发动机停机的发动机需求以及驾驶员有停车意图(针对手动挡汽车而言，满足汽车行驶速度为0、变速箱档位处于空挡、离合器踏板被松开三个条件)。

然后根据当前停车识别的工况类型选择合适的起停系统控制参数。起停系统控制参数的获取方法是：计算最小有效怠速停机时间；分别统计四种典型行驶工况的状态变量，即每次停车怠速时间与停车前工况块平均车速，所述工况块为连续行驶的运动学片段；采用非线性约束规划思想，建立起停系统控制参数寻优模型，所述模型目标函数为起停系统节省的怠速时间最大化，控制变量为起停系统控制参数，通过对比控制变量与状态变量关系得到起停功能有效或禁止函数，在考虑最小有效怠速停机时间的情况下得到目标函数；设定控制变量取值范围，采用穷举法寻找使得目标函数最大化的最佳控制变量组合，分别制定四种典型行驶工况下合适的起停系统控制参数。

最后判断起停功能有效或禁止，如果当前停车前工况块平均车速大于速度阈值且停车怠速时间大于延迟作用时间时，起停功能有效；反之，起停功能禁止。

与现有控制策略相比，本发明具有如下优点和效果：本发明选取了四种典型行驶工况，采用了LVQ神经网络简单高效的识别当前的行驶工况类型，根据识别的工况类型选择合适的起停系统控制参数，其中起停系统控制参数寻优是采用非线性约束优化建立与起停系统的节省怠速时间最大化为目标的数学模型获取，提高了起停系统的整体节油效果。

附图说明

图1为实例中四种典型行驶工况曲线图。

图2为实例中滚动时间窗。

图3为实例中基于封装式(Wrapper)框架特征参数选择流程。

图4为实例中行驶工况的状态变量示意图。

具体实施方式

以下结合附图和实例对本发明的具体实施作进一步说明，但本发明的实施和保护不限于此。

本实施方法中采用LVQ神经网络实现实时识别行驶工况类型。

(1)选取四种典型行驶工况作为参考，分别代表严重拥挤、拥挤、轻度拥挤、通畅四种类型的行驶工况，如图1所示。采用滚动时间窗分别得到四种典型行驶工况的样本运动学片段，如图2所示，其中时间窗长度pT＝150s(行驶工况样本长度)，滚动长度NT＝1s。

(2)分别从四种典型行驶工况中随机选择相同数量训练样本，剩余作为测试样本。采用基于Wrapper框架特征选择方法从行驶工况特征参数全集中选择最优特征参数子集，去除无效或者冗余的特征参数，提高分类器识别准确率。如图3所示，基于Wrapper框架特征选择流程是输入行驶工况特征参数全集，根据搜索算法获得特征参数子集，利用学习算法作为评价函数，得到最优特征参数子集。

(3)利用特征选择后的最优特征参数子集作为行驶工况特征向量，采用简单高效的LVQ神经网络作为分类器进行学习分类，得到行驶工况识别网络。

(4)提取汽车当前时刻的历史运动学片段的特征参数，将特征向量输入行驶工况识别网络得到当前时刻行驶工况类型。

本实施方法中起停系统中发动机自动停机的基本条件，自动停机的基本条件包括无起停系统相关诊断故障、无禁止发动机停机的车辆需求、无禁止发动机停机的发动机需求以及驾驶员有停车意图(针对手动挡汽车而言，满足汽车行驶速度为0、变速箱档位处于空挡、离合器踏板被松开三个条件)。

本实施方法中根据当前停车初始时刻所处工况类型选择合适的起停系统控制参数。起停系统控制参数的获取方法是：

(1)计算最小有效怠速停机时间。当汽车停止时，有两种情况，发动机怠速或自动停机。对这两种情况的能量消耗进行大小判断，即发动机自动停机过程的能量消耗加上发动机重启一次的能量消耗小于发动机不停机保持怠速过程的能量消耗，则为有效怠速停机，反之则为无效怠速停机，其中能量消耗包括电力负载与燃油消耗。当两者相等时，就能求得最小有效怠速停机时间。

发动机自动停机后，会给系统增加额外的电力负载，同时也会关闭一些电力负载。自动停机过程增加的电力负载(E_added)有电泵(保持线压和减少发动机起动时间)，辅助加热器泵(保持机舱温度)等。自动停机过程关闭的电力负载(E_saved)有发动机冷却扇，火花塞点火线圈，空调聚散器，燃油泵，燃料喷射器等。可得到自动停机相比不停机保持怠速的总体电力负载差ΔE_load：

ΔE_load＝E_added-E_saved

发动机重启一次的能量消耗(E_start)包括起动机起动消耗电能(E_{start-electric})与发动机起动一次的燃油消耗(E_start-fuel)。

E_start＝E_{start-electric}+E_start-fuel

把ΔE_load与E_{start-electric}归于一起，则自动停机/起动过程与不停机保持怠速过程的总体电力负载差(ΔE_load’)为：

ΔE_load’＝E_added+E_{start-electric}-E_saved

求得最小有效怠速停机时间t_min-stop：

式中，μ为发动机怠速燃油消耗率，ρ为燃油密度，η_eng为发动机效率，η_alt为发电机效率。所以有效怠速停机时间t_vs：

t_vs>t_min-stop

通过对比自动停机/起动过程与不停机保持怠速过程的能量消耗得到最小有效怠速停机时间。

(2)分别统计四种典型行驶工况的状态变量，即每次停车怠速时间与停车前工况块平均车速，所述工况块为连续行驶的运动学片段，如图4所示。状态变量为[t_i，v_i]，i＝1,2，…，n。其中t_i为每次停车怠速时间，v_i为每次停车前工况块的平均车速，n为该行驶工况的停车怠速总次数。通过对整个行驶工况的状态变量计算后，状态变量的个数n是由典型行驶工况的工况块的数量决定的。

(3)采用非线性约束规划思想，建立起停系统控制参数寻优模型，所述模型目标函数为起停系统节省的怠速时间最大化，控制变量为起停系统控制参数。控制变量(延迟作用时间t_d、速度阈值v_T)是决定最终目标函数的决策变量，通过改变控制变量的值，可以获得不同的目标函数值，最终选择最优的控制变量组合值。

通过对比控制变量与状态变量关系得到起停功能有效或禁止函数，已知当前停车怠速的状态变量：停车怠速时间t，停车前平均车速v。

a.当延迟作用时间为0或停车怠速时间大于延迟作用时间时起停功能有效，反之起停功能禁止，定义延迟作用时间函数f(t)为：

b.当速度阈值为0或停车前平均速度大于速度阈值时起停功能有效，反之起停功能禁止，定义速度阈值函数g(v)为：

其中，延迟作用时间为0且速度阈值为0时，表示无延迟作用时间与速度阈值，起停功能直接有效。

c.起停功能有效/禁止决定于这两个函数，并且只有这两个函数都为1时，起停功能有效，反之起停功能禁止，定义起停功能有效/禁止函数Fss为：

Fss((t,v),(t_d,v_T))＝f(t)·g(v)

其中，1代表起停功能有效，0代表起停功能禁止。

在考虑最小有效怠速停机时间的情况下得到目标函数。输入行驶工况的状态变量[t_i，v_i]，i＝1,2，…，n，通过调整控制变量的值，统计配置起停系统汽车在该行驶工况下节省的总怠速时间。

a.起停功能禁止Fss＝0

起停功能禁止的情况下，汽车发动机保持怠速工作状态，没有节省怠速时间。

b.起停功能有效Fss＝1

起停功能有效的情况下，汽车发动机将自动停机，考虑最小有效怠速停机时间，所以节省的怠速时间为(t-t_d-t_min-stop)。

c.综合上面所两种情况，可以得到目标函数

(4)设定控制变量取值范围，采用穷举法寻找使得目标函数最大化的最佳控制变量组合，分别得到四种典型行驶工况下合适的起停系统控制参数。

Claims (4)

1.一种汽车起停系统自适应控制方法，其特征在于包括如下步骤：

（1）汽车实时识别行驶工况类型，所述行驶工况类型包括四种典型行驶工况，分别是严重拥挤、拥挤、轻度拥挤、通畅；

（2）汽车在满足起停系统中发动机自动停机的基本条件下，根据当前停车初始时刻所处工况类型选择合适的起停系统控制参数，判断起停功能有效或禁止，所述起停系统控制参数包括延迟作用时间与设置速度阈值。

2.根据权利要求1所述的一种汽车起停系统自适应控制方法，其特征在于步骤（1）具体包括如下步骤：

1）选取四种典型行驶工况，采用滚动时间窗分别得到四种典型行驶工况的样本运动学片段，基于Wrapper框架特征选择方法从行驶工况特征参数全集中选择最优特征参数子集；

2）利用选择后的最优特征参数子集作为行驶工况特征向量，采用LVQ神经网络作为分类器进行学习分类，得到行驶工况识别网络；

3）提取汽车当前时刻的历史运动学片段的特征参数，将特征向量输入行驶工况识别网络得到当前时刻行驶工况类型。

3.根据权利要求1所述的一种汽车起停系统自适应控制方法，其特征在于步骤（2）所述起停系统控制参数的获取过程如下：

1）计算最小有效怠速停机时间；

2）分别统计四种典型行驶工况的状态变量，即每次停车怠速时间与停车前工况块平均车速，所述工况块为连续行驶的运动学片段；

3）采用非线性约束规划，建立起停系统控制参数寻优模型，所述模型目标函数为起停系统节省的怠速时间最大化，控制变量为起停系统控制参数，通过对比控制变量与状态变量关系得到起停功能有效或禁止函数，在考虑最小有效怠速停机时间的情况下得到目标函数；

4）设定控制变量取值范围，采用穷举法寻找使得目标函数最大化的最佳控制变量组合，分别得到四种典型行驶工况下合适的起停系统控制参数。

4.根据权利要求1所述一种汽车起停系统自适应控制方法，其特征在于步骤（2）判断起停功能有效或禁止方法为：

当前停车前工况块平均车速大于速度阈值，且停车怠速时间大于延迟作用时间时，起停功能有效；反之，起停功能禁止。