CN107161154B - 考虑档位的经济速度获取方法 - Google Patents

Abstract

一种考虑档位的经济速度获取方法，包括如下步骤：步骤1：采集车辆状态数据，并基于车辆固有参数，计算其他参数信息；步骤2：建立车辆纵向动力学模型，获取不同档位下转矩与车速关系；步骤3：基于已获取的车辆状态数据，建立基于转矩的车辆油耗模型：步骤31：推导基于转矩的油耗模型最小二乘形式；步骤32：建立带遗忘因子的最小二乘递推估计模型；步骤33：建立带遗忘因子的最小二乘递推估计油耗参数辨识模型；步骤4：利用发动机转速和汽车行驶速度的关系，结合车辆油耗模型及车辆纵向动力学模型，获取不同档位下的车速与燃油消耗率的关系表达式；步骤5：步骤五：基于不同档位的车速与燃油消耗率的关系表达式，求解不同档位下的经济车速。

Description

考虑档位的经济速度获取方法

技术领域

本发明涉及一种经济速度获取方法，具体的为一种基于OpenXC数据的考虑不同档位下的经济速度获取方法。

背景技术

随着汽车保有量的逐年增加，汽车所引起的能源短缺和环境污染问题已经引起了全世界的广泛关注。现有研究表明，给驾驶员提供合理的经济速度，可以改善驾驶员的驾驶行为，提高车辆燃油经济性。然而车辆在不同档位对应着不同的传动比，从而使得车辆在各个档位都会对应不同的经济车速。如果驾驶员按照当前档位下的经济车速行驶，那么车辆就能达到更好的节能减排效果。因此，研究考虑档位的经济驾驶策略具有积极的理论与实际意义。

目前经济性驾驶策略主要是基于速度的驾驶策略，通过获取车辆行驶的经济速度，提高燃油经济性。现有文献中，有关经济速度获取方法中，分为平直道路优化和坡道优化两类。在平直道路经济车速获取，一般会给出固定的经济速度，然而在城市道路中，交通状况复杂多变，车辆需要频繁的换挡，很难维持当前的经济车速。在坡道经济速度获取中，需要提前获取前方挡路坡度信息，根据前方道路坡度采取动态规划的方法，该方法计算复杂度高，并且需要提前预知挡路前方坡度信息，因而难以应用到实际车辆当中。此外，车辆正常行驶过程中需要经常换挡，然而，现有方法尚未考虑档位的影响，方法适应不高。与此同时，现有经济车速获取方法中，需要发动机油耗MAP图建立车辆油耗模型，然而不同车辆的间油耗MAP图差异较大，方法的通用性不强。

发明内容

有鉴于此，为了解决现有技术中存在的不足，本发明的目的在于提供一种考虑档位的经济速度获取方法，提示驾驶员在行驶过程中，选择合适的档位，并保持该档位下的经济车速行驶，提高车辆燃油经济性。

为达到上述目的，本发明提供如下技术方案：

一种考虑档位的经济速度获取方法，包括如下步骤：

步骤1：采集数据

步骤11：利用数据采集装置获取实时的车辆状态数据；

步骤12：基于车辆固有参数，计算其他参数信息；

步骤2：基于已获得的车辆状态数据，建立车辆纵向动力学模型，获取不同档位下转矩与车速关系；

步骤3：基于已获取的车辆状态数据，建立基于转矩的车辆油耗模型

步骤31：推导基于转矩的油耗模型最小二乘形式；

步骤32：建立带遗忘因子的最小二乘递推估计模型；

步骤33：建立带遗忘因子的最小二乘递推估计油耗参数辨识模型；

步骤4：利用发动机转速和汽车行驶速度的关系，结合车辆油耗模型及车辆纵向动力学模型，获取不同档位下的车速与燃油消耗率的关系表达式；

步骤5：基于不同档位的车速与燃油消耗率的关系表达式，求解不同档位下的经济车速。

进一步，所述步骤11中，车辆状态数据包括动机转矩T、车速V、发动机转速n、燃油消耗Q；

所述步骤12中，车辆固有参数包括轮胎滚动半径r、主减速器传动比i₀、变速器传动比i_g、道路滚动阻力系数f、传动系机械效率η、车辆空气阻力系数C_d、车辆正向迎风面积A、车辆质量m；

其中，加速度a可由车速v对时间差分获得，第k时刻的加速度可表示为：

燃油消耗率F_c可由燃油消耗Q对时间差分获得，第k时刻的燃油消耗率Fc可表示为：

其中△t为数据采集装置的采样周期。

进一步，所述步骤2中，车辆纵向动力学模型为：

F_t＝F_f+F_i+F_aero+F_j

其中，

F_t为车辆驱动力，且

F_f为滚动阻力，且F_f＝mgf；

F_i为坡度阻力，且F_i＝mgi，i为道路坡度；

F_aero为空气阻力，且

F_j为加速阻力。且F_j＝ma；

如此，即可得到不同档位下转矩与车速关系为：

不同档位变速器传动比i_g具有不同的值，且档位越高i_g越小。

进一步，所述步骤31中，推导基于转矩的油耗模型最小二乘形式

其中，a₁和ε₁为模型常数项系数和误差、a₂和ε₂为模型n项系数和误差、a₃和ε₃为模型nT项系数和误差、a₄和ε₄为模型n²T项系数和误差；

所述步骤32中，建立带遗忘因子的最小二乘递推估计模型的方法为：

设系统的输入输出关系可以描述成如下的最小二乘形式：

z(k)＝h^T(k)θ+n(k)

其中，z(k)是系统的输出，h(k)是可观测数据向量，n(k)为白噪声，θ为待估计参数；

当模型中存在四个待估计参数时，定义准则函数为：

其中λ为待估参数θ对应的遗忘因子；

利用序列{z(k)}和{h(k)}，极小化准则函数，即对θ求导，可求得参数θ的最小二乘估计值第k时刻的参数估计值可以表示为：

为了能够实时更新估计结果，需将上述估计结果转化为递推形式，得到带遗忘因子的最小二乘递推估计模型如下：

其中：

K(k)＝P(k-1)h(k)[h(k)^TP(k-1)h(k)+λ]^-1

所述步骤33中，建立带遗忘因子的最小二乘递推估计油耗参数辨识模型的方法如下：

将步骤31中的基于转矩的油耗模型最小二乘形式应用于步骤32中的最小二乘递推估计模型，则有：

z(k)＝F_C

h^T(k)＝[h₁(k)h₂(k)h₃(k)h₄(k)]＝[1 n nT n²T]

将上式带入最小二乘递推估计模型可得带遗忘因子的最小二乘油耗估计模型的递推形式为：

其中，λ分别为四个a₁、a₂、a₃、a₄待估计参数对应的遗忘因子，取值范围为[0,1)。

进一步，所述步骤4中，获取不同档位下的车速与燃油消耗率的关系表达式的方法如下：

发动机转速和车速关系：

匀速行驶时转矩与速度关系：

将以上两关系式带入车辆油耗模型，即可得到燃油消耗率与车速的关系：

进一步，所述步骤5中，不同档位下的经济车速的求解方法如下

将车速与燃油消耗率的关系表达式转化为单位距离油耗与速度的关系：

其中，m_s为单位距离油耗；

单位距离油耗与速度的关系表达式对速度求一阶导数

各档位变速器传动比i_g不同，将各个档位的i_g带入上式，获取各档位下的单位距离油耗极小值，此时对应的速度为各个档位下的经济速度。

本发明的有益效果在于：

本发明考虑档位的经济速度获取方法，建立通过最小二乘参数辨识的方法建立基于转矩的车辆油耗模型，提高了建模方法的通用性；在建立车辆油耗模型和车辆动力学模型的基础上，提出一种考虑档位的经济车速获取方法，获取车辆运行过程中不同档位所对应的经济车速，提高车辆在城市运行工况中巡航状态下的燃油经济性，提示驾驶员在行驶过程中，选择合适的档位，并保持该档位下的经济车速行驶。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明采用OpenXC数据采集装置通过OBD-II接口的数据采集框架图；

图2为基于转矩油耗模型参数辨识流程图；

图3为不同档位下经济车速获取流程图。

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，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

本实施例考虑档位的经济速度获取方法，包括如下步骤：

步骤1：采集数据

步骤11：本实施例利用OpenXC数据采集装置获取实时的车辆状态数据。具体的，为了实现汽车的智能化控制，目前各大汽车都采用CAN总线连接车内部所具有的控制器、执行器以及传感器，并将数据统一传输到OBD-II接口。实施例中采用美国福特汽车公司提供的OpenXC数据采集装置插入到OBD-II接口，然后开发基于数据采集软件APP，通过蓝牙设备接收实时的车辆状态数据，车辆状态数据包括转矩T、车速V、发动机转速n、燃油消耗Q、油门开度Th、刹车信号Br、档位信息Ge等。

步骤12：基于车辆固有参数，计算其他参数信息。本实施例采集的车辆固有参数包括轮胎滚动半径r、主减速器传动比i₀、变速器传动比i_g、道路滚动阻力系数f、传动系机械效率η、车辆空气阻力系数C_d、车辆正向迎风面积A、车辆质量m等，其他参数信息包括加速度a和燃油消耗率F_c；

其中，加速度a可由车速V对时间差分获得，第k时刻的加速度可表示为：

燃油消耗率F_c可由燃油消耗Q对时间差分获得，第k时刻的燃油消耗率Fc可表示为：

其中△t为OpenXC数据采集装置的采样周期。

步骤2：基于已获得的车辆状态数据，建立车辆纵向动力学模型，获取不同档位下转矩与车速关系。具体的，车辆纵向动力学模型为：

F_t＝F_f+F_i+F_aero+F_j

其中，

F_t为车辆驱动力，且

F_f为滚动阻力，且F_f＝mgf；

F_i为坡度阻力，且F_i＝mgi，i为道路坡度；

F_aero为空气阻力，且

F_j为加速阻力。且F_j＝ma；

经代换后，车辆纵向动力学模型可以表示为：

现有研究表明，考虑到行驶舒适性与燃油经济性，匀速行驶是一种合理的经济驾驶策略，如此，即可得到不同档位下转矩与车速关系为：

不同档位变速器传动比i_g具有不同的值，且档位越高i_g越小。

步骤3：基于已获取的车辆状态数据，建立基于转矩的车辆油耗模型

经济性驾驶的车辆油耗模型主要采用以下两种：一种功率需求型模型，该模型采用车辆速度、加速度，结合车辆动力学模型计算车辆瞬时功率需求，模型简洁易于实验获取，但是模型精度降低；另一种基于发动机万有特性图的油耗模型，该模型通过查询发动机万有特性图来建模，模型精度高。但是，不同车辆发动机万有特性图差异较大，这样车辆油耗模型建立不具备通用性。因此，本专利采用车辆运行时转速、转矩、油耗关系来建立车辆油耗模型，不需要发动机万有特性图，提高建模方法的适用性。

步骤31：推导基于转矩的油耗模型最小二乘形式

其中，a₁和ε₁为模型常数项系数和误差、a₂和ε₂为模型n项系数和误差、a₃和ε₃为模型nT项系数和误差、a₄和ε₄为模型n²T项系数和误差；

步骤32：建立带遗忘因子的最小二乘递推估计模型

在辨识递推计算过程中，协方差矩阵伴随着递推进行将衰减很快，测试算法的增益矩阵也急剧衰减，使得新数据失去对参数估计的修正能力。为保证新数据对参数估计的修正能力，使得更加准确的参数估计，本专利引入带遗忘因子的递推最小二乘算法。

设系统的输入输出关系可以描述成如下的最小二乘形式：

z(k)＝h^T(k)θ+n(k)

其中，z(k)是系统的输出，h(k)是可观测数据向量，n(k)为白噪声，θ为待估计参数；

当模型中存在四个待估计参数时，定义准则函数为：

其中λ为待估参数θ对应的遗忘因子；

利用序列{z(k)}和{h(k)}，极小化准则函数，即对θ求导，可求得参数θ的最小二乘估计值第k时刻的参数估计值可以表示为：

为了能够实时更新估计结果，需将上述估计结果转化为递推形式，得到带遗忘因子的最小二乘递推估计模型如下：

其中：

K(k)＝P(k-1)h(k)[h(k)^TP(k-1)h(k)+λ]^-1

步骤33：建立带遗忘因子的最小二乘递推估计油耗参数辨识模型

将步骤31中的基于转矩的油耗模型最小二乘形式应用于步骤32中的最小二乘递推估计模型，则有：

z(k)＝F_C

h^T(k)＝[h₁(k)h₂(k)h₃(k)h₄(k)]＝[1n nT n²T]

将上式带入最小二乘递推估计模型可得带遗忘因子的最小二乘油耗估计模型的递推形式为：

其中，λ分别为四个a₁、a₂、a₃、a₄待估计参数对应的遗忘因子，取值范围为[0,1)，默认情况下λ₁取为0.98。

步骤4：利用发动机转速和汽车行驶速度的关系，结合车辆油耗模型及车辆纵向动力学模型，获取不同档位下的车速与燃油消耗率的关系表达式。本实施例获取不同档位下的车速与燃油消耗率的关系表达式的方法如下：

发动机转速和车速关系：

匀速行驶时转矩与速度关系：

将以上两关系式带入车辆油耗模型，即可得到燃油消耗率与车速的关系：

步骤5：步骤五：基于不同档位的车速与燃油消耗率的关系表达式，求解不同档位下的经济车速。本实施例不同档位下的经济车速的求解方法如下：

将车速与燃油消耗率的关系表达式转化为单位距离油耗与速度的关系：

其中，m_s为单位距离油耗；

单位距离油耗与速度的关系表达式对速度求一阶导数

各档位变速器传动比i_g不同，将各个档位的i_g带入上式，获取各档位下的单位距离油耗极小值，此时对应的速度为各个档位下的经济速度。

本实施例考虑档位的经济速度获取方法，建立通过最小二乘参数辨识的方法建立基于转矩的车辆油耗模型，提高了建模方法的通用性；在建立车辆油耗模型和车辆动力学模型的基础上，提出一种考虑档位的经济车速获取方法，获取车辆运行过程中不同档位所对应的经济车速，提高车辆在城市运行工况中巡航状态下的燃油经济性，提示驾驶员在行驶过程中，选择合适的档位，并保持该档位下的经济车速行驶。

以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (5)

1.一种考虑档位的经济速度获取方法，其特征在于：包括如下步骤：

步骤1：采集数据；

步骤11：利用数据采集装置获取实时的车辆状态数据；

步骤12：基于车辆固有参数，计算加速度a和燃油消耗率Fc；

步骤2：基于已获得的车辆状态数据，建立车辆纵向动力学模型，获取不同档位下转矩与车速关系；

步骤3：基于已获取的车辆状态数据，建立基于转矩的车辆油耗模型；

步骤31：推导基于转矩的油耗模型最小二乘形式：

其中，a₁和ε₁为模型常数项系数和误差、a₂和ε₂为模型n项系数和误差、a₃和ε₃为模型nT项系数和误差、a₄和ε₄为模型n²T项系数和误差；

步骤32：建立带遗忘因子的最小二乘递推估计模型：

设系统的输入输出关系可以描述成如下的最小二乘形式：

z(k)＝h^T(k)θ+n(k)

其中，z(k)是系统的输出，h(k)是可观测数据向量，n(k)为白噪声，θ为待估计参数；

当模型中存在四个待估计参数时，定义准则函数为：

其中λ为待估参数θ对应的遗忘因子；

利用序列{z(k)}和{h(k)}，极小化准则函数，即对θ求导，可求得参数θ的最小二乘估计值第k时刻的参数估计值可以表示为：

为了能够实时更新估计结果，需将上述估计结果转化为递推形式，得到带遗忘因子的最小二乘递推估计模型如下：

其中：

K(k)＝P(k-1)h(k)[h(k)^TP(k-1)h(k)+λ]^-1

其中I为单位矩阵；

步骤33：建立带遗忘因子的最小二乘递推估计油耗参数辨识模型：

将步骤31中的基于转矩的油耗模型最小二乘形式应用于步骤32中的最小二乘递推估计模型，则有：

z(k)＝F_C

h^T(k)＝[h₁(k) h₂(k) h₃(k) h₄(k)]＝[1 n nT n²T]

将上式带入最小二乘递推估计模型可得带遗忘因子的最小二乘油耗估计模型的递推形式为：

其中，λ分别为四个待估计参数a₁、a₂、a₃、a₄对应的遗忘因子，取值范围为[0,1)；

步骤4：利用发动机转速和汽车行驶速度的关系，结合车辆油耗模型及车辆纵向动力学模型，获取不同档位下的车速与燃油消耗率的关系表达式；

步骤5：基于不同档位的车速与燃油消耗率的关系表达式，求解不同档位下的经济车速。

2.根据权利要求1所述的考虑档位的经济速度获取方法，其特征在于：

所述步骤11中，车辆状态数据包括发动机转矩T、车速V、发动机转速n、燃油消耗Q；

所述步骤12中，车辆固有参数包括轮胎滚动半径r、主减速器传动比i₀、变速器传动比i_g、道路滚动阻力系数f、传动系机械效率η、车辆空气阻力系数C_d、车辆正向迎风面积A、车辆质量m；

其中，加速度a可由车速V对时间差分获得，第k时刻的加速度可表示为：

燃油消耗率F_c可由燃油消耗Q对时间差分获得，第k时刻的燃油消耗率Fc可表示为：

其中△t为数据采集装置的采样周期。

3.根据权利要求2所述的考虑档位的经济速度获取方法，其特征在于：所述步骤2中，车辆纵向动力学模型为：

F_t＝F_f+F_i+F_aero+F_j

其中，

F_t为车辆驱动力，且

F_f为滚动阻力，且F_f＝mgf；

F_i为坡度阻力，且F_i＝mgi，i为道路坡度；

F_aero为空气阻力，且

F_j为加速阻力，且F_j＝ma；

如此，即可得到不同档位下转矩与车速关系为：

不同档位变速器传动比i_g具有不同的值，且档位越高i_g越小。

4.根据权利要求3所述的考虑档位的经济速度获取方法，其特征在于：所述步骤4中，获取不同档位下的车速与燃油消耗率的关系表达式的方法如下：

发动机转速和车速关系：

匀速行驶时转矩与速度关系：

将以上两关系式带入车辆油耗模型，即可得到燃油消耗率与车速的关系：

5.根据权利要求4所述的考虑档位的经济速度获取方法，其特征在于：所述步骤5中，不同档位下的经济车速的求解方法如下

将车速与燃油消耗率的关系表达式转化为单位距离油耗与车速的关系：

其中，m_s为单位距离油耗；

单位距离油耗与车速的关系表达式对速度求一阶导数

各档位变速器传动比i_g不同，将各个档位的i_g带入上式，获取各档位下的单位距离油耗极小值，此时对应的速度为各个档位下的经济车速。