CN106740822A - 混合动力系统及其能量管理方法 - Google Patents

Abstract

本发明揭示了混合动力系统的能量管理方法，获取能量管理策略计算所需的信号数据，导航系统向驾驶模型提供行程驾驶信息。驾驶模型根据导航系统提供的行程驾驶信息计算整个行程的速度‑里程向量空间。根据接收到的能量管理策略计算所需的信号数据和整个行程的速度‑里程向量空间，以整个行程内油耗最小为目标利用最优控制理论和哈密顿函数求解，得到输出扭矩‑功率分配组合。对输出扭矩‑功率分配组合进行调整修正。发送输出扭矩‑功率分配组合，完成各能量源输出功率分配。本发明还揭示了一种使用该能量管理方法的混合动力系统。

Description

混合动力系统及其能量管理方法

技术领域

本发明涉及混合动力系统的控制技术，更具体地说，涉及混合动力系统的能量管理技术。

背景技术

混合动力汽车由两种能量源提供动力，一般包括燃油的发动机和由电力驱动的电动机。双能源系统在整车能量管理系统的协调控制下，与其他部件相互配合，可以进行多种优化组合，形成不同的动力系统工作模式，以适应不同的行驶工况。

能量管理策略的目标通常是具有多个输入变量和多个约束条件的多目标非线性优化问题，其控制策略对车辆的动力性和燃油经济性均有显著影响。按照理想的设计目标，在到达设计的车辆行驶距离时，车载储能系统(电力系统的电池)应达到耗尽状态。一方面，如果电池效果过快，过度的整车动力电池电量耗尽可能会导致整车系统的高压电气损耗或是增程器能量剩余，影响汽车整体的能量效率。另一方面，如果电池消耗过慢，车辆电量消耗不充分可能无法获得预先设计的减少燃料消耗的目的，动力电池系统的能力远没有达到可利用极限，造成电能的浪费和汽油的过多消耗。因此如何在混合动力汽车的应用中获得合适的不同能量源之间的功率和能量流分配是能量管理策略的根本问题之一。在实际应用中，由于行驶工况并不能精确预知，因此合适的能量管理策略是实现混合动力汽车节能环保的关键所在。

目前研究最为广泛的四类混合动力汽车能量管理策略：基于规则的控制策略、瞬时优化控制策略、全局优化控制策略和基于优化算法的自适应控制策略。

基于规则的控制策略的工作机理是：事先凭理论分析和工作经验直觉设定一系列的车辆预计工作状态值，将其工作区域划分。根据设置的临界工作点来判断车辆所工作的区域，从而采取相应的控制方式。基于规则逻辑门限算法相对简单，能够应用于实车控制器，结合离线优化的结果，能够对参数进行优化，从而得到更合理、经济的工作模式切换规则。这类策略的最大的优点是易于工程实现。但是，基于规则的能量管理策略，由于其规则是基于理论分析和工作经验，并非实际情况，因此无论是否进行过控制参数优化，该方案在燃油经济性的提高方面还是存在较大的局限性。

瞬时优化控制策略通常采用等效燃油消耗最少或功率损失最小算法，通过将两个能量源的能量消耗用特定方法进行量化统一，计算出整车瞬时最小能耗。该策略能保证在每一步长内是最优的，但无法保证在整个行驶周期内是最优的，而且该方法需要大量的浮点运算和比较精确的车辆及动力系统模型，计算量大，实现困难。这类能量管理策略目前在计算机仿真上取得了很好的燃料经济性效果，但在实车上并未广泛应用。主要是因为其对于车辆实时行驶状态参数的采集、分析及处理要求较高，目前的车载设备无法满足其要求，同时整车动力系统性能的变化对基础数据库的实时更新影响较大。

全局优化控制策略，在事先知道汽车行驶的所有过程中所有工况参数的条件下，可以实现能量管理的全局优化。全局优化模式实现了真正意义上的最优化，但实现这种策略的算法往往都比较复杂，计算量也很大，并且需要预先获得所有的道路信息，在实际车辆的实时控制中事先知道汽车行驶的所有过程中所有工况参数是不可能的，因此全局优化控制策略也很难得到有效的应用。

基于优化算法的自适应控制策略，可以根据当前车辆行驶状态和路况自动预测未来一段时间内的功率和能量需求来自动调整控制参数以适应行驶工况的变化。所谓自适应，就是在每一时间步，根据当前的行驶条件和路况要求来调整部件工作方式，通过优化算法，在保证目标函数最优化的前提下，将能量需求合理地分配给各个能量源。虽然自适应控制策略的目标函数模型优化算法等各不相同，但由于自适应控制要实时采集大量的动力系统运行数据，计算能耗，预测未来工况，优化过程复杂，计算量大，同样由于当前车载设备的计算能力的闲置而导致其目前无法在实际中得到有效的应用。

发明内容

根据本发明的一实施例，提出一种混合动力系统的能量管理方法，包括：

第一步骤，系统自检，若无故障则进入第三步骤，若有故障则进入第二步骤；

第二步骤，进行故障处理，在完成故障处理后，返回第一步骤再次进行系统自检；

第三步骤，获取能量管理策略计算所需的信号数据；

第四步骤，判断接收到的信号数据是否完整，若信号数据完整，接下来执行第五步骤，若信号数据不完整，则返回第三步骤重新获取能量管理策略计算所需的信号数据；

第五步骤，导航系统向驾驶模型提供行程驾驶信息；

第六步骤，驾驶模型根据导航系统提供的行程驾驶信息计算整个行程的速度-里程向量空间；

第七步骤，根据接收到的能量管理策略计算所需的信号数据和整个行程的速度-里程向量空间，以整个行程内油耗最小为目标利用最优控制理论和哈密顿函数求解，得到输出扭矩-功率分配组合；

第八步骤，对输出扭矩-功率分配组合进行调整修正；

第九步骤，发送输出扭矩-功率分配组合，完成各能量源输出功率分配。

在一个实施例中，第一步骤中，整车控制器VMS、驱动电机控制器PEU、动力电池控制器BMS、内燃机控制器ECU以及导航系统分别对各自的子系统进行自检，判断有无故障。

在一个实施例中，第三步骤中，整车控制器VMS通过CAN总线向驱动电机控制器PEU、动力电池控制器BMS、内燃机控制器ECU以及导航系统发送访问信号，从中获取能量管理策略计算所需的信号数据。

在一个实施例中，能量管理策略计算所需的信号数据包括当前车速V、动力电池SOX(t)、整车需求扭矩T_vehicle、车辆预计行驶里程s_dist、车辆当前行驶里程s_t、整车动力系统附件功率P_{auxiliary_on}。

在一个实施例中，第四步骤中，由整车控制器VMS判断接收到的信号数据是否完整。

在一个实施例中，第五步骤中，导航系统向驾驶模型提供的行程驾驶信息包括：行程距离信息s_dist、车速限制信息v_lim、坡度信息α以及会导致车辆停车的信息。

在一个实施例中，第六步骤中，驾驶模型根据导航系统提供的行程驾驶信息计算整个行程的速度-里程向量空间，包括：

子步骤a)，计算里程-向量空间：

其中s^N为里程不同阶段的累计值，s_dist为整个周期内的里程，Δs为里程向量差值，为里程空间向量，s^k,k＝1,2,…,N为向量空间里的阶段距离轨迹；

子步骤b)，计算车辆速度限值：

其中v_lim为速度限值，v_sign为车辆采集到的速度信号，A_i为速度振幅，ω_i频率，为相位偏差，t^k为时间单位，A_i，ω_i，的求解利用傅里叶变换进行求解；

子步骤c)，计算整个行程的速度空间向量：

其中v为车速，v_lim为速度限值，α为车辆加速度，t为时间，d为车辆当前行驶状态，d＝1表示加速，d＝2表示减速至较低的速度限值，d＝3表示减速至停车状态；s_rem为车速至下一个速度限值或者是至下一个车辆停车状态时车辆行驶里程；常数ξ为速度低限值边界，常数e和h为车辆加速和减速的典型特征，常数δ为代表的是车速接近目标车速v_lim时加速度降低；e，h，δ的解集及的初始值通过欧拉公式来进行求解。

在一个实施例中，第七步骤中，由整车控制器VMS根据接收到的能量管理策略计算所需的信号数据，通过实时计算得出整车需求扭矩T_vehicle，以整个行程内油耗最小为目标利用最优控制理论和哈密顿函数实时计算内燃机输出扭矩T_ice、电机输出扭矩T_mg、经过实时调整修正得出输出扭矩分配组合T_vehicle＝F(T_ice,T_mg)。

在一个实施例中，第七步骤中，根据接收到的能量管理策略计算所需的信号数据和整个行程的速度-里程向量空间，以整个行程内油耗最小为目标利用最优控制理论和哈密顿函数求解包括：

子步骤a)，计算整车需求扭矩及车轮转速：

整车需求扭矩为：

车轮转速为：

其中为整车需求扭矩，为车轮扭矩，m为整车整备质量，v^k为车速，g为重力加速度，b₀，b₁，b₂为车辆滑行时的阻力参数，由车辆道路滑行实验得出，r_wh为车轮半径，α为行驶道路坡度角，当α小于一定值时cosα＝1，α＝sinα＝tanα＝i，i为道路坡度；

子步骤b)，计算变速器的输入扭矩和变速器转速：

变速器的输入扭矩为：

变速器转速为：

其中l_gbx为变速器传动比，T_gbx,loss为变速箱损失扭矩，r^k为变速器的齿数比，r^k+1的选择由v^k以及r^k为输入推导出的离散数据空间决定；

子步骤c)，整个行程内整车油耗计算如下：

其中，为累计燃油消耗，v_f为燃油消耗流量，为内燃机扭矩，为内燃机转速；

子步骤d)，整个行程内整车油耗最小算法计算如下：

其中F^k为求极值函数，SOC^k为电池荷电状态，p^k为最优协状态参数，H^k为求最小值方程函数，I^k为电池包输出电流，Q_bat为电池容量，t^k为时间，r为变速器传动比，T_ice为内燃机输出扭矩，σ^k为整车驱动模式，σ^k＝1代表混合驱动模式(hybrid drive mode)，σ^k＝0代表电动模式(electric drive mode)，u^k∈U^k，T_mg为电机输出扭矩，为离合器输出扭矩，为离合器转速，ω_ice为内燃机转速，k∈{1,N-1}；

子步骤e)，动力电池输出功率计算：

其中为电机输出功率，为驱动电机转速，为变速器转速，g₁为电机功率对应扭矩和转速的函数，为整车动力附件系统功率，为动力电池输出功率。

在一个实施例中，第八步骤中对输出扭矩-功率分配组合进行调整修正包括：

其中P_{b_min},P_{ice_min}分别为动力电池、内燃机输出功率的下限，具体数值根据实际选用的动力电池和内燃机而设定，P_{b_max},P_{ice_max}分别为动力电池、内燃机输出功率的上限，具体数值根据实际选用的动力电池和内燃机而设定，P_b为动力电池系统输出功率；P_ice为内燃机的输出功率；

T_{mg_min},T_{ice_mmn}分别驱动电机、内燃机输出扭矩的下限，具体数值根据实际选用的驱动电机和内燃机而设定，T_{mg_max},T_{ice_max}分别为驱动电机、内燃机输出扭矩的上限，具体数值根据实际选用的驱动电机和内燃机而设定，T_mg为驱动电机输出扭矩；T_ice为内燃机的输出扭矩，SOC_min为动力电池荷电状态下限值，SOC_max为动力电池荷电状态上限值，SOC^N为整个行程结束时动力电池的荷电状态。

在一个实施例中，第九步骤中，整车控制器VMS通过CAN总线向动力电池控制器BMS、驱动电机控制器PEU以及内燃机控制器ECU发送输出功率扭矩分配组合，完成整车控制器VMS对动力系统各能量源输出功率分配。

根据本发明的一实施例，提出一种混合动力系统，适用前述的混合动力系统的能量管理方法，混合动力系统包括：动力电池、内燃机、导航系统、驱动电机、整车控制器VMS、动力电池控制器BMS、内燃机控制器ECU、驱动电机控制器PEU、整车动力系统附件、CAN总线和离合器；

整车控制器VMS通过CAN总线连接到内燃机控制器ECU、动力电池控制器BMS、驱动电机控制器PEU、导航系统和整车动力系统附件；内燃机与内燃机控制器ECU连接，动力电池与动力电池控制器BMS连接；动力电池、整车动力附件系统和驱动电机控制器PEU通过高压电线互相连接；内燃机、驱动电机通过离合器与变速器机械连接，变速器与车轮机械连接；

混合动力系统的能量管理方法使用的能量管理策略的控制参数通过CAN总线在整车控制器VMS与作为能量源的动力电池控制器BMS和内燃机控制器ECU、驱动电机控制器PEU之间完成数据交互；整车控制器VMS从CAN总线获得能量管理策略计算所需数据后利用驾驶模型计算获得速度-里程空间向量，再以整个周期内油耗最小为目标利用最优控制理论和哈密顿函数对目标函数进行求解，根据求解计算结果得出驾驶模式和功率分配组合，再通过CAN总线将输出扭矩-功率组合发送给各个能量源的控制器，包括动力电池控制器、驱动电机控制器以及内燃机控制器，以完成动力系统能量源扭矩-功率的实时调整。

本发明的混合动力系统的能量管理方法以及应用该方法的混合动力系统具有如下的有益效果：

1)本发明的速度-里程空间向量的算法和以整车油耗最小为目标的最优控制理论算法具有以下作用：a)根据道路信息及整车行驶状态完成速度-里程空间向量的更新，能够最大限度的接近实际行驶工况，能更好的满足用户的驾驶需求；b)以整车油耗最小为目标，实时调整能源系统的功率输出，使整车在整个周期内油耗的最小，排放最低。

2)该基于最优控制理论的算法和逻辑规则解决了背景技术中提到的混合动力汽车动力电池电量过度消耗或者是消耗不充分的问题。

3)该基于最优控制理论的最小算法和逻辑规则对控制器硬件要求较低，易于在整车上实现。

4)本发明所采用的能量管理算法可应用于燃料电池-蓄电池，内燃机-蓄电池，内燃机-超级电容等多种形式的新能源汽车混合动力系统，具有良好的扩展性。

附图说明

本发明上述的以及其他的特征、性质和优势将通过下面结合附图和实施例的描述而变的更加明显，在附图中相同的附图标记始终表示相同的特征，其中：

图1揭示了根据本发明的一实施例的混合动力系统的能量管理方法的流程图。

图2揭示了适用本发明的混合动力系统的能量管理方法的混合动力系统的拓扑结构图。

具体实施方式

在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的上述特征和优点，但下述的实施例不以任何形式限制本发明。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，都属于本发明的保护范围。

本发明的混合动力系统能量管理方法是以整车油耗最低为目标基于最有控制理论的能量管理算法，该算法将混合动力系统的能量管理策略简化为一组多输入、单输出的能量管理规则。使用该算法，根据当前车速V，动力电池SOC(t)、整车需求扭矩T_vehicle,车辆预计行驶里程s_dist，车辆当前行驶里程s_t，整车动力系统附件功率P_{auxiliary_on}，行程距离信息s_dist、车速限制信息v_lim，坡度信息α以及可能导致车辆停车的信息等参数通过实时计算来控制混合动力系统能量源的输出扭矩和输出功率，在满足驾驶员正常驾驶习惯及驾驶需求的前提下实现对整车油耗的最优化。

图2揭示了适用本发明的混合动力系统的能量管理方法的混合动力系统的拓扑结构图。参考图2所示，该混合动力系统是并联式混合动力系统。该混合动力系统包括：动力电池201、内燃机202、导航系统203、驱动电机204、整车控制器VMS 205、动力电池控制器BMS206、内燃机控制器ECU207、驱动电机控制器PEU 208、整车动力系统附件209、CAN总线210、变速器211、车轮212和离合器213。

整车控制器VMS 205通过CAN总线210连接到内燃机控制器ECU 207、动力电池控制器BMS 206、驱动电机控制器PEU 208、导航系统203和整车动力系统附件209。内燃机202与内燃机控制器ECU 207连接，动力电池201与动力电池控制器BMS 206连接。动力电池201、整车动力附件系统209和驱动电机控制器PEU 208通过高压电线互相连接。内燃机202、驱动电机204通过离合器213与变速器211机械连接，变速器211与车轮212机械连接。

本发明的混合动力系统的能量管理方法使用的能量管理策略的控制参数通过CAN总线210在整车控制器VMS 205与作为能量源的动力电池控制器BMS 206和内燃机控制器ECU 207、驱动电机控制器PEU 208之间完成数据交互。整车控制器VMS 205从CAN总线210获得能量管理策略计算所需数据后利用驾驶模型计算获得速度-里程空间向量，再以整个周期内油耗最小为目标利用最优控制理论和哈密顿函数对目标函数进行求解，计算出电池包输出功率P_bat和内燃机的输出扭矩T_ice。电池包输出功率P_bat和内燃机的输出扭矩T_ice为扭矩‐功率分配组合，再通过CAN总线210将输出扭矩-功率组合发送给各个能量源的控制器，包括动力电池控制器BMS 206和内燃机控制器ECU207、驱动电机控制器PEU 208，以完成动力系统能量源扭矩-功率的实时调整。

在一个实施例中，整车动力系统附件209包括整车散热子系统、空调子系统以及大灯、继电器等电器件、仪表等用电器的功耗。

图1揭示了根据本发明的一实施例的混合动力系统的能量管理方法的流程图。基于图2所示的并联式混合动力系统，本发明的基于最优控制理论的混合动力系统能量管理方法的混合动力系统能量管理方法的较佳实施例的流程如图1所示。

在步骤101中，整车控制器VMS、驱动电机控制器PEU、动力电池控制器BMS、内燃机控制器ECU以及导航系统分别对各自的子系统进行自检，判断有无故障。若无故障则进入各系统就绪状态，执行步骤103。若有故障，则进入故障处理机构步骤102。

在步骤102中，进行故障处理，在完成故障处理后，返回步骤101再次进行系统自检。

在步骤103中，整车控制器VMS通过CAN总线向驱动电机控制器PEU、动力电池控制器BMS、内燃机控制器ECU以及导航系统发送访问信号，从中获取能量管理策略计算所需的信号数据。在一个实施例中，能量管理策略计算所需的信号数据包括当前车速V、动力电池SOC(t)、整车需求扭矩T_vehicle、车辆预计行驶里程s_dist、车辆当前行驶里程s_t、整车动力系统附件功率P_{auxiliary_on}。

在步骤104中，整车控制器VMS判断接收到的信号数据是否完整，若信号数据完整，接下来执行步骤105。若信号数据不完整，则返回步骤103重新获取能量管理策略计算所需的信号数据。

在步骤105中，导航系统向驾驶模型提供行程驾驶信息。在一个实施例中，在步骤105中，导航系统向驾驶模型提供的行程驾驶信息包括：行程距离信息s_dist、车速限制信息v_lim、坡度信息α以及会导致车辆停车的信息。驾驶模型由整车控制器VMS提供，或者说驾驶模型在整车控制器VMS中实现。导航系统可以采用任何现有的或者正在开发中的导航系统，例如GPS或者北斗系统。

在步骤106中，驾驶模型根据导航系统提供的行程驾驶信息计算整个行程的速度-里程向量空间。在一个实施例中，在步骤106中，驾驶模型根据导航系统提供的行程驾驶信息计算整个行程的速度-里程向量空间，包括：

子步骤a)，计算里程-向量空间：

其中s^N为里程不同阶段的累计值，s_dist为整个周期内的里程，Δs为里程向量差值，为里程空间向量，s^k,k＝1,2,…,N为向量空间里的阶段距离轨迹；

子步骤b)，计算车辆速度限值：

其中v_lim为速度限值，v_sign为车辆采集到的速度信号，A_i为速度振幅，ω_i频率，为相位偏差，t^k为时间单位，A_i，ω_i，的求解利用傅里叶变换进行求解；

子步骤c)，计算整个行程的速度空间向量：

其中v为车速，v_lim为速度限值，α为车辆加速度，t为时间，d为车辆当前行驶状态，d＝1表示加速，d＝2表示减速至较低的速度限值，d＝3表示减速至停车状态；s_rem为车速至下一个速度限值或者是至下一个车辆停车状态时车辆行驶里程；常数ξ为速度低限值边界，常数e和h为车辆加速和减速的典型特征，常数δ为代表的是车速接近目标车速v_lim时加速度降低；e，h，δ的解集及的初始值通过欧拉公式来进行求解。

在步骤107中，根据接收到的能量管理策略计算所需的信号数据和整个行程的速度-里程向量空间，以整个行程内油耗最小为目标利用最优控制理论和哈密顿函数求解，得到输出扭矩-功率分配组合。在一个实施例中，在步骤107中，由整车控制器VMS根据接收到的能量管理策略计算所需的信号数据，通过实时计算得出整车需求扭矩T_vehicle，以整个行程内油耗最小为目标利用最优控制理论和哈密顿函数实时计算内燃机输出扭矩T_ice、电机输出扭矩T_mg、经过实时调整修正得出输出扭矩分配组合T_vehicle＝F(T_ice,T_mg)。

在步骤107中根据接收到的能量管理策略计算所需的信号数据和整个行程的速度-里程向量空间，以整个行程内油耗最小为目标利用最优控制理论和哈密顿函数求解包括：

子步骤a)，计算整车需求扭矩及车轮转速：

整车需求扭矩为：

车轮转速为：

其中为整车需求扭矩，为车轮扭矩，m为整车整备质量，v^k为车速，g为重力加速度，b₀，b₁，b₂为车辆滑行时的阻力参数，由车辆道路滑行实验得出，r_wh为车轮半径，α为行驶道路坡度角，当α小于一定值时cosα＝1，α＝sinα＝tanα＝i，i为道路坡度；

子步骤b)，计算变速器的输入扭矩和变速器转速：

变速器的输入扭矩为：

变速器转速为：

其中l_gbx为变速器传动比，T_gbx,loss为变速箱损失扭矩，r^k为变速器的齿数比，r^k+1的选择由v^k以及r^k为输入推导出的离散数据空间决定；

子步骤c)，整个行程内整车油耗计算如下：

其中，为累计燃油消耗，v_f为燃油消耗流量，为内燃机扭矩，为内燃机转速；

子步骤d)，整个行程内整车油耗最小算法计算如下：

其中F^k为求极值函数，SOC^k为电池荷电状态，p^k为最优协状态参数，H^k为求最小值方程函数，I^k为电池包输出电流，Q_bat为电池容量，t^k为时间，r为变速器传动比，T_ice为内燃机输出扭矩，σ^k为整车驱动模式，σ^k＝1代表混合驱动模式(hybrid drive mode)，σ^k＝0代表电动模式(electric drive mode)，u^k∈U^k，T_mg为电机输出扭矩，为离合器输出扭矩，为离合器转速，ω_ice为内燃机转速，k∈{1,N-1}；

子步骤e)，动力电池输出功率计算：

其中为电机输出功率，为驱动电机转速，为变速器转速，g₁为电机功率对应扭矩和转速的函数，为整车动力附件系统功率，为动力电池输出功率。

在步骤108中，对输出扭矩-功率分配组合进行调整修正。在一个实施例中，步骤108中对输出扭矩-功率分配组合进行调整修正包括：

其中P_{b_min},P_{ice_min}分别为动力电池、内燃机输出功率的下限，具体数值根据实际选用的动力电池和内燃机而设定，P_{b_max},P_{ice_max}分别为动力电池、内燃机输出功率的上限，具体数值根据实际选用的动力电池和内燃机而设定，P_b为动力电池系统输出功率；P_ice为内燃机的输出功率；

T_{mg_min},T_{ice_min}分别驱动电机、内燃机输出扭矩的下限，具体数值根据实际选用的驱动电机和内燃机而设定，T_{mg_max},T_{ice_max}分别为驱动电机、内燃机输出扭矩的上限，具体数值根据实际选用的驱动电机和内燃机而设定，T_mg为驱动电机输出扭矩；T_ice为内燃机的输出扭矩，SOC_min为动力电池荷电状态下限值，SOC_max为动力电池荷电状态上限值，SOC^N为整个行程结束时动力电池的荷电状态。

在步骤109中，发送输出扭矩-功率分配组合，完成各能量源输出功率分配。在一个实施例中，步骤109中，整车控制器VMS通过CAN总线向动力电池控制器BMS、驱动电机控制器PEU以及内燃机控制器ECU发送输出功率扭矩分配组合，完成整车控制器VMS对动力系统各能量源输出功率分配。

本发明的混合动力系统的能量管理方法以及应用该方法的混合动力系统具有如下的有益效果：

1)本发明的速度-里程空间向量的算法和以整车油耗最小为目标的最优控制理论算法具有以下作用：a)根据道路信息及整车行驶状态完成速度-里程空间向量的更新，能够最大限度的接近实际行驶工况，能更好的满足用户的驾驶需求；b)以整车油耗最小为目标，实时调整能源系统的功率输出，使整车在整个周期内油耗的最小，排放最低。

2)该基于最优控制理论的算法和逻辑规则解决了背景技术中提到的混合动力汽车动力电池电量过度消耗或者是消耗不充分的问题。

3)该基于最优控制理论的最小算法和逻辑规则对控制器硬件要求较低，易于在整车上实现。

4)本发明所采用的能量管理算法可应用于燃料电池-蓄电池，内燃机-蓄电池，内燃机-超级电容等多种形式的新能源汽车混合动力系统，具有良好的扩展性。

上述实施例是提供给熟悉本领域内的人员来实现或使用本发明的，熟悉本领域的人员可在不脱离本发明的发明思想的情况下，对上述实施例做出种种修改或变化，因而本发明的保护范围并不被上述实施例所限，而应该是符合权利要求书提到的创新性特征的最大范围。

Claims (12)

1.一种混合动力系统的能量管理方法，其特征在于，包括：

第一步骤，系统自检，若无故障则进入第三步骤，若有故障则进入第二步骤；

第二步骤，进行故障处理，在完成故障处理后，返回第一步骤再次进行系统自检；

第三步骤，获取能量管理策略计算所需的信号数据；

第四步骤，判断接收到的信号数据是否完整，若信号数据完整，接下来执行第五步骤，若信号数据不完整，则返回第三步骤重新获取能量管理策略计算所需的信号数据；

第五步骤，导航系统向驾驶模型提供行程驾驶信息；

第六步骤，驾驶模型根据导航系统提供的行程驾驶信息计算整个行程的速度-里程向量空间；

第七步骤，根据接收到的能量管理策略计算所需的信号数据和整个行程的速度-里程向量空间，以整个行程内油耗最小为目标利用最优控制理论和哈密顿函数求解，得到输出扭矩-功率分配组合；

第八步骤，对输出扭矩-功率分配组合进行调整修正；

第九步骤，发送输出扭矩-功率分配组合，完成各能量源输出功率分配。

2.如权利要求1所述的混合动力系统的能量管理方法，其特征在于，所述第一步骤中，整车控制器VMS、驱动电机控制器PEU、动力电池控制器BMS、内燃机控制器ECU以及导航系统分别对各自的子系统进行自检，判断有无故障。

3.如权利要求2所述的混合动力系统的能量管理方法，其特征在于，所述第三步骤中，整车控制器VMS通过CAN总线向驱动电机控制器PEU、动力电池控制器BMS、内燃机控制器ECU以及导航系统发送访问信号，从中获取能量管理策略计算所需的信号数据。

4.如权利要求3所述的混合动力系统的能量管理方法，其特征在于，所述能量管理策略计算所需的信号数据包括当前车速V、动力电池SOC(t)、整车需求扭矩T_vehicle、车辆预计行驶里程s_dist、车辆当前行驶里程s_t、整车动力系统附件功率P_{auxiliary_on}。

5.如权利要求2所述的混合动力系统的能量管理方法，其特征在于，所述第四步骤中，由整车控制器VMS判断接收到的信号数据是否完整。

6.如权利要求2所述的混合动力系统的能量管理方法，其特征在于，所述第五步骤中，导航系统向驾驶模型提供的行程驾驶信息包括：行程距离信息s_dist、车速限制信息v_lim、坡度信息α以及会导致车辆停车的信息。

7.如权利要求2所述的混合动力系统的能量管理方法，其特征在于，所述第六步骤中，驾驶模型根据导航系统提供的行程驾驶信息计算整个行程的速度-里程向量空间，包括：

子步骤a)，计算里程-向量空间：

$\left\{\begin{array}{c}0=s^1<s^2<s^3<...<s^N=s_{dist}\\ \mathrm{\&Delta;}s=s^{k+1}-s^k=const\\ \stackrel{\&OverBar;}{s}=\&lsqb;s^1,s^2,s^3,...,s^N\&rsqb;\end{array}\right.$

其中s^N为里程不同阶段的累计值，s_dist为整个周期内的里程，Δs为里程向量差值，为里程空间向量，s^k,k＝1,2,…,N为向量空间里的阶段距离轨迹；

子步骤b)，计算车辆速度限值：

其中v_lim为速度限值，v_sign为车辆采集到的速度信号，A_i为速度振幅，ω_i频率，为相位偏差，t^k为时间单位，A_i，ω_i，的求解利用傅里叶变换进行求解；

子步骤c)，计算整个行程的速度空间向量：

$\left\{\begin{array}{c}\frac{dv}{ds}=\left\{\begin{array}{cc}\frac{e}{v}*(1-{\left(\frac{v}{v_{\lim }}\right)}^{\mathrm{\&delta;}}),& d=1\\ -\frac{e}{v}*(1-{\left(\frac{v}{v_{\lim }}\right)}^{\mathrm{\&delta;}}),& d=2\\ \frac{1}{h*v}*{\left(\frac{v^2}{2*s_{rem}}\right)}^2,& d=3\end{array}\right.\\ t^{k+1}=t^k+\frac{\mathrm{\&Delta;}s}{v^k}\\ a^k=\frac{v^{k+1}-v^k}{t^{k+1}-t^k}\\ v^{k+1}=\max (\mathrm{\&xi;},v^k+\frac{dv}{ds}*\mathrm{\&Delta;}s)\end{array}\right.$

其中v为车速，v_lim为速度限值，α为车辆加速度，t为时间，d为车辆当前行驶状态，d＝1表示加速，d＝2表示减速至较低的速度限值，d＝3表示减速至停车状态；s_rem为车速至下一个速度限值或者是至下一个车辆停车状态时车辆行驶里程；常数ξ为速度低限值边界，常数e和h为车辆加速和减速的典型特征，常数δ为代表的是车速接近目标车速v_lim时加速度降低；e，h，δ的解集及的初始值通过欧拉公式来进行求解。

8.如权利要求2所述的混合动力系统的能量管理方法，其特征在于，所述第七步骤中，由整车控制器VMS根据接收到的能量管理策略计算所需的信号数据，通过实时计算得出整车需求扭矩T_vehicle，以整个行程内油耗最小为目标利用最优控制理论和哈密顿函数实时计算内燃机输出扭矩T_ice、电机输出扭矩T_mg、经过实时调整修正得出输出扭矩分配组合T_vehicle＝F(T_ice,T_mg)。

9.如权利要求8所述的混合动力系统的能量管理方法，其特征在于，所述第七步骤中，根据接收到的能量管理策略计算所需的信号数据和整个行程的速度-里程向量空间，以整个行程内油耗最小为目标利用最优控制理论和哈密顿函数求解包括：

子步骤a)，计算整车需求扭矩及车轮转速：

整车需求扭矩为：

$T_{vehicle}^k=T_{wh}^k=r_{wh}^k*\left(mgsin\right({\mathrm{\&alpha;}}^k)+b_0+b_1*v^k+b_2*{\left(v^k\right)}^2+m*a^k)$

车轮转速为：

${\mathrm{\&omega;}}_{wh}^k=\frac{v^k}{r_{wh}};$

其中为整车需求扭矩，为车轮扭矩，m为整车整备质量，v^k为车速，g为重力加速度，b₀，b₁，b₂为车辆滑行时的阻力参数，由车辆道路滑行实验得出，r_wh为车轮半径，α为行驶道路坡度角，当α小于一定值时cosα＝1，α＝sinα＝tanα＝i，i为道路坡度；

子步骤b)，计算变速器的输入扭矩和变速器转速：

变速器的输入扭矩为：

$T_{cltch}^k=\frac{T_{wh}^k}{l_{gbx}\left(r^k\right)}+T_{gbx,loss}(r^k,T_{wh}^k,{\mathrm{\&omega;}}_{wh}^k);$

变速器转速为：

${\mathrm{\&omega;}}_{cltch}^k={\mathrm{\&omega;}}_{wh}^k*l_{gbx}\left(r^k\right);$

其中l_gbx为变速器传动比，T_gbx,loss为变速箱损失扭矩，r^k为变速器的齿数比，r^k+1的选择由v^k以及r^k为输入推导出的离散数据空间决定；

子步骤c)，整个行程内整车油耗计算如下：

其中，为累计燃油消耗，v_f为燃油消耗流量，为内燃机扭矩，为内燃机转速；

子步骤d)，整个行程内整车油耗最小算法计算如下：

$\left\{\begin{array}{c}{F}^k={\left[\begin{array}{cc}{\mathrm{SOC}}^k& p^k\end{array}\right]}^T\\ F^{k+1}=F^k+\left[\begin{array}{c}100*\frac{I^k}{Q_{bat}}\\ -{\&dtri;}_{{\mathrm{SOC}}^k}{H}^k\end{array}\right]*(t^{k+1}-t^k)\\ H^k=v_f\left(T_{ice}\right(u^k,{\mathrm{\&sigma;}}^k,r),{\mathrm{\&omega;}}_{ice}({\mathrm{\&sigma;}}^k,k\left)\right)+p^k\left(\frac{I^k(u^k,{\mathrm{\&sigma;}}^k,{\mathrm{SOC}}^k,r)}{Q_{bat}}\right)\\ \left\{\begin{array}{cc}{\hat{u}}_{\mathrm{\&sigma;}}^k=\arg \underset{u^k\&Element;U^k}{\min }H(u^k,\mathrm{\&sigma;},{\mathrm{SOC}}^k,T_{clth}^k,{\mathrm{\&omega;}}_{clth}^k),& {\mathrm{\&sigma;}}^k=1\\ {\widehat{\mathrm{\&sigma;}}}^k=\arg \underset{{\mathrm{\&sigma;}}^k\&Element;(0,1)}{\min }H({\hat{u}}_{\mathrm{\&sigma;}}^k,{\mathrm{\&sigma;}}^k,{\mathrm{SOC}}^k,T_{clth}^k,{\mathrm{\&omega;}}_{clth}^k),& {\mathrm{\&sigma;}}^k=0\end{array}\right.\\ T_{cltch}^k=\left\{\begin{array}{cc}{T}_{ice}^k+T_{mg}^k,& {\mathrm{\&sigma;}}^k=1\\ T_{mg}^k,& {\mathrm{\&sigma;}}^k=0\end{array}\right.\\ U^k=\left\{\begin{array}{cc}\&lsqb;T_{mg},\min \left({\mathrm{\&omega;}}_{clth}^k\right),T_{mg},\max \left({\mathrm{\&omega;}}_{clth}^k\right)\&rsqb;,& {\mathrm{\&sigma;}}^k=1\\ T_{cltch}^k,& {\mathrm{\&sigma;}}^k=0\end{array}\right.\\ {\mathrm{\&sigma;}}^k=\left\{\begin{array}{cc}1,& hybriddrive\mathrm{mod}e\\ 0,& electricdrive\mathrm{mod}e\end{array}\right.\end{array}\right.$

其中F^k为求极值函数，SOC^k为电池荷电状态，p^k为最优协状态参数，H^k为求最小值方程函数，I^k为电池包输出电流，Q_bat为电池容量，t^k为时间，r为变速器传动比，T_ice为内燃机输出扭矩，σ^k为整车驱动模式，σ^k＝1代表混合驱动模式(hybrid drive mode)，σ^k＝0代表电动模式(electric drive mode)，u^k∈U^k，T_mg为电机输出扭矩，为离合器输出扭矩，为离合器转速，ω_ice为内燃机转速，k∈{1,N-1}；

子步骤e)，动力电池输出功率计算：

$\left\{\begin{array}{c}{P}_{mg}^k=g_1(T_{mg}^k,{\mathrm{\&omega;}}_{mg}^k)\\ {\mathrm{\&omega;}}_{mg}^k={\mathrm{\&omega;}}_{cltch}^k\\ P_{bat}^k=-P_{mg}^k-P_{auxiliary\_ON}^k\end{array}\right.$

其中为电机输出功率，为驱动电机转速，为变速器转速，g₁为电机功率对应扭矩和转速的函数，为整车动力附件系统功率，为动力电池输出功率。

10.如权利要求2所述的混合动力系统的能量管理方法，其特征在于，所述第八步骤中对输出扭矩-功率分配组合进行调整修正包括：

$\left\{\begin{array}{c}{T}_{mg\_\min },T_{ice\_min}\&le;T_{mg},T_{ice}\&le;T_{mg\_max},T_{ice\_max}\\ {\mathrm{SOC}}_{min}\&le;{\mathrm{SOC}}^k\&le;{\mathrm{SOC}}_{\max }\\ {\mathrm{SOC}}^N={\mathrm{SOC}}_{\min }\\ P_{bat\_\min },P_{ice\_min}\&le;P_{bat},P_{ice}\&le;P_{bat\_max},P_{ice\_max}\end{array}\right.$

其中P_{b_min},P_{ice_min}分别为动力电池、内燃机输出功率的下限，具体数值根据实际选用的动力电池和内燃机而设定，P_{b_max},P_{ice_max}分别为动力电池、内燃机输出功率的上限，具体数值根据实际选用的动力电池和内燃机而设定，P_b为动力电池系统输出功率；P_ice为内燃机的输出功率；

T_{mg_min},T_{ice_min}分别驱动电机、内燃机输出扭矩的下限，具体数值根据实际选用的驱动电机和内燃机而设定，T_{mg_max},T_{ice_max}分别为驱动电机、内燃机输出扭矩的上限，具体数值根据实际选用的驱动电机和内燃机而设定，T_mg为驱动电机输出扭矩；T_ice为内燃机的输出扭矩，SOC_min为动力电池荷电状态下限值，SOC_max为动力电池荷电状态上限值，SOC^N为整个行程结束时动力电池的荷电状态。

11.如权利要求2所述的混合动力系统的能量管理方法，其特征在于，所述第九步骤中，整车控制器VMS通过CAN总线向动力电池控制器BMS、驱动电机控制器PEU以及内燃机控制器ECU发送输出功率扭矩分配组合，完成整车控制器VMS对动力系统各能量源输出功率分配。

12.一种混合动力系统，其特征在于，适用如权利要求1-11中任一项所述的混合动力系统的能量管理方法，所述混合动力系统包括：动力电池、内燃机、导航系统、驱动电机、整车控制器VMS、动力电池控制器BMS、内燃机控制器ECU、驱动电机控制器PEU、整车动力系统附件、CAN总线和离合器；

整车控制器VMS通过CAN总线连接到内燃机控制器ECU、动力电池控制器BMS、驱动电机控制器PEU、导航系统和整车动力系统附件；内燃机与内燃机控制器ECU连接，动力电池与动力电池控制器BMS连接；动力电池、整车动力附件系统和驱动电机控制器PEU通过高压电线互相连接；内燃机、驱动电机通过离合器与变速器机械连接，变速器与车轮机械连接；

所述混合动力系统的能量管理方法使用的能量管理策略的控制参数通过CAN总线在整车控制器VMS与作为能量源的动力电池控制器BMS和内燃机控制器ECU、驱动电机控制器PEU之间完成数据交互；整车控制器VMS从CAN总线获得能量管理策略计算所需数据后利用驾驶模型计算获得速度-里程空间向量，再以整个周期内油耗最小为目标利用最优控制理论和哈密顿函数对目标函数进行求解，根据求解计算结果得出驾驶模式和功率分配组合，再通过CAN总线将输出扭矩-功率组合发送给各个能量源的控制器，包括动力电池控制器、驱动电机控制器以及内燃机控制器，以完成动力系统能量源扭矩-功率的实时调整。