CN109153381B

CN109153381B - 混合动力驱动装置和用于该装置的控制方法、控制设备

Info

Publication number: CN109153381B
Application number: CN201780029404.5A
Authority: CN
Inventors: B.赛格特罗普
Original assignee: Volkswagen AG
Current assignee: Volkswagen AG
Priority date: 2016-05-12
Filing date: 2017-04-12
Publication date: 2021-09-10
Anticipated expiration: 2037-04-12
Also published as: CN109153381A; EP3455114A1; DE102016208238A1; WO2017194257A1; EP3455114B1

Abstract

本发明涉及一种用于具有内燃机(2)和电动机(23)的车辆(200)中的混合动力驱动装置的控制方法，用于确定内燃机(2)和电动机(23)之间的扭矩分配，其中，在成本函数(J)中考虑运行状态信息(FW,SB)、牵引电池(21)的充电状态信息(SOC,SOCref)以及排放上限(EM^G)和累计实际排放量(EM^K)之间的差(δ)，并且借助参考变量(x(t))影响内燃机(2)的运行状态，并因此影响内燃机的驱动力矩(M_VKM)，使得调整至少两个实际排放量(EM₁,EM₂)，使得混合动力驱动装置并因此内燃机(2)的按照随机顺序设置的任意不同的运行状态的组合的运行时间段内的对应的累计实际排放量(EM^K)，不超过该运行时间段内的排放上限(EM^G)，其中，借助根据差函数(δ(t))确定的无差异曲线(I)从帕累托最优替代方案中选择参考变量(x(t))，并且因此能够以优化排放的方式调节内燃机的扭矩份额(M_VKM)，由此使成本函数(J)最小。

Description

混合动力驱动装置和用于该装置的控制方法、控制设备

技术领域

本发明涉及一种用于具有内燃机和电动机的车辆中的混合动力驱动装置的控制方法。

背景技术

为了能够最佳地使用车辆中的混合动力驱动装置，需要使用合适的控制方法来调节一个或多个电动机和内燃机之间的扭矩分配或功率分配。在此，这些控制方法对结构性措施、例如混合动力概念的选择和传动系上的各个部件(内燃机、电动机、变速器、离合器等)的作用进行补充。

同样利用合适的控制方法来调节内燃机的重要的发动机功能。在此，控制方法对结构性措施、例如燃烧室设计进行补充，并且影响喷射系统中的通过喷射方法的混合气形成。在内燃机运行时，该控制方法应当使燃料消耗量和与此相关联的CO₂排放量减少并且使主要废气成分、例如一氧化碳(CO)、碳氢化合物(HC)、氮氧化物(NOx)以及烟尘和颗粒减少。

即使在混合动力驱动时，也就是说，当内燃机部分地或者完全提供其驱动力矩时，也总是需要内燃机功能的这种调节。

在此，对关于发动机的运行状态的信息(例如转速、扭矩、希望的扭矩、温度、DPF(Diesel-Partikelfilter，柴油颗粒过滤器)负荷)进行分析，并且确定在运行中影响消耗和排放的参考变量。

执行控制方法的控制设备中附加地存储的发动机综合特性曲线经常用于确定这些参考变量，在发动机综合特性曲线中例如存储有与上面提到的运行状态有关的额定废气再循环率或者额定增压压力。

合适的参考变量例如是废气再循环率、废气再循环分配、充填量、喷射时间点、点火时间点。然后，从这些参考变量中推导出调整变量(例如节气门位置、VTG(VariableTurbinengeometrie，可变涡轮几何)的位置)。

在这种情境下，术语″内燃机″包括整个内燃机系统以及所有其成套设备、辅助成套设备和调整元件。

利用这种策略，可以确保在确定的速度曲线中，通过特定参考变量的优化分配，不超过排放上限。这种速度曲线的一个示例是标准行驶周期、例如NEFZ(neuer

Fahrzyklus，新的欧洲行驶周期)，以该行驶周期行驶，以确定废气值和/或消耗值。对于这种周期，例如已知全局优化方法，例如在Heiko Sequenz：Emission Modelling and Model-Based Optimisation of the Engine Control，D 17

Dissertationen 2012中给出的全局优化方法。

但是，在实际行驶运行中，此时出现在行驶之前和期间不知道的任意不同的速度曲线和运行状态。因为各个运行状态也已经与发动机控制无关地具有不同的排放值，所以在这些任意不同的行驶曲线下的消耗和排放值(1/100km或mg/km)可能部分地明显向下或向上偏离。由此，通过上面提到的控制方法不再给出在不超过排放极限值的情况下的例如燃料消耗或者CO₂排放量的全局优化。

特别是在排放量竞争的情况下，例如在柴油发动机中在烟尘(颗粒)排放和氮氧化物排放的情况下发生排放量竞争的情况下，可能发生如下情形：例如在一个速度曲线中超过允许的氮氧化物排放量，而明显低于允许的烟尘排放量。

因此，在实际行驶运行中，控制方法也应当以优化的方式调节参考变量、例如废气再循环率(AGR率)、废气再循环分配(高压/低压)、充填量、蓄压管压力等，但是也应当在燃料和AdBlue的消耗量以及排放量方面改善废气后处理系统、例如柴油颗粒过滤器和SCR(selektive katalytische Reduktion，选择性催化还原)的使用。

从混合动力车辆运行中已知考虑预计的行驶状态优化内燃机和电动机之间的扭矩或功率分配的方法。Lin等的″A stochastic control strategy for hybrid electricvehicles″，Boston 2004，Proceedings of the 2004American Control Conference例如提出了一种随机动态编程方法，其中，在一组随机行驶周期内优化并且实时地实施驱动管理策略。因此，虽然动态编程是全局最优的，但是在某些情况下需要非常高的计算耗费，从而在某些情况下，在具有有限的计算能力的一般的车辆控制设备中只能受限地使用这种控制方法。

从Olivier Grondin等的″Energy management strategy for Diesel hybridelectric vehicle″，Chicago 2011，IEEE Vehicle Power and Propulsion Conference中已知一种用来计算能源燃料(内燃机)和电池(电动机)之间的功率分配的能量管理策略。在那里提出的策略基于ECMS(Energy Consumption Minimizations Strategy，能源消耗最小化策略)，其中，除了与CO₂排放量相关的单纯的燃料消耗量之外，还考虑相关的NOx排放量以及系统的充电状态。利用这种方案，确定能量消耗的总成本(标准化为燃料成本)并且可以针对特定行驶状态最小化。对NOx排放量的考虑或者换句话说将NOx排放量换算为燃料消耗量或CO₂排放量通过可固定选择的因子来进行。因此可以针对固定的实验室行驶周期对固定的因子进行优化，然而固定的因子对于实际的行驶运行仅仅是随机适用的。此外，在那里给出的方法中不考虑其它排放量、例如烟尘排放量。

一种可能的改善方案可以在于，根据运行状态信息、排放上限和累计实际排放量确定内燃机的参考变量(例如AGR率、AGR分配、充填量)。

在此，运行状态信息例如可以包括转速、当前扭矩、希望的扭矩、温度、DPF负荷和其它变量。

累计实际排放量包括在特定运行时间段内从内燃机排出的所有排放量的总和。

然后，通过参考变量可以调节内燃机的至少一个运行状态，使得影响多个实际排放量，使得特定运行时间段内的按照随机顺序设置的内燃机的任意不同的运行状态的组合下的累计实际排放量不超过该运行时间段的排放上限(mg/km)，并且尽可能减小目标函数。

这里，作为目标函数计算要最小化或要优化的变量(例如燃料消耗量或与其有关的CO₂排放量、各种废气后处理系统、例如烟尘颗粒过滤器的再生间隔、AdBlue消耗量、NOx排放量等或者这些变量的组合)。

术语″任意″的运行状态包括在内燃机的恰当的正常运行中可能发生的所有在技术上有意义的运行状态。

因此，控制概念具有如下优点：例如通过改变参考变量提高非关键的实际排放量，使得关键的实际排放量对应地减小，并且确保在特定运行时间段内不超过该关键排放量的排放量的排放极限水平(排放极限值)。

在此，可以通过无差异曲线从(例如喷射量、实际排放量和/或AdBlue剂量的)帕累托(Pareto)最优替代方案中选择一个或多个参考变量。为此，还需要考虑累计实际排放量到其极限水平的距离的可靠的启发方法(Heuristik)。

因此，一种方法也进一步减少到考虑已经发生的运行状态。

发明内容

因此，要解决的技术问题是，提供一种用于车辆中的混合动力驱动装置的控制方法，其中，以简单并且有效的方式利用唯一的方法确定内燃机的当前参考变量，在当前参考变量情况下可以考虑随机的最初未知的实际行驶状态。

上述技术问题通过根据一种用于具有内燃机和电动机的车辆中的混合动力驱动装置的控制方法、用于执行该控制方法的控制设备和具有该控制设备的混合动力驱动装置以及具有该混合动力驱动装置的车辆来解决。

本发明的特征在于：确定内燃机和电动机之间的扭矩/功率分配，方式是在成本函数中考虑混合动力驱动装置的运行状态信息、牵引电池的充电状态信息以及排放上限和累计实际排放量之间的差。在此，借助参考变量影响内燃机的运行状态并因此影响内燃机的驱动力矩，使得调整至少两个实际排放量，使得混合动力驱动装置并因此内燃机的按照随机顺序设置的任意不同的运行状态的组合的运行时间段内的(与实际排放量对应的)相应的累计实际排放量，不超过该运行时间段内的排放上限，其中，借助根据差函数确定的无差异曲线从帕累托最优替代方案(例如以所谓的帕累托前沿示出)中选择参考变量，并且因此能够以优化排放的方式调节内燃机的扭矩份额，由此使成本函数最小。

因此，所述方法确定内燃机的希望的参考变量、例如废气再循环率(AGR率)、增压压力/充填量、AdBlue剂量并因此也根据当前″排放成本″或者″总成本″确定电机(能够以电动机(扭矩输出)和/或发电机(扭矩输入)运行)和内燃机之间的扭矩或功率分配，所述当前″排放成本″或者″总成本″包含成本函数中标准化为排放量(例如以CO₂排放量作为″成本″的单位)的至少两个排放量和电功率。

因此，所述方法基于要在方法上、计算上以简单的方式解决的成本考虑，在成本考虑时将累计实际排放量和(例如关于当前充电状态和参考或目标充电状态的)充电状态信息包含在成本函数中。差函数在此允许明确地确定能够选择参考变量的帕累托最优替代方案的无差异曲线。因此，提供明确的用于确定参考变量的方法。

存在如下实施形式，其中，差函数用于确定第一当量因子，所述第一当量因子将(两个实际排放量中的)第二实际排放量换算为(两个实际排放量中的)第一实际排放量的排放当量。通过第一当量因子与差函数的这种相关性，可以动态地调整第一当量因子。同时，将第二实际排放量标准化为第一实际排放量。因此，例如可以考虑将NOx排放量通过第一当量因子在要最小化的成本函数中标准化为CO₂排放量或者标准化为燃料消耗量。

这以相同的方式适用于包含充电状态信息的第二当量因子。以这种方式，同样可以将电动机的驱动功率换算为第一实际排放量的排放当量(即例如CO₂排放或燃料消耗)，并且根据充电状态或者根据希望的充电状态(参考或者目标充电状态)在成本函数中考虑。

无差异曲线是直线，该直线的斜率与借助差函数可确定的第一当量因子相关，在这种实施形式中，(例如通过将这些直线布置在对应的帕累托前沿)可以特别简单地从帕累托最优替代方案中选择参考变量的帕累托最优替代方案。

在差函数中考虑预测信息，在这种方法中，在成本函数中或者在差函数中，除了过去以及当前的排放之外，还包含预计的运行状态的预测的排放。

在此，确定、估计或者还从存储的数据中推导出预计的运行状态的预测的排放。为此，例如可以使用规划的行驶路线的路程前瞻性信息，例如关于高度剖面、速度限制、交通和交通灯信息的信息以及关于环境温度或大气压力条件的信息。

在此，存在如下实施形式，其中，预测信息包括关于行驶路程(例如行驶路程的长度)的信息，然后将其与和行驶路程相关的排放限值相乘。

还存在如下实施形式，其中，运行状态预测信息包括以下至少一个信息：行驶路程质量、行驶路程长度和环境条件。经由行驶路程质量(例如斜率)、行驶路程长度和环境条件(例如海拔高度)，可以确定内燃机的功率需求和主要的运行状态信息(扭矩、转速)。

存在如下实施形式，其中，预测信息还替换地或者附加地包括排放预测变量。由此，在差考虑时不仅可以考虑允许的排放限值、包括预测的分量，而且还可以考虑实际的和预计的排放。因此，可以对该限值与预计的排放之间的关键差面向过去和未来地分析，并且用于确定无差异曲线。

在此，存在如下实施形式，其中，运行状态信息包括至少一个转速(n)和额定扭矩(M)。

在一个实施形式中，实际排放量(目标函数)包括以下变量中的至少两个。这些变量包括NOx排放量、HC排放量、CO排放量、CO₂排放量、组合的HC和NOx排放量、烟尘颗粒数、烟尘颗粒质量、柴油颗粒过滤器和/或NOx存储催化净化器的负荷状态、AdBlue消耗量。由此，可以将所述方法匹配于不同的排放重点。

在另一个实施形式中，参考变量包括以下影响排放行为的变量中的至少一个，即废气再循环率、废气再循环分配、充填量、增压压力、点火时间点、蓄压管压力。在此，由此推导出的调节变量包括以下变量中的一个，即节气门位置、可变涡轮几何结构的设置、喷射时间点、凸轮轴调节，通过这些变量可以在现代发动机中产生希望的参考变量。

在另一个实施形式中，考虑两个实际排放量，更确切地说特别是在柴油发动机中竞争关联的氮氧化物排放量和烟尘排放量。

还存在竞争优化CO₂排放量和NOx排放量的实施形式。

还存在竞争优化CO₂排放量、NOx排放量和烟尘排放量、即三个实际排放量的实施形式。

借助具有根据本发明的控制设备的混合动力驱动装置，对于具有这种驱动装置的车辆，可以实现改善的消耗值和排放值。

附图说明

现在，参考附图示例性地描述本发明的实施例。其中：

图1示意性地示出了具有根据本发明的控制设备的发动机系统；

图2示出了具有根据本发明的控制设备的示意性车辆布局；

图3示出了根据本发明的控制方法与主要的输入和输出变量的示意性图示；

图4示出了与废气再循环率相关地示出烟尘排放量和NOx排放量的曲线图；

图5示出了特定烟尘排放和特定NOx排放适用的帕累托最优工作点；

图6示出了通过无差异曲线根据在特定(提高的)累计NOx排放下的烟尘排放和NOx排放的关系的参考变量选择；

图7示出了针对较低的累计NOx排放的在图6中示出的选择；

图8示出了针对过高的累计NOx排放的在图6中示出的选择；

图9示出了根据CO₂排放和NOx排放的关系在图6中示出的选择；

图10示出了通过非线性无差异曲线的在图6中示出的选择；

图11示出了随时间变化的不同的排放量的图示；

图12示出了用于确定无差异曲线的特性曲线的走向；

图12A-C示出了按照根据本发明的方法确定的不同的无差异曲线；以及

图13-16示出了按照根据本发明的方法确定排放优化的扭矩分配的不同的场景。

具体实施方式

在图1中示出了通过根据本发明的控制设备1调节或控制的发动机简图。示出了构造为活塞式发动机2(柴油或者汽油发动机)的内燃机，该内燃机通过阀3并且通过增压空气管路4来填充并且通过排气管路5排空。进入的空气通过空气过滤器6和具有可调节涡轮几何结构的废气涡轮增压器7通过中间冷却器8经由入口阀3到达汽缸9中，在汽缸9处在需要时通过喷射系统供应燃料。在压缩和燃烧空气-燃料混合物之后，将产生的废气经由排气管路通过排出阀3排出。

在此，压缩的废气经过废气涡轮增压器7，驱动废气涡轮增压器7，并因此压缩增压空气。随后，压缩的废气经过氮存储催化净化器10以及柴油颗粒过滤器11，最后通过排气门12到达排气装置13中。

阀3通过可调节凸轮轴14来驱动。调节通过可被控制设备1控制的凸轮轴调节装置15来进行。

一部分废气可以经由高压废气再循环阀16引入增压空气管路4中。经废气处理的分流可以在废气涡轮增压器7下游的低压区域中经由对应的废气冷却装置17和废气再循环低压阀18引导到增压空气管路4中。废气涡轮增压器7的涡轮几何结构可以通过调节装置19调节。增压空气供应(″气体″)通过主节气门20控制。

通过控制设备1尤其是可以控制废气再循环低压阀18、调节装置19、主节气门20、废气再循环高压阀16、凸轮轴调节装置15以及排气门12(实线)。

此外，通过传感器和额定值发生器向控制设备1提供例如温度信息(中间冷却器8、废气冷却装置17)和(例如来自传感器或者物理/经验模型)实际排放值。

为此，还可以想到其它运行状态信息，例如：加速踏板位置、节气门位置、空气质量、电池电压、发动机温度、曲轴转速和上死点、变速挡位、车辆速度。

因此，存在复杂的控制和调节系统，其要在不同的运行状态下设置、调节并且尽可能优化电动机运行的不同的目标变量。

图2示出了示意性地示出的具有混合动力驱动装置(并联式混合动力架构)的车辆200，在该混合动力驱动装置中布置有用作内燃机的带有排气管路5的活塞式发动机2并且该混合动力驱动装置通过离合器24与传动系25连接。

混合动力驱动装置附加地包括这里构造为电动机23的电力驱动装置，该电力驱动装置通过离合器24与活塞式发动机2或变速器2a和传动系25耦合。电动机23例如构造为永磁激励的同步电机，该同步电机通过电能存储器(牵引电池)21(和变换器22)供电。控制设备1同样通过对应的信号线路与电力驱动单元(21，22，23)耦合。在此，控制设备1可以控制/调节地影响内燃机2、电动机23、变速器2a(其用作转速和扭矩转换器和/或耦合器)、牵引电池21和离合器的运行。电动机23(也称为电机)不仅可以作为电动机而且可以作为发电机运行。

为了从排放角度看经优化的内燃机2和电动机23之间的功率/扭矩分配，使用下面根据公式(1)的要最小化的成本函数：

在根据公式1的成本函数中，将要考虑的变量标准化为与内燃机2的驱动力矩M_VKM和所设置的转速

有关的CO₂排放量

在此，

是第一排放量EM₁。

这里考虑的第二排放量是NOx排放量

该NOx排放量是第二排放量EM₂，并且同样与内燃机2的驱动力矩M_VKM和所设置的转速

有关。为了将第二实际排放量EM₂标准化，使用将NOx排放量换算为对应的CO₂当量的第一当量因子β_NOx(δ)。下面将进一步结合图11至12C示出δ的第一当量因子β的确定。

此外，在成本函数中考虑与电动机23的扭矩M_EM有关的电功率P_EL，该电动机23的扭矩M_EM又与可用的内燃机2的扭矩M_VKM和所设置的转速

有关。M_VKM和M_EM一起产生总力矩M_K。

又通过第二当量因子α_EL将电功率P_EL换算为对应的CO₂当量。在此，α_EL与充电状态信息有关，该充电状态信息一方面包括牵引电池21的当前充电状态SOC(State of Charge)和参考充电状态SOCref。这里，α_EL从充电状态SOC与参考充电状态SOCref之间的差中得出，并因此影响使电功率P_EL进入成本函数J(M_VKM，

)中的份额。

第一当量因子β(δ)的可变的确定允许差异化地考虑以前已进行的排放以及未来的排放，这些排放可以根据预测信息来估算(关于此进一步参见下面的描述)。该变化可以确定的方式是，通过差函数δ(t)考虑累计实际排放量EM^K和排放上限EM^G之间的差。在此，如下面要进一步更详细地示出的，也可以考虑已经结束的运行状态以及未来的运行状态。

也可以以其他实际排放量EM^K来扩展成本函数(例如表示为

的烟尘颗粒排放)，然后该其他实际排放量EM^K同样通过合适的固定或者可变的当量因子换算为第一排放量EM₁的排放当量，在当前情况下即换算为CO₂当量。这种基本方法不局限于所示出的并联式混合动力架构，而原则上适用于可以通过电动机驱动辅助或代替内燃机驱动的所有混合动力驱动概念。

原则上，下面的实施形式首先涉及根据预先给定的排放上限和累计实际值对排放值的帕累托优化控制和调节。

在图3中示出了用于执行这种方法的基本系统。在此，控制设备1确定一个或多个需要用于影响排放的且有效的参考变量x(t)。

例如经由加速踏板和/或制动踏板的位置推导出的驾驶员请求FW以及车辆200或发动机2的其它运行条件SB用作输入变量。此外，考虑排放限值EM^G，该排放限值EM^G在运行期间不允许被超过，最后使用预测信息PI来考虑未来的运行状态。一般的预测信息PI例如是排放预测EM^P或者运行状态预测信息，该运行状态预测信息例如在车辆的情况下包括关于在行驶期间的行驶路程长度s(t)、行驶路程质量和预期的环境条件的信息。

由此推导出参考变量x(t)(例如废气再循环率、废气再循环分配、充填、点火时间点)，并且确定在内燃机2或其部件(例如主节气门20的位置、凸轮轴设置、废气涡轮增压器7的涡轮几何结构的设置、排气门12的设置)中影响内燃机的排放(例如No_x、HC、CO、烟尘)的调节变量。这些排放作为质量流(排放率)EM^DS来检测(例如单位时间的质量[mg/s])。根据这些排放推导出排放的累计实际值EM^K(排放率关于时间的积分)。

在控制设备1中，根据这些累计实际值EM^K与经过的运行时间t或经过的路程s、已知或预先给定的排放上限EM^G和关于驾驶员请求FW(例如加速度：a^Soll；扭矩：M^Soll)的信息以及内燃机2的其它运行条件SB(例如速度：v；转速：n)一起，确定参考变量x(t)。

图4与这里形成参考变量x(t)的废气再循环率(AGR率)相关地示例性地示出了NOx排放和烟尘排放之间的关系。该曲线图示出了通过提高AGR，虽然可以使NOx排放下降，但是在此使烟尘排放增加。

图5示出了关于特定NOx排放绘制的特定烟尘排放的目标变量组合的曲线图。此时，如果例如任务是，在(任意)运行状态下使烟尘排放最小或下降，但是在此遵守(累计)NOx限值，则必须考虑经过的(可能按照随机顺序产生的任意不同的运行状态)排放历史(累计实际值EM^G)。

通过点x标出了在NOx排放增加时烟尘排放只能进一步降低的帕累托最优目标变量组合。所有帕累托最优目标变量组合形成所谓的帕累托前沿(Paretofront)，其将点x彼此连接。在最小化问题中，帕累托前沿左下方的点(阴影区域)是不可实现的，而设置在右上方的所有目标变量组合不是帕累托最优的，因为相应地存在不仅关于烟尘排放、而且关于NOx排放可以更有利地在帕累托前沿上实现的组合(点x)。

从两个目标变量(NOx排放和烟尘排放)的帕累托最优目标变量组合中的选择示出了图6中的图示。在右边的柱中，作为排放上限EM^G给出了NOx限值NOx-G(虚线)，并且在其下方示出的柱以阴影区域作为累计实际值Em^K示出了以前的累计NOx排放NOx-K₁。因为累计NOx排放NOx-K₁已经相对接近NOx限值NOx-G，因此这里选择在目标变量烟尘排放和NOx排放之间的相对高的交换比(为了低NOx而增加烟尘排放)，以便不超过NOx限值NOx-G。这里希望的互换率通过无差异曲线I给出，这里显示其相对陡峭地下降，然后移动到最近的目标变量组合，在该目标变量组合中对于该工作点可以实现特定烟尘排放和特定NOx排放。然后，借助在图4中的曲线图中已知的信息，对该目标变量组合分配作为合适的帕累托优化参考变量x(t)的AGR。

图7示出了累计NOx排放(NOx-K₂)进一步处于NOx限值NOx-G以下的示例。这里，无差异曲线I的交换比更小(直线更平缓地下降)。因此，这里可以遭受更高的NOx排放，而不存在超过NOx限值NOx-G的危险。由此可以保持烟尘排放更小。更平缓地延伸的直线移动到接下来的目标变量组合，在该目标变量组合处可以以相关的参考变量x(t)(这里为图3中的对应的AGR)实现特定NOx排放和对应的烟尘排放。

图8示出了累计NOx排放(NOx-K₃)超过NOx限值NOx-G的示例。这里，直线I(垂直的无差异曲线)的交换比是几乎无穷大的。不管烟尘排放的水平，都选择最小NOx排放的参考变量x(t)。

与图5类似，图9示出了与累计NOx排放相关地使CO₂最小的示例。

与图5类似，图10示出了无差异曲线非线性地延伸的示例。

图11至12C示例性地示出了根据组合考虑CO₂排放量和NOx排放量来确定无差异曲线I(图12A-C)，该无差异曲线I布置在不同的帕累托前沿f上，以确定在CO₂排放

和NOx排放

方面优化的工作点，并且根据该工作点以已知方式推导出对应的参考变量(多个参考变量)。

在图12中示出的变量β形成基础，变量β与差δ有关地确定并且与无差异曲线I的斜率对应。这里，

表示无差异曲线I与

轴(横轴)相交的角度。

根据图11，δ由与时间(或路程)有关的限值曲线EM^G关于时间t的差(虚线函数)产生。实际限值EM^G在此例如以mg/km、即以每单位路程的质量为单位给出，并因此随着时间的增加或经过的路程s而增加。此外，绘出了累计排放值EM^K(例如NOx量m_NOx)的走向(实线)并且由两者求差δ。适用根据公式2的关系：

因此，由NOx的排放上限EM^G与路程值s相乘得到与时间或路程有关的δ，路程值s由以前的、即已经经过的路程s(t)和预测的路程

得到。因此，在排放上限的走向中，不仅包括基于实际变量的信息(以前的路程)，而且包括基于预测的信息的路程走向。

然后，从与路程或时间有关的该限值中减去实际的累计排放EM^K(这里为m_NOx(t))和未来的预测的排放EM^P(这里为

)。可以进行直到预测范围t＝T的预测。

在时间点t＝t₁，回顾过去的曲线(向左的箭头V)示出了分量EM^Gs(t)和m_NOx(t)的以前的走向，其中，展望未来(向右的箭头Z)附加地考虑预测分量

和

于是，在时间点t＝t₁适用：

其中，经过的路程：

预测的路程：

累计(以前实现的)排放值EM^K这里为：

并且预测的排放值EM^P这里为：

其中，

为对未来的速度走向的预测，并且

为与此对应的预测的NOx质量流的走向。

然后，根据如此得到的δ值(例如δ1、δ2或者δ3)，借助在图12中示出的特性曲线推导出β值，该β值对应于无差异曲线I的斜率，该无差异曲线I的斜率用于确定帕累托优化工作点，由此产生希望的参考变量。在图12A至12C中示出了不同的工作状态(u_f1和u_f2)的帕累托前沿f₁、f₂。对于用于确定β值的特性曲线，应当适用：

lim_δ→0+β(δ)＝∞

同时，这里还应当适用函数严格地单调递减，从而在δ、β增大时总是减小，如在图13中的函数中示例性地示出的。

同时，β还是第一当量因子，该第一当量因子包含在根据公式1的成本函数中，并且在那里在当前情况下将实际排放量

换算为假设的CO₂当量。

在图12A、12B和12C中分别绘出了两个曲线(帕累托前沿f₁和f₂)，这两个曲线分别示出了不同的运行状态下的CO₂和NOx的帕累托优化排放组合。这里，f₁表示具有较低的功率并且整体上也具有较低的排放值(

和

)的运行状态的排放组合，并且f₂表示具有较高的功率并因此也具有较高的排放值(

和

)的运行状态的排放组合。f₁和f₂形成不同的运行状态的排放帕累托前沿。

通过布置无差异曲线I来确定特定排放组合u_f1或者u_f2的希望的参考变量x(t)，无差异曲线I的斜率对应于由图12中的特性曲线得到的β值。然后，例如借助已知的信息对如此确定的该目标变量组合u_f1或者u_f2(排放组合)分配作为合适的帕累托优化参考变量x(t)的AGR(与图4中的曲线图类似)。在图4中，与AGR率相关地给出了NOx排放和烟尘排放之间的关系。从其它曲线图中或者也从多维综合特性曲线(与帕累托面)中，可以看到参考变量x(t)与两个或更多个排放量的排放组合之间的关系。

在此，图12A示出了β₁，图12B示出了β₂，并且图12C示出了β₃。不同的β值(β₁、β₂和β₃)借助图12中的特性曲线根据对应的δ值得到。

如果排放限值和累计排放之间的δ从δ1减小到δ2，则必须增大无差异曲线的斜率(无差异曲线I变更陡)，因为优选如下工作点，在这些工作点下，由于与NOx排放的排放限值的距离更小，优选NOx排放减小的工作点。对应地，在这些工作点下，CO₂排放增加(图12B)。

相反，在δ增大的情况下，β并因此无差异曲线的斜率也减小，无差异曲线的走向变更平缓，并且以希望的方式优选可以忍受更高的NOx值并且另一方面CO₂排放对应地减小的工作点(图12C)。

利用所示出的方案，可以在运行中根据发生改变的边界条件改善排放值(目标函数)。除了这里示出的成对地考虑排放量的问题之外，所述方法也可以扩展到多维问题。因此，例如可以针对多重组合(例如针对CO₂排放、烟尘排放和NOx排放)确定帕累托优化参考变量x(t)。作为参考变量AGR的补充，也可以以帕累托优化的方式确定其它参考变量x(t)，用于调节(例如AGR分配、充填、点火时间点或者蓄压管压力)。

图13至16以不同的曲线图示出了上面示出的控制和调节方案对内燃机2和电动机23之间的扭矩分配的可能的效果。

在上面两个曲线图中，分别绘出了示出内燃机2(M_VKM)和电动机23(M_EM，下面的曲线图)之间的扭矩分配的综合特性曲线。在此，不同的阴影线粗略地与布置在其旁边的图例对应地示出了两个驱动成套设备2、23的不同的扭矩贡献。关于转速n绘出了总扭矩M_K。

这些综合特性曲线随着所考虑的(以帕累托优化的方式确定的)由优化方法得到的当量因子而改变。也就是说，这些综合特性曲线可以随着运行历史连续地改变，在需要时也可以随着(在需要时要不断调整的)运行预测而改变，在运行预测中考虑预测信息。对限值的调整同样可能有影响。

但是也可以使用多个离散的综合特性曲线，在这些综合特性曲线中使用基于一般的行驶曲线的一般的当量因子组合的希望的扭矩/功率分配。

在其下方的块状图中，左上角示出了速度/行驶特征，其中关于时间绘出了不同的速度。其下方的曲线图，更确切地说针对仅内燃机2工作的参考运行(细线)并且针对内燃机2和电动机23工作的混合动力运行(粗线)，示出了内燃机2的对应的调用的扭矩。

在其下方绘出了从充电状态E₁出发关于时间示出牵引电池的充电状态走向的曲线图。在下方的块状图中的右上角，更确切地说针对参考运行(单纯的内燃机运行)和混合动力运行，绘出了标准化的累计NOx排放。在其下方以对应的方式示出了对应的CO₂排放，其中，混合动力运行以粗线示出，而参考运行以细线示出。

在其下方示出了通过应用根据本发明使用的成本函数可以实现的CO₂或NOx的相对节省。

图13示出了在行驶周期开始和结束时可以保持充电状态E_Batt尽可能恒定的力矩分配。这对于混合动力车辆的不间断使用很重要，因为因此存在对于运行来说足够的充电储备用于充电(电动机23的发动机运行，制动时的再利用)，并且在电辅助或者纯电动运行中存在足够的放电储备用于进行放电。同时，这里选择扭矩分配，使得CO₂排放量尽可能得到优化。因此，在一个场景中，通过第一当量因子β(δ)考虑NOx排放只是次要的。控制的重点在于，要保持充电状态尽可能恒定。

由此，对于内燃机2的扭矩贡献，得到了上面的特性曲线，这些特性曲线示出在高扭矩范围内主要以内燃机行驶。其下方的M_EM曲线图中的白色区域示出了在那里通过电机的扭矩贡献辅助内燃机运行。在整个低扭矩范围内，阴影条纹示出了混合动力运行一般的再利用区域R1(也参见图14至16)，其中在那里以发动机运行工作的电动机23对牵引电池21充电(例如在惯性运行中)。与不受调节/不受控制的系统相比，在此形成减少大约20％的CO₂排放量和减少大约10％的NOx排放量。因此，例如也可以利用固定地设置的当量因子β实现结果。

图14示出了类似的场景，其中同样保持牵引电池21的充电状态尽可能为中性，然而CO₂排放量和NOx排放量以均衡的方式得到优化。这里，根据本发明的控制方法示出了显著的效果。

与在图13中示出的场景相比，力矩综合特性曲线也发生了明显的改变。在根据图13的场景中，在高扭矩范围内几乎仅通过内燃机2提供扭矩M_K，而这里改变分配为，使得在高扭矩范围内显著地通过电动机23的扭矩贡献来辅助内燃机2的贡献，而在中间扭矩范围内又仅通过内燃机2提供扭矩。

附加地，在低扭矩范围内并且在中间转速范围内、例如在N₁和N₃之间，得到区域B1，在该区域B1中使用内燃机2的扭矩贡献M_VKM的一部分，以使电机23以发电机模式运行，因此将牵引电池的充电状态保持在例如E₁。在这种场景中，显著减少大约40％的NOx排放，而低于其的仅略减少(大约16％)的CO₂排放。因此，根据本发明的方法能够实现在相同的行驶功率下显著地改善排放行为，方式是通过对内燃机2的排放优化调节扭矩分配。

图15示出了从牵引电池的较高(SOC＞E₁)的充电状态(SOC高)出发的场景。这意味着，可以提供更多电能用于驱动。这种效果将在考虑实际的和希望的充电状态的第二当量因子α_EL中反映出来。

对于扭矩综合特性曲线，这意味着，内燃机2的扭矩贡献仅发生微小的改变。然而，在低扭矩范围内，在较高的转速范围内，内燃机2的贡献减小。相反，这里去除了在图14中示出的针对扭矩贡献M_EM的区域B1，并且电机23的扭矩贡献M_EM在那里稍微增加。同时，电机23的扭矩贡献在较高的扭矩范围内在整个转速范围上也略微更宽。结果，这里表现出CO₂排放量的附加减少以及这里接近50％的NOx排放量的显著的进一步减少和CO₂排放量的进一步减少(稍微超过20％)。

最后，图16示出了牵引电池的输出充电状态较低(SOC＜E₁)的场景。因此，在一种情况下力求提高运行期间的充电状态(SOC)。这意味着，必须实现内燃机2的扭矩贡献必须增加的运行区域。同时，在这种场景下要力求要以均衡的方式考虑CO₂排放量和NOx排放量。

由此得到M_VKM和M_EM之间的根据上面两个曲线图的扭矩分配。内燃机2的扭矩场与图15中的类似。然而，在低扭矩范围内以及转速的中间范围内的区域中，内燃机的扭矩贡献明显增加。同时，得到与图14中的B1对应的区域B2和另一个区域B3，在区域B2中增强电机23的发电机模式，并且在区域B3中进一步增强发电机模式。由此，电池的充电状态增加(参见左下方的曲线图)。仅在非常高的扭矩范围Z内(例如在大幅度加速的情况下)，使用一部分通过发电机获得的能量来减少排放。然而，也表现出对减少排放的影响，该影响相对于图14和15中的场景由于内燃机2的增强的使用而明显更小。在均衡优化时，仍然减少大约10％的CO₂排放，并且减少大约30％的NOx排放。

附图标记列表

1 控制设备

2 活塞式发动机

2a 变速器

3 阀

4 增压空气管路

5 排气管路

6 空气过滤器

7 废气涡轮增压器

8 中间冷却器

9 汽缸

10 NOx存储催化净化器

11 柴油颗粒过滤器

12 排气门

13 排气装置

14 凸轮轴

15 凸轮轴调节装置

16 废气再循环高压阀

17 废弃冷却装置

18 废气再循环低压阀

19 调节装置

20 主节气门

21 电能存储器

22 变换器

23 电力驱动装置

24 离合器

25 传动系

200 车辆

M_K 驱动力矩(总)

M_VKM 驱动力矩(内燃机)

M_EM 驱动力矩(电动机)

设置的转速

β 第一当量因子

α 第二当量因子

P_EL 电功率

SOC 充电状态

x(t) 参考变量

NOx-G 限值

NOX-K₁ 累计实际值

FW 驾驶员请求

SB 其它运行条件

EM^G 排放限值

EM^K 累计排放值

EM^DS 排放吞吐量

I 无差异曲线

PI 预测信息

EM^P 排放预测

δ(t) 差函数

β 斜率

s(t) 运行状态预测信息

s 经过的路程

t 运行时间

f 帕累托前沿

角度

预测的路程

对未来的速度走向的预测

预测的Nox质量流量的走向

uf 运行状态

B1-B3 发电机运行范围

R1 再利用范围

Z 加速范围

Claims

1.一种用于具有内燃机(2)和电动机(23)的车辆(200)中的混合动力驱动装置的控制方法，用于确定内燃机(2)和电动机(23)之间的扭矩分配，其中，在成本函数(J)中考虑

-运行状态信息(FW，SB)，

-牵引电池(21)的充电状态信息(SOC，SOCret)，以及

-排放上限(EM^G)和累计实际排放量(EM^K)之间的差(δ)，以及

借助参考变量(x(t))影响内燃机(2)的运行状态，并因此影响内燃机的驱动力矩(M_VKM)，使得调整至少两个实际排放量(EM₁，EM₂)，使得混合动力驱动装置并因此内燃机(2)的按照随机顺序设置的任意不同的运行状态的组合的运行时间段内的对应的累计实际排放量(EM^K)，不超过该运行时间段内的排放上限(EM^G)，其中，借助根据差函数(δ(t))确定的无差异曲线(I)从帕累托最优替代方案中选择参考变量(x(t))，并且因此能够以优化排放的方式调节内燃机的扭矩份额(M_VKM)，由此使成本函数(J)最小。

2.根据权利要求1所述的控制方法，其中，所述差函数(δ(t))用于确定第一当量因子(β(δ))，所述第一当量因子将第二实际排放量(EM₂)换算为第一实际排放量(EM₁)的排放当量。

3.根据权利要求1或2所述的控制方法，其中，所述充电状态信息(SOC，SOCref)用于确定第二当量因子(α_el)，所述第二当量因子将电动机的驱动功率(P_EL)换算为第一实际排放量(EM₁)的排放当量。

4.根据权利要求2所述的控制方法，其中，所述无差异曲线(I)是直线，其斜率与能够借助差函数(δ(t))确定的所述第一当量因子(β(δ))相关。

5.根据权利要求1或2所述的控制方法，其中，在所述差函数(δ(t))中考虑预测信息(PI)。

6.根据权利要求5所述的控制方法，其中，所述预测信息(PI)包括运行状态预测信息(s(t))和/或排放预测变量(EM^P)。

7.根据权利要求6所述的控制方法，其中，所述运行状态预测信息(s(t))包括以下至少一个信息：行驶路程质量、行驶路程长度、环境条件。

8.根据权利要求1或2所述的控制方法，其中，所述运行状态信息(FW，SB)包括转速(n(t))和额定总扭矩(MSoll(t))。

9.根据权利要求1或2所述的控制方法，其中，实际排放量(EM₁；EM₂)包括以下至少两个变量：燃料消耗量、CO₂排放量、NOx排放量、HC排放量、CO排放量、组合的HC和NOx排放量、烟尘颗粒数、烟尘颗粒质量、AdBlue消耗量。

10.根据权利要求1或2所述的控制方法，其中，所述参考变量(x(t))包括以下至少一个变量：废气再循环率、废气再循环分配、充填量、增压压力、点火时间点、蓄压管压力。

11.根据权利要求1或2所述的控制方法，其中，考虑至少两个实际排放量(EM₁；EM₂)：CO₂排放量和NOx排放量。

12.根据权利要求1或2所述的控制方法，其中，考虑至少两个实际排放量(EM₁；EM₂)：NOx排放量和烟尘排放量。

13.根据权利要求1或2所述的控制方法，其中，考虑以下至少三个实际排放量(EM₁；EM₂)：CO₂排放量、NOx排放量和烟尘排放量。

14.一种控制设备(1)，用于执行根据权利要求1至13中任一项所述的方法。

15.一种混合动力驱动装置，具有内燃机(2)、电动机(23)和根据权利要求14所述的控制设备(1)。

16.一种具有根据权利要求15所述的混合动力驱动装置的车辆。