CN107323308B - 一种具有预测能力的燃料电池汽车牵引扭矩计算方法 - Google Patents

Abstract

本发明涉及一种具有预测能力的燃料电池汽车牵引扭矩计算方法，采用扭矩计算模块，所述扭矩计算模块包括踏板处理模块、GM(1，1)灰色预测模块和加权组合模块；所述踏板处理模块根据当前时刻加速踏板和档位信息，按照不同档位下加速踏板开度电压与电机扭矩之间的对应关系，计算出与加速踏板对应的扭矩，GM(1，1)灰色预测模块根据当前及前几个时刻的电机输出扭矩信息，预测电机下一时刻输出扭矩，加权组合模块通过加权系数将扭矩和进行加法合成得到扭矩，本发明优点是：在燃料电池汽车整车控制策略中，对于电机牵引扭矩的计算，结合了驾驶员的操作意图和对电机输出扭矩的预测。两者通过加权系数进行加法合成，形式简单，调整方便。

Description

一种具有预测能力的燃料电池汽车牵引扭矩计算方法

技术领域

本发明涉及汽车电子控制技术领域，尤其涉及一种具有预测能力的燃料电池汽车牵引扭矩计算方法。

背景技术

鉴于石油资源的消耗和减排需求，发展新能源汽车成为国家重要战略。新能源汽车现阶段主要有混合动力汽车、纯电动汽车、燃料电池汽车三大类。其中燃料电池汽车是氢和氧(或空气)直接经反应产生电能转换为动能的汽车，具有排放零污染、能量密度高和加氢速度快等优点，被认为是汽车清洁能源的终极解决方案。

氢燃料电池汽车的核心部件是燃料电池，但燃料电池输出特性相对较软，且输出功率不适应频繁变化。鉴于目前纯燃料电池汽车存在的这些自身无法解决的问题，世界各大汽车厂商开始把重点转向燃料电池电电混合动力汽车，即采用燃料电池和动力电池的双能源结构，使得两种能源之间可以优势互补。

燃料电池存在输出特性偏软等缺点，而辅助电源属于动力性能源，不能持续提供大功率。然而，作为一种交通工具，燃料电池汽车也必须具有很强的机动性，以适应不同的路况正常行驶。若能提前预知并给定行驶负载，那么整车控制策略将能更加有效地发挥作用。目前的整车控制器多不具有行驶负载预测功能，相关技术中提出的具有负载预测能力的控制器，多使用神经网络预测、模糊预测等方法，但这些方法计算复杂、对经验规律的依赖性较强。

发明内容

为了解决上述的技术问题，本发明的目的是提供一种具有预测能力的燃料电池汽车牵引扭矩计算方法，该方法具有依赖的硬件结构简单、预测精度较高等优点。

为了实现上述发明目的，本发明采用了以下的技术方案：

一种具有预测能力的燃料电池汽车牵引扭矩计算方法，采用根据加速踏板信息、档位信息和电机输出扭矩信息计算电机目标扭矩的扭矩计算模块，所述扭矩计算模块包括踏板处理模块、GM(1，1)灰色预测模块和加权组合模块；所述踏板处理模块根据当前时刻加速踏板和档位信息，按照不同档位下加速踏板开度电压与电机扭矩之间的对应关系，计算出与加速踏板对应的扭矩T₁，所述的GM(1，1)灰色预测模块根据当前及前几个时刻的电机输出扭矩信息，预测电机下一时刻输出扭矩T₂，所述的加权组合模块通过加权系数将扭矩T₁和T₂进行加法合成得到扭矩T_p，计算公式如下：T_p＝α₁T₁+α₂T₂，其中，α₁、α₂为加权系数，且满足α₁+α₂＝1。

作为优选方案：所述的GM(1，1)灰色预测模块作用时，包括以下步骤：

步骤1、获取当前时刻电机输出扭矩，建立系统预测数据序列X⁽⁰⁾；

步骤2、对X⁽⁰⁾进行灰色一次累加生成处理1-AGO，得到生成序列X⁽¹⁾；

步骤3、对一次累加生成序列X⁽¹⁾进行紧邻均值生成操作，得到序列Z⁽¹⁾；

步骤4、构造GM(1,1)灰微分方程为x⁽⁰⁾(k)+az⁽¹⁾(k)＝b，使用最小二乘估计求解参数列Φ＝[a,b]^T；

步骤5、根据参数估计值得到GM(1,1)灰色预测模型的近似时间响应式为：累减还原得到电机扭矩预测值即

作为优选方案：所述扭矩计算模块还包括功率限制模块，所述的功率限制模块，所述的功率限制模块作用时，包括以下步骤：

首先，根据电机当前转速和扭矩T_p计算预测功率；

其次，根据车辆当前状态对预测功率进行限制，所述车辆当前状态主要包括是否存在故障以及故障等级、电机转速、电机温度、动力电池SOC值、电池温度、电池当前允许放电电流和电池电压；

再次，功率限制模块根据限制后的预测功率和电机当前转速计算电机目标扭矩。

作为优选方案：所述功率限制模块作用时，预测功率＝扭矩T_p×电机当前转速/9549。

本发明的优点主要是：在燃料电池汽车整车控制策略中，对于电机牵引扭矩的计算，结合了驾驶员的操作意图和对电机输出扭矩的预测。两者通过加权系数进行加法合成，形式简单，调整方便。当想忽略扭矩预测功能，使用传统扭矩给定方法时，只需调整预测扭矩的系数为0即可。而扭矩预测模块采用GM(1，1)预测模型，最少只用4个数据点即可实现预测，而且采用新陈代谢的数据更新方式可有效减少数据的存储深度，在每个控制周期中均对预测环节重新建模，实现了自适应预测的功能。

附图说明

图1为燃料电池汽车扭矩控制原理框图。

图2为燃料电池汽车电机输出扭矩灰色预测流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上，除非另有明确的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。

如图1和图2所示的一种具有预测能力的燃料电池汽车牵引扭矩计算方法，采用根据加速踏板信息、档位信息和电机输出扭矩信息计算电机目标扭矩的扭矩计算模块，所述扭矩计算模块包括踏板处理模块、GM(1，1)灰色预测模块和加权组合模块；所述踏板处理模块根据当前时刻加速踏板和档位信息，按照不同档位下加速踏板开度电压与电机扭矩之间的对应关系，计算出与加速踏板对应的扭矩T₁，所述的GM(1，1)灰色预测模块根据当前及前几个时刻的电机输出扭矩信息，预测电机下一时刻输出扭矩T₂，所述的加权组合模块通过加权系数将扭矩T₁和T₂进行加法合成得到扭矩T_p，计算公式如下：T_p＝α₁T₁+α₂T₂，其中，α₁、α₂为加权系数，且满足α₁+α₂＝1。

所述扭矩计算模块还包括功率限制模块，所述的功率限制模块，所述的功率限制模块作用时，包括以下步骤：

首先，根据电机当前转速和扭矩T_p计算预测功率；

其次，根据车辆当前状态对预测功率进行限制，所述车辆当前状态主要包括是否存在故障以及故障等级、电机转速、电机温度、动力电池SOC值、电池温度、电池当前允许放电电流和电池电压；

再次，功率限制模块根据限制后的预测功率和电机当前转速计算电机目标扭矩。

所述功率限制模块作用时，预测功率＝扭矩T_p×电机当前转速/9549。

本发明工作时，首先，整车控制器采集加速踏板开度值信号和档位信号，所述踏板处理模块根据当前时刻加速踏板和档位信息，按照不同档位下加速踏板开度电压与电机扭矩之间的对应关系，计算出与加速踏板对应的扭矩T₁，所述加速踏板开度电压与电机扭矩之间的对应关系可为线性关系，亦可为非线性关系。

进一步地，所述GM(1，1)灰色预测模块根据当前及前几个时刻的电机输出扭矩信息，预测电机下一时刻输出扭矩T₂，电机输出扭矩灰色预测流程如图2所示，主要包括以下步骤：

步骤1、获取当前时刻电机输出扭矩，建立系统预测数据序列X⁽⁰⁾＝{x⁽⁰⁾(k),k＝1,2,…,n}，设定n等于5，但不限于5；

步骤2、对X⁽⁰⁾进行灰色一次累加生成处理1-AGO，得到生成序列

步骤3、对一次累加生成序列X⁽¹⁾进行紧邻均值生成操作，得到序列

步骤4、构造GM(1,1)灰微分方程为x⁽⁰⁾(k)+az⁽¹⁾(k)＝b，设Φ＝[a,b]^T为参数列，且有则参数列Φ＝[a,b]^T的最小二乘估计满足：Φ＝(B^TB)^-1B^TY；

步骤5、根据参数估计值得到GM(1,1)灰色预测模型的近似时间响应式为：

累减还原得到电机扭矩预测值

即

再进一步地，所述加权组合模块通过加权系数将扭矩T₁和T₂进行加法合成得到扭矩T_p，T_p＝α₁T₁+α₂T₂，

其中，α₁、α₂为加权系数，且满足α₁+α₂＝1；当想忽略扭矩预测功能，使用传统扭矩给定方法时，只需调整预测扭矩的系数α₂为0即可。

更进一步地，所述功率限制模块根据电机当前转速和扭矩T_p计算预测功率，

预测功率＝扭矩T_p×电机当前转速/9549；

其次再根据车辆当前状态对预测功率进行限制，所述车辆当前状态主要包括是否存在故障以及故障等级、电机转速、电机温度、动力电池SOC值、电池温度、电池当前允许放电电流、电池电压等；再次，功率限制模块根据限制后的预测功率和电机当前转速计算电机目标扭矩，

电机目标扭矩＝限制后的预测功率×9549/电机当前转速。

最后，将扭矩控制指令发送给电机控制器，电机控制器控制电机的运转。

应当指出，以上实施例仅是本发明的代表性例子。本发明还可以有许多变形。凡是依据本发明的实质对以上实施例所作的任何简单修改、等同变化与修饰，均应认为属于本发明的保护范围。

Claims (4)

1.一种具有预测能力的燃料电池汽车牵引扭矩计算方法，采用根据加速踏板信息、档位信息和电机输出扭矩信息计算电机目标扭矩的扭矩计算模块，其特征在于：所述扭矩计算模块包括踏板处理模块，所述踏板处理模块根据当前时刻加速踏板和档位信息，按照不同档位下加速踏板开度电压与电机扭矩之间的对应关系，计算出与加速踏板对应的扭矩T₁，所述扭矩计算模块还包括GM(1，1)灰色预测模块和加权组合模块；所述的GM(1，1)灰色预测模块根据当前及前几个时刻的电机输出扭矩信息，预测电机下一时刻输出扭矩T₂，所述的加权组合模块通过加权系数将扭矩T₁和T₂进行加法合成得到扭矩T_p，计算公式如下：T_p＝α₁T₁+α₂T₂，其中，α₁、α₂为加权系数，且满足α₁+α₂＝1。

2.根据权利要求1所述的一种具有预测能力的燃料电池汽车牵引扭矩计算方法，其特征在于：所述的GM(1，1)灰色预测模块作用时，包括以下步骤：

步骤1、获取当前时刻电机输出扭矩，建立系统预测数据序列X⁽⁰⁾；

步骤2、对X⁽⁰⁾进行灰色一次累加生成处理1-AGO，得到生成序列X⁽¹⁾；

步骤3、对一次累加生成序列X⁽¹⁾进行紧邻均值生成操作，得到序列Z⁽¹⁾；

步骤4、构造GM(1,1)灰微分方程为x⁽⁰⁾(k)+az⁽¹⁾(k)＝b，使用最小二乘估计求解参数列Φ＝[a,b]^T；

步骤5、根据参数估计值得到GM(1,1)灰色预测模型的近似时间响应式为：累减还原得到电机扭矩预测值即

3.根据权利要求1所述的一种具有预测能力的燃料电池汽车牵引扭矩计算方法，其特征在于：所述扭矩计算模块还包括功率限制模块，所述的功率限制模块，所述的功率限制模块作用时，包括以下步骤：

首先，根据电机当前转速和扭矩T_p计算预测功率；

其次，根据车辆当前状态对预测功率进行限制，所述车辆当前状态主要包括是否存在故障以及故障等级、电机转速、电机温度、动力电池SOC值、电池温度、电池当前允许放电电流和电池电压；

再次，功率限制模块根据限制后的预测功率和电机当前转速计算电机目标扭矩。

4.根据权利要求3所述的一种具有预测能力的燃料电池汽车牵引扭矩计算方法，其特征在于：所述功率限制模块作用时，预测功率＝扭矩T_p×电机当前转速/9549。