CN110667540A - 一种用于电动汽车的电子电力控制动力系统及其控制方法 - Google Patents

Abstract

本发明公开了一种用于电动汽车的电子电力控制动力系统，包括：处理系统；环境监测单元，其输出端与所述处理系统的输入端电连接；电池监测单元，其输出端与所述处理系统的输入端电连接；车辆监测单元，其输出端与所述处理系统的输入端电连接；电动机单元，其输入端与所述处理系统的输出端电连接。本系统能够在汽车行驶过程中根据电动汽车的车辆信息和环境信息，控制功率变换器的输出值和电动机的输出功率，提高电动汽车的能量回收效率。发明还提供了一种用于电动汽车的电子电力控制动力系统的控制方法，对汽车在行驶过程中的环境影响因子、储能电池的SOC下限值以及储能电池的功率对功率变换器的输出值和电动机的输出功率控制，实现能量回收管理。

Description

一种用于电动汽车的电子电力控制动力系统及其控制方法

技术领域

本发明涉及一种用于电动汽车的电子电力控制动力系统及其控制方法，属于汽车电子电力领域。

背景技术

近年来，随着世界经济的快速发展和人民生活水平的不断提高，汽车已越来越多地走进平常百姓家，世界汽车保有量呈现逐年递增的趋势。

随着汽车保有量的不断增加，也带来了汽车用油量的急剧增加，伴随着我国汽车产业的快速增长和能源消耗的不断增加，汽车尾气排放已不容忽视。汽车污染物是机动车排放污染物的主要贡者，目前，汽车尾气排放已逐渐成为各城市大气污染的主要因素之一。除此之外，能够造成温室效应的二氧化碳排放中，有25％来自汽车，我国的二氧化碳排放已居全球第二位。汽车尾气对环境造成的污染日益严重，已经是大气环境最突出，最紧迫的问题之一。

发展新能源汽车包括混合动力汽车、纯电动汽车以及燃料电池汽车是实现我国能源安全和环境保护以及中国汽车工业健康可持续发展的必然趋势。纯电动汽车以车载二次电源作为储能方式，以电动机为动力装置驱动车辆行驶，相比混合动力汽车而言，具有零排放、低噪声且结构简单等特点，而相比燃料电池则在当前更具产业化的基础，因此而受到了世界各国政府及汽车企业的广泛关注。

目前，纯电动汽车的产业化已成为各汽车企业的重要目标，同时，这也对提高纯电动汽车整车技术和性能水平提出了更为急切的需求。

发明内容

本发明设计开发了一种用于电动汽车的电子电力控制动力系统，能够在汽车行驶过程中根据电动汽车的车辆信息和环境信息，控制功率变换器的输出值和电动机的输出功率，提高电动汽车的能量回收效率。

本发明还设计开发了一种用于电动汽车电子电力控制动力系统的控制方法，通过汽车在行驶过程中的环境影响因子、储能电池的SOC下限值以及储能电池的功率对功率变换器的输出值和电动机的输出功率进行控制，实现对电池系统的能量回收管理。

本发明提供的技术方案为：

一种用于电动汽车的电子电力控制动力系统及其控制方法，包括：

环境监测单元，其输出端与所述处理系统的输入端电连接；

电池监测单元，其输出端与所述处理系统的输入端电连接；

车辆监测单元，其输出端与所述处理系统的输入端电连接；

电动机单元，其输入端与所述处理系统的输出端电连接。

优选的是，所述环境监测单元包括：温度传感器、湿度传感器、坡度传感器以及风速传感器。

一种电动汽车的电子电力控制动力系统的控制方法，其特征在于，使用所述的用于电动汽车的电子电力控制动力系统，包括：

监测汽车行驶过程中的温度T₁、湿度RH、道路坡度α以及风速ε，计算环境影响因子ω；

监测汽车在行驶过中的车速v、储能电池的电流I、储能电池的效率η，计算储能电池的SOC下限值SOC_P；

根据获取的环境影响因子ω、储能电池的SOC下限值SOC_P以及储能电池的输出功率P_C控制电动机的输出功率和功率变换器的输出。

优选的是，所述环境影响因子的经验计算公式为：

其中，λ₁为第一校正系数，T₁为环境温度，

为设定的环境温度的基准值，RH为环境湿度，RH₀为设定的环境湿度基准值，ε_max为最大风速，ε_min为最小风速，ε₀为设定的风速的基准值，α为道路坡度。

优选的是，所述储能电池的SOC下限值的经验计算公式为：

其中，λ₂为第一校正系数，T₂为储能电池的工作温度，T₀为储能电池的初始温度，v₀为设定的车速基准值，C为补偿常数，e为自然对数底数，I_E为储能电池的额定电流，η为储能电池的工作效率，

优选的是，所述电动机的输出功率通过BP神经网络进行控制，具体包括：

步骤1、按照采样周期，获取环境影响因子ω、储能电池的SOC下限值SOC_P以及储能电池的输出功率P_C，并进行归一化；

步骤2、确定三层BP神经网络的输入层向量x＝{x₁,x₂,x₃}，其中，x₁为环境影响因子系数、x₂为储能电池的SOC下限值系数、x₃为储能电池的输出功率系数；

步骤3、所述输入层向量映射到中间层，所述中间层向量y＝{y₁,y₂,…,y_m}；m为中间层节点个数；

步骤4、得到输出层向量o＝{o₁,o₂}；o₁为电动机的输出功率调节系数，o₂为功率变换器的调节系统。

优选的是，所述中间层节点个数m满足：

其中，n为输入层节点个数，p为输出层节点个数。

优选的是，所述中间层及所述输出层的激励函数均采用S型函数f_j(x)＝1/(1+e^-x)。

本发明所述的有益效果：本发明提供的用于电动汽车的电子电力控制动力系统通过采集电动汽车在行驶过程中的车辆行驶信息和环境信息，对电动机的输出功率进行控制，实现对电池系统的能量回收管理。本发明提供的控制方法通过BP神经网络对电池系统的输出功率进行控制，使电能消耗最小，提高电能利用率。通过控制电能的消耗，实现对电池系统的能量管理，减小对电池的损伤，提高电池的使用寿命。

附图说明

图1为本发明所述的用于电动汽车的电子电力控制动力系统的结构示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

如图1所示，本发明提供一种用于电动汽车的电子电力控制动力系统，通过采集电动汽车在行驶过程中的车辆行驶信息和环境信息，对电动机的输出功率进行控制，实现对电池系统的能量回收管理。具体包括：处理系统、环境监测单元、电池监测单元、车辆监测单元以及电动机单元。

环境监测单元包括：第一温度传感器、湿度传感器、坡度传感器以及风速传感器，用于监测汽车在行驶过程中的温度、湿度、道路坡度以及风速，环境监测单元的输出端与处理系统的输入端电连接，将监测到的环境信息发动给处理系统。处理系统设置在汽车的中控台内。电池监测单元设置在储能电池内，并设置有第二温度传感器和功率变换器，用于监测储能电池的温度，电池监测单元的输出端与处理系统的输入端电连接，用于将储能电池的输出功率、工作温度、工作电流、工作效率发送给处理系统，通过处理系统控制功率变换器的输出值。车辆监测单元包括：车速传感器，其设置在汽车驱动桥壳内，用于监测汽车的行驶速度，车辆监测单元的输出端与处理系统的输入端电连接。电动机单元的输出端与处理系统的输入端电连接，通过处理系统控制电动机的输出功率。

汽车在行驶过程中，通过环境监测单元检测汽车的行驶环境参数，通过电池监测单元随时监测电池的使用情况，通过车辆检测单元监测汽车的行驶速度，通过处理系统控制功率变换器的输出值和电动机的输出功率，实现储能电池的能量回收，提高电池的使用寿命。

本发明还提供了一种用于电动汽车的电子电力控制动力系统的控制方法，通过汽车在行驶过程中的环境影响因子、储能电池的SOC下限值以及储能电池的功率对功率变换器的输出值和电动机的输出功率进行控制，实现对电池系统的能量回收管理，具体如下：

监测汽车行驶过程中的温度T₁、湿度RH、道路坡度α以及风速ε，计算环境影响因子ω；

环境影响因子的经验计算公式为：

式中，λ₁为第一校正系数，T₁为环境温度，单位为℃，

为设定的环境温度的基准值，单位为℃，RH为环境湿度，RH₀为设定的环境湿度基准值，ε_max为最大风速，单位为m/s，ε_min为最小风速，单位为m/s，ε₀为设定的风速的基准值，单位为m/s，α为道路坡度。

监测汽车在行驶过中的车速v、储能电池的电流I、储能电池的效率η，计算储能电池的SOC下限值SOC_P；

储能电池的SOC下限值的经验计算公式为：

式中，λ₂为第一校正系数，T₂为储能电池的工作温度，单位为℃，T₀为储能电池的初始温度，单位为℃，v₀为设定的车速基准值，单位为m/s，C为补偿常数，e为自然对数底数，I_E为储能电池的额定电流，单位为A，η为储能电池的工作效率。

根据获取的环境影响因子ω、储能电池的SOC下限值SOC_P以及储能电池的输出功率P_C控制电动机的输出功率和功率变换器的输出值，使电能消耗最小，提高电能利用率。通过控制电能的消耗，实现对电池系统的能量管理，减小对电池的损伤，提高电池的使用寿命。

通过BP神经网络控制电动机的输出功率和功率变换器的输出值，具体包括：

步骤一、建立BP神经网络模型。

本发明采用的BP网络体系结构由三层组成，第一层为输入层，共n个节点，对应了表示设备工作状态的n个监测信号，这些信号参数由数据预处理模块给出。第二层为隐层，共m个节点，由网络的训练过程以自适应的方式确定。第三层为输出层，共p个节点，由系统实际需要输出的响应确定。

该网络的数学模型为：

输入向量：x＝(x₁,x₂,...,x_n)^T

中间层向量：y＝(y₁,y₂,...,y_m)^T

输出向量：O＝(o₁,o₂,...,o_p)^T

本发明中，输入层节点数为n＝3，输出层节点数为p＝2。隐藏层节点数m由下式估算得出：

输入信号的3个参数分别表示为x₁为环境影响因子系数、x₂为储能电池的SOC下限值系数、x₃为储能电池的输出功率系数。

由于传感器获取的数据属于不同的物理量，其量纲各不相同。因此，在数据输入人工神经网络之前，需要将数据规格化为0-1之间的数。

将环境影响因子ω、储能电池的SOC下限值SOC_P、储能电池的输出功率P_C进行归一化处理，公式为：

其中，x_j为输入层向量中的参数，X_j分别为测量参数ω、SOC_P、和P_C，j＝1,2,3,4；X_jmax和X_jmin分别为相应测量参数中的最大值和最小值，采用S型函数，f_j(x)＝1/(1+e^-x)。

输出信号的两个参数分别表示为：得到输出层向量o＝{o₁,o₂}；o₁为电动机的输出功率调节系数，o₂为功率变换器的调节系数。

步骤二、进行BP神经网络训练

建立好BP神经网络节点模型后，即可进行BP神经网络的训练。根据历史经验数据获取训练的样本，并给定输入节点i和隐含层节点j之间的连接权值W_ij，隐层节点j和输出层节点k之间的连接权值W_jk，隐层节点j的阈值θ_j，输出层节点k的阈值θ_k、W_ij、W_jk、θ_j、θ_k均为-1到1之间的随机数。

在训练过程中，不断修正W_ij、W_jk的值，直至系统误差小于等于期望误差时，完成神经网络的训练过程。

训练方法

各子网采用单独训练的方法；训练时，首先要提供一组训练样本，其中的每一个样本由输入样本和理想输出对组成，当网络的所有实际输出与其理想输出一致时，表明训练结束；否则，通过修正权值，使网络的理想输出与实际输出一致；各子网训练时的输入样本如表1所示：

表1

在系统设计时，系统模型是一个仅经过初始化了的网络，权值需要根据在使用过程中获得的数据样本进行学习调整，为此设计了系统的自学习功能。在指定了学习样本及数量的情况下，系统可以进行自学习，以不断完善网络性能，各子网训练后的输出样本如表2所示：

表2

步骤三、采集传各单元运行参数输入神经网络得到电动机的输出功率调节和功率变换器输出信号。

将训练好的人工神经网络固化在芯片之中，使硬件电路具备预测和智能决策功能，从而形成智能硬件。

同时使用传感器采集到的参数，通过将上述参数规格化，得到BP神经网络的初始输入向量

通过BP神经网络的运算得到初始输出向量

步骤四、监测电动机和功率变换器的工作状态。

根据第i次周期中的环境影响因子、储能电池的SOC下限值以及储能电池的输出功率的采样信号，判定第i+1次周期时的电动机和功率变换器的工作状态，对电动机的输出功率和功率变换器的输出值进行调节。

通过上述设置，获取输入参数，通过采用BP神经网络算法，对电动机的输出功率和功率变换器的输出值进行控制，实现对电池系统的能量管理，减小对电池的损伤，提高电池的使用寿命。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (8)

1.一种用于电动汽车的电子电力控制动力系统，其特征在于，包括：

处理系统；

环境监测单元，其输出端与所述处理系统的输入端电连接；

电池监测单元，其输出端与所述处理系统的输入端电连接；

车辆监测单元，其输出端与所述处理系统的输入端电连接；

电动机单元，其输入端与所述处理系统的输出端电连接。

2.根据权利要求1所述的用于电动汽车的电子电力控制动力系统，其特征在于，所述环境监测单元包括：温度传感器、湿度传感器、坡度传感器以及风速传感器。

3.一种电动汽车的电子电力控制动力系统的控制方法，其特征在于，使用权利要求1或2所述的用于电动汽车的电子电力控制动力系统，包括：

监测汽车行驶过程中的温度T₁、湿度RH、道路坡度α以及风速ε，计算环境影响因子ω；

监测汽车在行驶过中的车速v、储能电池的电流I、储能电池的效率η，计算储能电池的SOC下限值SOC_P；

根据获取的环境影响因子ω、储能电池的SOC下限值SOC_P以及储能电池的输出功率P_C控制电动机的输出功率和功率变换器的输出值。

4.根据权利要求3所述的电动汽车的电子电力控制动力系统的控制方法，其特征在于，所述环境影响因子的经验计算公式为：

其中，λ₁为第一校正系数，T₁为环境温度，

为设定的环境温度的基准值，RH为环境湿度，RH₀为设定的环境湿度基准值，ε_max为最大风速，ε_min为最小风速，ε₀为设定的风速的基准值，α为道路坡度。

5.根据权利要求4所述的电动汽车的电子电力控制动力系统的控制方法，其特征在于，所述储能电池的SOC下限值的经验计算公式为：

其中，λ₂为第一校正系数，T₂为储能电池的工作温度，T₀为储能电池的初始温度，v₀为设定的车速基准值，C为补偿常数，e为自然对数底数，I_E为储能电池的额定电流，η为储能电池的工作效率。

6.根据权利要求5所述的电动汽车的电子电力控制动力系统的控制方法，其他在在于，通过BP神经网络控制电动机的输出功率和功率变换器的输出值，具体包括：

步骤1、按照采样周期，环境影响因子ω、储能电池的SOC下限值SOC_P以及储能电池的输出功率P_C，并进行归一化；

步骤2、确定三层BP神经网络的输入层向量x＝{x₁,x₂,x₃}，其中，x₁为环境影响因子系数、x₂为储能电池的SOC下限值系数、x₃为储能电池的输出功率系数；

步骤3、所述输入层向量映射到中间层，所述中间层向量y＝{y₁,y₂,…,y_m}；m为中间层节点个数；

步骤4、得到输出层向量o＝{o₁,o₂}；o₁为电动机的输出功率调节系数，o₂为功率变换器的调节系数。

7.根据权利要求6所述的电动汽车的电子电力控制动力系统的控制方法，其特征在于，所述中间层节点个数m满足：

其中，n为输入层节点个数，p为输出层节点个数。

8.根据权利要求7所述的电动汽车的电子电力控制动力系统的控制方法，其特征在于，所述中间层及所述输出层的激励函数均采用S型函数f_j(x)＝1/(1+e^-x)。

Images