CN109635433A - 一种改进灰色预测的混合动力汽车自适应pid动态控制方法 - Google Patents

Abstract

本发明公开了一种改进灰色预测的混合动力汽车自适应PID动态控制方法，包括如下步骤：(1)建立改进灰色预测模型GM(1，1)；(2)建立自适应PID控制模型；(3)建立HEV动力驱动模型；(4)以典型工况(NEDC新欧洲行驶工况)的车速要求作为输入，基于Matlab/Simulink分别建立基于改进灰色预测的自适应PID闭环控制HEV行驶仿真模型和基于常规PID闭环控制的HEV行驶仿真模型，并分别对两个模型进行对比仿真分析。本发明通过建立改进的灰色预测模型，对HEV实际车速进行有效预测，同时建立参数可自动修正的自适应PID控制器，对HEV动力系统进行实时优化控制，使车速快速平稳上升，真正实现节能的目标。

Description

一种改进灰色预测的混合动力汽车自适应PID动态控制方法

技术领域

本发明涉及混合动力汽车控制技术领域，特别是涉及一种改进灰色预测的混合动力汽车自适应PID动态控制方法。

背景技术

节能与环保是当前汽车工业发展的主题，因此研究高效节能的新能源汽车就成为了热点。传统混合动力汽车(HEV)在行驶过程中因系统惯性和滞后性严重影响车速的动态响应，不能满足车速响应对行驶工况的要求，并且由于HEV整车系统的非线性以及车速的时变性，要通过建立精确模型进行控制很难实现。另外，传统的并联式HEV动力系统控制策略并未考虑HEV实际行驶过程中控制策略的实现问题，忽略了HEV的动态特性，这些导致实际控制效果与预期差别较大，不仅不能实现能量在多能源动力系统中的合理分配，甚至可能导致动力系统整体效率的恶化，严重影响整车的动力性、经济性和排放性。

目前被广泛采用的控制策略大多从优化目标函数出发，或以发动机油耗最小、或以汽车排放最小、或以综合发动机油耗及电动机等效油耗最小为优化目标，对各动力子系统的理论最优工作点进行计算，力求使HEV具有优良的环保与节能的性能。尽管各种控制策略的优化目标及优化方法有所侧重，但它们均较少考虑HEV的动态特性对其控制策略的反作用，其结果将可能导致HEV动态特性指标变坏，甚至出现难以实现HEV控制策略优化目标的状况。

通过采用常规的车速PID闭环控制，提高了HEV的动态特性，但过分追求HEV的动态特性，会造成HEV动力系统驱动能力与其动态响应能力不足，使HEV控制策略能耗优化目标变差。

发明内容

针对现有技术存在的不足，本发明目的是提供一种改进灰色预测的混合动力汽车自适应PID动态控制方法，对HEV动力系统进行实时优化控制，使车速快速平稳上升，真正实现节能的目标；HEV车速响应有了明显提高，且动力系统动态控制效果得到明显改善。

为了实现上述目的，本发明是通过如下的技术方案来实现：

本发明将改进后的灰色预测与自适应PID控制结合，并将二次型性能指标引入到PID控制器的整定过程中，加权系数自动可调，实现了自适应PID的最优控制律。用HEV动力驱动模型输出的车速历史数据，预测未来几步的车速，并将预测车速作为反馈信号与工况设定值进行比较得出偏差，作为自适应PID控制器的输入。从而使被延迟了的被控量超前反映到控制器，同时PID控制器的输出值直接反馈回来，作为自适应PID的修正参数，使控制器提前动作，实现动力系统的事先调节，从而减少超调量和加速调节过程，消除时滞对动态响应的影响，提高HEV车速响应和动力系统控制效果。

本发明的一种改进灰色预测的混合动力汽车自适应PID动态控制方法，包括如下步骤：

(1)建立改进的灰色预测模型GM(1，1)；

(2)建立自适应PID控制模型；

(3)建立HEV动力驱动模型；

(4)以典型工况(NEDC新欧洲行驶工况)的车速要求作为输入，分别建立基于灰色自适应PID闭环控制的HEV行驶仿真模型和基于常规PID闭环控制的HEV行驶仿真模型，并分别对两个模型进行对比仿真分析。

步骤(1)中，所述改进的灰色预测模型GM(1，1)具体的建立方法如下：

普通灰色预测序列：

GM(1，1)建模过程：

以V⁽⁰⁾为原始数据序列V⁽⁰⁾＝(v⁽⁰⁾(1),v⁽⁰⁾(2),...,v⁽⁰⁾(n))，对V⁽⁰⁾进行一次累加生成操作(AGO)，得到V⁽⁰⁾的1-AGO序列V⁽¹⁾＝(v⁽¹⁾(1),v⁽¹⁾(2),...,v⁽¹⁾(n))，其中

设V⁽¹⁾的紧邻均值生成序列为Z⁽¹⁾，其中

z⁽¹⁾(k)＝0.5[v⁽¹⁾(k)+v⁽¹⁾(k-1)]，k＝2,3,...,n；

发展系数a和灰色作用量b由下式求得：

其中，V_n＝[v⁽⁰⁾(2)v⁽⁰⁾(3)K v⁽⁰⁾(n)]^T。

所述普通灰色预测序列知GM(1，1)模型的预测精度取决于：

(1-1)a和b的值，而a和b的值依赖于原始序列V⁽⁰⁾和背景值Z⁽¹⁾的构造形式；

(1-2)原GM(1，1)模型以为初始条件；根据GM(1，1)灰色模型的指数特性，利用在区间内[k,k+1]积分的方法，令

优化了背景值，根据新信息优先原理提出了以y⁽¹⁾(n)为初始条件的GM(1，1)模型：

根据上式进行k+d时刻的预测，其中d为d步长，然后对累加后的数据进行还原，得到还原数据对k+d时刻的预测为：

步骤(2)中，所述自适应PID控制模型的建立方法如下：

PID离散控制式子为：

式中，T_s为采样周期，k为采样序号，K_p为比例系数，T_i为积分时间，T_d为积分时间，e(k+d)为工况需求车速v_r(k+d)与预测车速之间的偏差，j表示采样时刻；

设

由上式可知，Δu(k)＝K_p(k)x₁+K_i(k)x₂+K_d(k)x₃，根据已有研究成果知：

式中，n_p、n_i、n_d分别表示比例、积分、微分项的学习速度，利用符号信息近似代替由此所带来的影响通过调整学习速度来补偿。

步骤(3)中，所述HEV动力驱动模型的建立方法如下：

根据汽车理论知识，将汽车行驶方程式作变形，得出相应的HEV动力驱动模型：

其中，T为汽车需求转矩，i_g为变速器传动比，i₀为主减速器传动比，η表示传动系统的机械效率，r表示车轮滚动半径，m表示整车质量，g表示重力加速度，f为道路滚动阻力系数，α为道路行驶时的道路坡度角，C_D为行驶过程中的空气阻力系数，A为车辆迎风面积，v为车辆行驶速度，t为混合动力汽车行驶时间，δ为汽车旋转质量换算系数；

其中，上述公式中的第一项是在有坡度路面行驶才存在，第四项是在非匀速行驶条件下才存在，当车辆在水平道路上匀速行驶时是不存在上述两项阻力的。

步骤(4)中，所述基于灰色自适应PID闭环控制的HEV行驶仿真模型仿真建模时，以典型工况的车速要求作为输入，通过自适应PID控制，得出汽车行驶过程中作用于车轮的驱动力矩，并经过汽车动力驱动模型，得到实际的汽车车速，最后由所述灰色预测模型将预测车速反馈。

上述基于常规PID闭环控制的HEV行驶仿真模型仿真建模时，与灰色自适应PID闭环控制相比，常规PID闭环控制无自适应模块和灰色预测模块。

本发明所能达到的有益效果：

本发明的一种改进的灰色预测模型的自适应PID控制方法，通过建立改进的灰色预测模型，对HEV实际车速进行有效预测，同时建立参数可自动修正的自适应PID控制器，对HEV动力系统进行实时优化控制，使车速快速平稳上升，真正实现节能的目标；HEV车速响应有了明显提高，且动力系统动态控制效果得到明显改善。解决了HEV动态特性的提高受限于HEV动力系统驱动能力和响应能力的问题。

附图说明

图1是本发明的一种改进灰色预测的混合动力汽车自适应PID动态控制方法的工作流程图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

如图1所示。本发明是一种改进灰色预测的HEV动力系统自适应PID动态控制方法，该方法将灰色预测与自适应PID控制结合，并将二次型性能指标引入到PID控制器的整定过程中，加权系数自动可调，实现了自适应PID的最优控制律。用HEV动力驱动模型输出的车速历史数据，预测未来几步的车速，并将预测车速作为反馈信号与工况设定值进行比较得出偏差，作为自适应PID控制器的输入。从而使被延迟了的被控量超前反映到控制器，同时PID控制器的输出值直接反馈回来，作为自适应PID的修正参数，使控制器提前动作，实现动力系统的事先调节，从而减少超调量和加速调节过程，消除时滞对动态响应的影响，提高HEV车速响应和动力系统控制效果。

本发明的方法包括如下具体步骤：

1、建立改进的灰色预测模型GM(1，1)。

普通灰色预测序列：

GM(1，1)建模过程：以V⁽⁰⁾为原始数据序列V⁽⁰⁾＝(v⁽⁰⁾(1),v⁽⁰⁾(2),...,v⁽⁰⁾(n))，对V⁽⁰⁾进行一次累加生成操作(AGO)，得到V⁽⁰⁾的1-AGO序列V⁽¹⁾＝(v⁽¹⁾(1),v⁽¹⁾(2),...,v⁽¹⁾(n))，其中

设V⁽¹⁾的紧邻均值生成序列为Z⁽¹⁾，其中

z⁽¹⁾(k)＝0.5[v⁽¹⁾(k)+v⁽¹⁾(k-1)]，k＝2,3,...,n

发展系数a和灰色作用量b可由下式求得：

其中，V_n＝[v⁽⁰⁾(2)v⁽⁰⁾(3)K v⁽⁰⁾(n)]^T。

普通灰色预测序列可知GM(1，1)模型的预测精度取决于：(1)a和b的值，而a和b的值依赖于原始序列和背景值Z⁽¹⁾的构造形式；(2)灰色微分方程模型初始条件的选取，原GM(1，1)模型以为初始条件。根据GM(1，1)灰色模型的指数特性，利用在区间内[k,k+1]积分的方法，令

优化了背景值。根据新信息优先原理提出了以y⁽¹⁾(n)为初始条件的GM(1，1)模型：

根据上式进行k+d时刻的预测，然后对累加后的数据进行还原，得到还原数据对k+d时刻的预测为：

上述两种方法能各自独立的提高GM(1，1)的精度，本发明同时运用这两类改进方法，同时优化背景值和初始条件，提高GM(1，1)模型的预测精度。

2、建立自适应PID控制模型。

PID离散控制式子为：

式中，T_s为采样周期，k为采样序号，K_p为比例系数，T_i为积分时间，T_d为积分时间，e(k+d)为工况需求车速v_r(k+d)与预测车速之间的偏差，j表示采样时刻；

若设

由上式可知，Δu(k)＝K_p(k)x₁+K_i(k)x₂+K_d(k)x₃，根据已有研究成果可知：

式中，n_p、n_i、n_d分别表示比例、积分、微分项的学习速度，通常未知，利用符号信息近似代替，由此所带来的影响可通过调整学习速度来补偿。

3、建立HEV动力驱动模型。

参考汽车理论，将汽车行驶方程式作变形，得出相应的HEV动力驱动模型。

其中，T为汽车需求转矩，i_g为变速器传动比，i₀为主减速器传动比，η表示传动系统的机械效率，r表示车轮滚动半径，m表示整车质量，g表示重力加速度，f为道路滚动阻力系数，α为道路行驶时的道路坡度角，C_D为行驶过程中的空气阻力系数，A为车辆迎风面积，v为车辆行驶速度；t为混合动力汽车行驶时间，δ为汽车旋转质量换算系数。其中上述公式中的第一项和第四项是在特定行驶条件下才存在的，当车辆在水平道路上匀速行驶时是不存在上述两项阻力的。

4、以NEDC(新欧洲行驶工况)典型工况的车速要求作为输入，基于Matlab/Simulink分别建立基于灰色自适应PID闭环控制的HEV行驶仿真模型和基于常规PID闭环控制的HEV行驶仿真模型，并分别对两个模型进行对比仿真分析。

基于灰色自适应PID控制的HEV行驶模型仿真建模时，以NEDC(新欧洲行驶工况)典型工况的车速要求作为输入，通过自适应PID控制，得出汽车行驶过程中作用于车轮的驱动力矩，并经过汽车动力驱动模型，得到实际的汽车车速，最后由改进的灰色预测模型将预测车速反馈。常规PID控制闭环仿真无自适应模块和灰色预测模块，其它类似。选取NEDC工况中一段，要求汽车车速在4s内从0加速到4.17m/s。控制系统的性能指标为：上升时间t_r<4s，最大超调量M_p<5％，稳态误差e_εε<2％。车辆参数取自Cruise软件中某车型。具体实施例子如下：

针对上述工况段，调整两种PID控制器参数，设定灰色自适应PID控制器K_p＝580，K_i＝2，K_d＝10，常规PID控制器K_p＝1700，K_i＝0.8，K_d＝10，此时灰色自适应PID控制能达到与常规PID控制一样的效果，HEV实际车速均能在2s内加速到设定车速，且满足控制系统性能指标。但是对比此时所需的总输入力矩，采用灰色自适应PID控制时，所需总输入力矩瞬时达到最大值3.25kN·m后，经较小波动在2s内逐渐降为0；采用常规PID控制时，所需总输入力矩瞬时达到最大值7.67kN·m后，在2s内迅速降为0。虽然两种PID控制均实现了HEV车速的动态响应，满足了工况要求，但采用常规PID控制时，对瞬时转矩的需求过大，已超出发动机及电动机的驱动能力，在实际中难以实现，而采用灰色自适应PID控制时，大大降低了对HEV动力驱动系统的要求。

再针对同一工况段，当设定两种PID控制器参数相同时，都为K_p＝580，K_i＝2，K_d＝10时，采用常规PID控制的HEV实际车速响应曲线上升时间超过4s，不能满足急加速工况的要求。

综上所述，通过在Matlab/Simulink平台建模仿真，通过调整灰色自适应PID控制器和常规PID控制器的参数，两种控制器均可以提高HEV实际车速的动态响应特性，满足实际工况的需求车速，而采用灰色自适应PID控制在实现车速动态响应的同时，大幅降低了对HEV动力系统的要求，满足HEV动力系统的驱动能力，优于常规PID控制。故采用灰色预测的HEV动力系统自适应PID动态控制方法能够提高HEV车速响应速度，降低对混合动力汽车动力系统驱动能力的要求，提高了混合动力汽车动力系统控制效果，有利于提高混合动力汽车整车动力性、经济性和排放性。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.一种改进灰色预测的混合动力汽车自适应PID动态控制方法，其特征在于，包括如下步骤：

(1)建立改进的灰色预测模型GM(1，1)；

(2)建立自适应PID控制模型；

(3)建立HEV动力驱动模型；

(4)以典型工况的车速要求作为输入，分别建立基于灰色自适应PID闭环控制的HEV行驶仿真模型和基于常规PID闭环控制的HEV行驶仿真模型，并分别对两个模型进行对比仿真分析。

2.根据权利要求1所述的改进灰色预测的混合动力汽车自适应PID动态控制方法，其特征在于，步骤(1)中，所述改进的灰色预测模型GM(1，1)具体的建立方法如下：

普通灰色预测序列：

GM(1，1)建模过程：

以V⁽⁰⁾为原始数据序列V⁽⁰⁾＝(v⁽⁰⁾(1),v⁽⁰⁾(2),...,v⁽⁰⁾(n))，对V⁽⁰⁾进行一次累加生成操作(AGO)，得到V⁽⁰⁾的1-AGO序列V⁽¹⁾＝(v⁽¹⁾(1),v⁽¹⁾(2),...,v⁽¹⁾(n))，其中

设V⁽¹⁾的紧邻均值生成序列为Z⁽¹⁾，其中

z⁽¹⁾(k)＝0.5[v⁽¹⁾(k)+v⁽¹⁾(k-1)]，k＝2,3,...,n；

发展系数a和灰色作用量b由下式求得：

其中，V_n＝[v⁽⁰⁾(2) v⁽⁰⁾(3) K v⁽⁰⁾(n)]^T。

3.根据权利要求2所述的改进灰色预测的混合动力汽车自适应PID动态控制方法，其特征在于，所述普通灰色预测序列知GM(1，1)模型的预测精度取决于：

(1-1)a和b的值，而a和b的值依赖于原始序列V⁽⁰⁾和背景值Z⁽¹⁾的构造形式；

(1-2)原GM(1，1)模型以为初始条件；根据GM(1，1)灰色模型的指数特性，利用在区间内[k,k+1]积分的方法，令

优化了背景值，根据新信息优先原理提出了以y⁽¹⁾(n)为初始条件的GM(1，1)模型：

根据上式进行k+d时刻的预测，其中d为步长，然后对累加后的数据进行还原，得到还原数据对k+d时刻的预测为：

4.根据权利要求3所述的改进灰色预测的混合动力汽车自适应PID动态控制方法，其特征在于，步骤(2)中，所述自适应PID控制模型的建立方法如下：

PID离散控制式子为：

式中，T_s为采样周期，k为采样序号，K_p为比例系数，T_i为积分时间，T_d为积分时间，e(k+d)为工况需求车速v_r(k+d)与预测车速之间的偏差，j表示采样时刻；

设

由上式可知，Δu(k)＝K_p(k)x₁+K_i(k)x₂+K_d(k)x₃，根据已有研究成果知：

式中，n_p、n_i、n_d分别表示比例、积分、微分项的学习速度，利用符号信息近似代替由此所带来的影响通过调整学习速度来补偿。

5.根据权利要求1所述的改进灰色预测的混合动力汽车自适应PID动态控制方法，其特征在于，步骤(3)中，所述HEV动力驱动模型的建立方法如下：

根据汽车理论知识，将汽车行驶方程式作变形，得出相应的HEV动力驱动模型：

其中，T为汽车需求转矩，i_g为变速器传动比，i₀为主减速器传动比，η表示传动系统的机械效率，r表示车轮滚动半径，m表示整车质量，g表示重力加速度，f为道路滚动阻力系数，α为道路行驶时的道路坡度角，C_D为行驶过程中的空气阻力系数，A为车辆迎风面积，v为车辆行驶速度，t为混合动力汽车行驶时间，δ为汽车旋转质量换算系数；

其中，上述公式中的第一项是在有坡度路面行驶才存在，第四项是在非匀速行驶条件下才存在，当车辆在水平道路上匀速行驶时是不存在上述两项阻力的。

6.根据权利要求1所述的改进灰色预测的混合动力汽车自适应PID动态控制方法，其特征在于，步骤(4)中，所述基于灰色自适应PID闭环控制的HEV行驶仿真模型仿真建模时，以典型工况的车速要求作为输入，通过自适应PID控制，得出汽车行驶过程中作用于车轮的驱动力矩，并经过汽车动力驱动模型，得到实际的汽车车速，最后由所述灰色预测模型将预测车速反馈。

7.根据权利要求6所述的灰色预测的混合动力汽车自适应PID动态控制方法，其特征在于，

所述基于常规PID闭环控制的HEV行驶仿真模型仿真建模时，与灰色自适应PID闭环控制相比，常规PID闭环控制无自适应模块和灰色预测模块。