CN111002975A - 车辆能量管理方法、系统、电子设备和存储介质 - Google Patents
车辆能量管理方法、系统、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111002975A CN111002975A CN201911376437.4A CN201911376437A CN111002975A CN 111002975 A CN111002975 A CN 111002975A CN 201911376437 A CN201911376437 A CN 201911376437A CN 111002975 A CN111002975 A CN 111002975A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target
- function
- point
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W20/00—Control systems specially adapted for hybrid vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Navigation (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种车辆能量管理方法、系统、电子设备和存储介质,所述方法包括:获取车辆的目标规划路径以及所述目标规划路径上每个特征点对应的工况信息;根据所述工况信息确定所述目标规划路径上的目标特征点;根据每个所述目标特征点对应的目标工况信息建立车辆行驶工况模型;根据所述车辆行驶工况模型对所述车辆进行能量管理。本发明将基于位置和路径信息的高精度地图模型转化为基于时间序列的车辆行驶工况模型,真实有效地反映车辆的实时动态路况;将车辆行驶工况模型输入至整车动力学模型中获取整车需求功率,制定最优功率分配策略,使车辆能量管理策略更加精准,实现动态调整电池功率和发动机功率,提升了整车能效,降低了温室气体排放。
Description
技术领域
本发明涉及能量管理技术领域,特别涉及一种车辆能量管理方法、系统、电子设备和存储介质。
背景技术
伴随着技术的飞速发展、能源稀缺和环境危机等,新能源车辆(如新能源汽车)营运也随之应运而生。其中,混合动力汽车在新能源汽车中的占有重要地位。在新能源汽车的能源管理方面,主要采用能量管理策略来决定其电能和燃油的使用方案,因此能量管理策略的准确程度直接影响到车辆的能效和排放。
目前,能量管理策略可分为基于规则的控制策略,瞬时优化控制策略和全局优化控制策略三种类型,其中全局优化控制策略的理论效果最佳,然而现有的全局优化控制管理策略主要基于统计数据的典型道路工况制定,即现有只能基于离线静态统计的工况信息来制定能量管理策略,而真实行驶工况与典型道路工况之间往往存在不可控偏差,从而导致现有的能量管理策略在实际应用中效果并不理想。
发明内容
本发明要解决的技术问题是现有技术中新能源车辆的能量管理策略在实际应用中效果不理想的缺陷,目的在于提供一种车辆能量管理方法、系统、电子设备和存储介质。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供一种车辆能量管理方法,所述方法包括:
获取车辆的目标规划路径以及所述目标规划路径上每个特征点对应的工况信息;
根据所述工况信息确定所述目标规划路径上的目标特征点;
根据每个所述目标特征点对应的目标工况信息建立车辆行驶工况模型;
其中,所述车辆行驶工况模型用于表征所述车辆在任意时刻的道路坡度和/或道路曲率,以及实时行驶速度;
根据所述车辆行驶工况模型对所述车辆进行能量管理。
较佳地,所述获取车辆的目标规划路径的步骤包括:
获取高精度地图根据起始点和目的地得到的拓扑结构和节点信息;
根据所述拓扑结构和所述节点信息构建引导线,并采用路径规划算法根据所述引导线获取所述目标规划路径。
较佳地,所述工况信息包括路径信息、相对路径原点的偏移量、道路坡度、实时行驶速度和道路曲率。
较佳地,所述根据所述工况信息确定所述目标规划路径上的目标特征点的步骤包括:
以所述目标规划路径上任意一个所述特征点作为初始特征点;
获取所述车辆在设定方向上且距离所述初始特征点固定间距的第一特征点处的第一实时行驶速度;
获取所述第一实时行驶速度与所述车辆在所述初始特征点处的初始实时行驶速度之间的差值;
判断所述差值是否满足第一设定阈值,若满足,则将所述第一特征点作为所述目标特征点;
将所述目标特征点作为所述初始特征点,重复执行获取所述车辆在设定方向上且距离所述初始特征点固定间距的第一特征点处的第一实时行驶速度的步骤,直至获取所述目标规划路径中所述设定方向上的所有所述目标特征点;
其中,当所述任意一个所述特征点为所述目标规划路径的所述起始点,所述设定方向为所述起始点到所述目的地的方向;
当所述任意一个所述特征点为所述目标规划路径的所述目的地,所述设定方向为所述目的地到所述起始点的方向;
当所述任意一个所述特征点既不是所述起始点也不是所述目的地时,所述设定方向包括所述任意一个所述特征点到所述起始点的方向,以及所述任意一个所述特征点到所述目的地的方向。
较佳地,当所述差值不满足所述第一设定阈值,所述获取所述第一实时行驶速度与所述车辆在所述初始特征点处的初始实时行驶速度之间的差值的步骤之前还包括:
将所述目标规划路径中与当前所述第一特征点距离所述固定间距的下一个特征点作为新的所述第一特征点;
所述方法还包括:
判断所述初始特征点与新的所述第一特征点之间的第一间距是否大于第二设定阈值,若是,则将新的所述第一特征点作为所述目标特征点;若否,则执行将所述目标规划路径中与当前所述第一特征点距离所述固定间距的下一个特征点作为新的所述第一特征的步骤;
其中,所述第二设定阈值大于所述固定间距;和/或,
相邻两个所述目标特征点对应的行驶速度呈线性稳态。
较佳地,当所述目标工况信息包括目标偏移量和目标实时行驶速度时,所述根据每个所述目标特征点对应的目标工况信息建立车辆行驶工况模型的步骤包括:
根据每个所述目标特征点对应的所述偏移量和所述实时行驶速度,获取所述车辆行驶到任意一个所述目标特征点对应的时间函数;
根据所述时间函数获取所述车辆在任意时刻的实时行驶速度函数;
根据所述实时行驶速度函数获取所述车辆在任意时刻的位置函数;
采用拟合函数根据所述位置函数获取基于时间序列的坡度函数和道路曲率函数。
较佳地,所述根据每个所述目标特征点对应的所述偏移量和所述实时行驶速度,获取所述车辆行驶到任意一个所述目标特征点对应的时间函数的步骤对应的计算公式如下:
其中,i表示第i个所述目标特征点,ti表示所述时间函数,offseti表示第i个所述目标特征点距离所述起始点的偏移量,vi表示第i个所述目标特征点处所述车辆的实时行驶速度;
所述根据所述时间函数获取所述车辆在任意时刻的实时行驶速度函数的步骤对应的计算公式如下:
其中,v(t)表示所述行驶速度函数;
所述根据所述实时行驶速度函数获取所述车辆在任意时刻的位置函数的步骤对应的计算公式如下:
其中,offset(t)表示所述位置函数;
所述采用拟合函数根据所述位置函数获取基于时间序列的坡度函数和道路曲率函数的步骤对应的计算公式如下:
i(t)=fintrpn_slope(offset(t))
k(t)=fintrpn_curve(offset(t))
较佳地,所述根据所述车辆行驶工况模型对所述车辆进行能量管理的步骤包括:
将所述车辆行驶工况模型输入至动力学模型中,获取所述车辆在任意时刻的整车需求功率;
根据所述整车需求功率分配所述车辆中的电池功率和/或发动机的功率。
较佳地,所述路径规划算法包括AStar算法(一种启发式搜索算法);和/或,
所述拟合函数包括Bezier曲线(贝塞尔曲线)拟合函数或Clothoid曲线(回旋曲线)拟合函数。
本发明还提供一种车辆能量管理系统,所述车辆能量管理系统包括路径获取模块、工况信息获取模块、目标特征点获取模块、模型建立模块和能量管理模块;
所述路径获取模块用于获取车辆的目标规划路径;
所述工况信息获取模块用于获取所述目标规划路径上每个特征点对应的工况信息;
所述目标特征点获取模块用于根据所述工况信息确定所述目标规划路径上的目标特征点;
所述模型建立模块用于根据每个所述目标特征点对应的目标工况信息建立车辆行驶工况模型;
其中,所述车辆行驶工况模型用于表征所述车辆在任意时刻的道路坡度和/或道路曲率,以及实时行驶速度;
所述能量管理模块用于根据所述车辆行驶工况模型对所述车辆进行能量管理。
较佳地,所述路径获取模块包括地图信息获取单元和路径获取单元;
所述地图信息获取单元用于获取高精度地图根据起始点和目的地得到的拓扑结构和节点信息;
所述路径获取单元用于根据所述拓扑结构和所述节点信息构建引导线,并采用路径规划算法根据所述引导线获取所述目标规划路径。
较佳地,所述工况信息包括路径信息、相对路径原点的偏移量、道路坡度、实时行驶速度和道路曲率。
较佳地,所述目标特征点获取模块包括初始特征点获取单元、第一速度获取单元、差值获取单元和第一判断单元;
所述初始特征点获取单元用于以所述目标规划路径上任意一个所述特征点作为初始特征点;
所述第一速度获取单元用于获取所述车辆在设定方向上且距离所述初始特征点固定间距的第一特征点处的第一实时行驶速度;
所述差值获取单元用于获取所述第一实时行驶速度与所述车辆在所述初始特征点处的初始实时行驶速度之间的差值;
所述第一判断单元用于判断所述差值是否满足第一设定阈值,若满足,则将所述第一特征点作为所述目标特征点;
所述初始特征点获取单元用于将所述目标特征点作为所述初始特征点,重复调用所述第一速度获取单元,直至获取所述目标规划路径中所述设定方向上的所有所述目标特征点;
其中,当所述任意一个所述特征点为所述目标规划路径的所述起始点,所述设定方向为所述起始点到所述目的地的方向;
当所述任意一个所述特征点为所述目标规划路径的所述目的地,所述设定方向为所述目的地到所述起始点的方向;
当所述任意一个所述特征点既不是所述起始点也不是所述目的地时,所述设定方向包括所述任意一个所述特征点到所述起始点的方向,以及所述任意一个所述特征点到所述目的地的方向。
较佳地,当所述差值不满足所述第一设定阈值,所述目标特征点获取模块还包括特征点确定单元和第二判断单元;
所述特征点确定单元用于将所述目标规划路径中与当前所述第一特征点距离所述固定间距的下一个特征点作为新的所述第一特征点;
所述第二判断单元用于判断所述初始特征点与新的所述第一特征点之间的第一间距是否大于第二设定阈值,若是,则将新的所述第一特征点作为所述目标特征点;若否,则调用所述特征点确定单元;
其中,所述第二设定阈值大于所述固定间距。
较佳地,当所述目标工况信息包括目标偏移量和目标实时行驶速度时,所述模型建立模块包括时间函数获取单元、速度函数获取单元、位置函数获取单元和目标函数获取单元;
所述时间函数获取单元用于根据每个所述目标特征点对应的所述偏移量和所述实时行驶速度,获取所述车辆行驶到任意一个所述目标特征点对应的时间函数;
所述速度函数获取单元用于根据所述时间函数获取所述车辆在任意时刻的实时行驶速度函数;
所述位置函数获取单元用于根据所述实时行驶速度函数获取所述车辆在任意时刻的位置函数;
所述目标函数获取单元用于采用拟合函数根据所述位置函数获取基于时间序列的坡度函数和道路曲率函数。
较佳地,所述时间函数获取单元获取时间函数对应的计算公式如下:
其中,i表示第i个所述目标特征点,ti表示所述时间函数,offseti表示第i个所述目标特征点距离所述起始点的偏移量,vi表示第i个所述目标特征点处所述车辆的实时行驶速度;
所述速度函数获取单元获取实时行驶速度函数对应的计算公式如下:
其中,v(t)表示所述行驶速度函数;
所述位置函数获取单元获取位置函数对应的计算公式如下:
其中,offset(t)表示所述位置函数;
所述目标函数获取单元获取道路曲率函数对应的计算公式如下:
i(t)=fintrpn_slope(offset(t))
k(t)=fintrpn_curve(offset(t))
较佳地,所述能量管理模块包括整车功率获取单元和功率分配单元;
所述整车功率获取单元用于将所述车辆行驶工况模型输入至动力学模型中,获取所述车辆在任意时刻的整车需求功率;
所述功率分配单元用于根据所述整车需求功率分配所述车辆中的电池功率和/或发动机的功率。
较佳地,所述路径规划算法包括AStar算法;和/或,
所述拟合函数包括Bezier曲线拟合函数或Clothoid曲线拟合函数。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行计算机程序时实现上述的车辆能量管理方法。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的车辆能量管理方法的步骤。
本发明的积极进步效果在于:
本发明中,将基于位置和路径信息的高精度地图模型转化为基于时间序列的车辆行驶工况模型,真实有效地反映车辆的实时动态路况;将车辆行驶工况模型输入至整车动力学模型中获取整车需求功率,制定最优功率分配策略,保证了车辆单次出行时的能量管理策略的准确性,实现动态调整电池功率和发动机功率,提升了整车能效,降低了温室气体排放。
附图说明
图1为本发明实施例1的车辆能量管理方法的流程图。
图2为本发明实施例2的车辆能量管理方法的流程图。
图3为本发明实施例2的车辆能量管理方法中规划路径的示意图。
图4为本发明实施例3的车辆能量管理系统的模块示意图。
图5为本发明实施例4的车辆能量管理系统的模块示意图。
图6为本发明实施例5中实现车辆能量管理方法的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在的实施例范围之中。
实施例1
如图1所示,本实施例的车辆能量管理方法包括:
S101、获取车辆的目标规划路径;
S102、目标规划路径上每个特征点对应的工况信息;
其中,工况信息包括但不限于路径信息、相对路径原点的偏移量、道路坡度、实时行驶速度和道路曲率。
S103、根据工况信息确定目标规划路径上的目标特征点;
S104、根据每个目标特征点对应的目标工况信息建立车辆行驶工况模型;
其中,车辆行驶工况模型用于表征车辆在任意时刻的道路坡度和/或道路曲率,以及实时行驶速度;
S105、根据车辆行驶工况模型对车辆进行能量管理。
另外,可以根据实际需求考虑更多的影响参数(如天气方面的参数)来建立车辆行驶工况模型,以进一步地提高对车辆的能量管理的准确性与效率。
本实施例中,基于高精度地图规划最优行驶路径并确定该路径上的目标特征点,通过每个目标特征点对应车辆的位置和实时行驶速度即可推导出车辆行驶至任意一个目标特征点所需的时间,继而最终求得基于时间序列的车辆行驶工况模型,该模型反映车辆的车速和坡度随时间变化情况,即根据高精度地图数据获取实时路况数据,真实有效地反映车辆的实时动态路况,保证了车辆单次出行时的能量管理策略的准确性,提升了整车能效,降低了温室气体排放。
实施例2
如图2所示,本实施例的车辆能量管理方法是对实施例1的进一步改进,具体地:
步骤S101包括:
S1011、获取高精度地图根据起始点和目的地得到的拓扑结构和节点信息;
其中,根据起始点和目的地从POI(兴趣点)数据库中获取对应的GPS(全球定位系统)信息,进而采用高精度地图从GPS信息中提取出拓扑结构和节点信息。
S1012、根据拓扑结构和节点信息构建引导线,并采用路径规划算法根据引导线获取目标规划路径。
其中,路径规划算法包括但不限于AStar算法。
步骤S103包括:
S1031、以目标规划路径上任意一个特征点作为初始特征点;
S1032、获取车辆在设定方向上且距离初始特征点固定间距的第一特征点处的第一实时行驶速度;
S1033、获取第一实时行驶速度与车辆在初始特征点处的初始实时行驶速度之间的差值;
S1034、判断差值是否满足第一设定阈值,若满足,则将第一特征点作为目标特征点;
具体地,当该差值的绝对值大于第一设定阈值时,则确定将第一特征点作为目标特征点。
S1035、将目标特征点作为初始特征点,重复执行步骤S1032,直至获取目标规划路径中设定方向上的所有目标特征点;
其中,当任意一个特征点为目标规划路径的起始点,设定方向为起始点到目的地的方向;
当任意一个特征点为目标规划路径的目的地,设定方向为目的地到起始点的方向;
当任意一个特征点既不是起始点也不是目的地时,设定方向包括任意一个特征点到起始点的方向,以及任意一个特征点到目的地的方向。
例如,如图3所示,其中A表示起始点,B表示目的地,C表示特征点,D表示车辆当前位置,曲线path1表示行驶路径1,曲线path2表示行驶路径2。
以起始点为初始特征点,C1点为目标规划路径上的一个特征点,对应的工况信息包括路径信息:path1、相对路径原点的偏移量:75m等。当固定间距为100m时,图3中的E1、E2、E3则均表示第一特征点。
当步骤S1024中的差值不满足第一设定阈值,步骤S1023之前还包括:
将目标规划路径中与当前第一特征点距离固定间距的下一个特征点作为新的第一特征点;
本实施例的方法还包括:
判断初始特征点与新的第一特征点之间的第一间距是否大于第二设定阈值,若是,则将新的第一特征点作为目标特征点;若否,则执行将目标规划路径中与当前第一特征点距离固定间距的下一个特征点作为新的第一特征点的步骤。
其中,第二设定阈值大于固定间距。
例如,初始特征点Pi与起始点的偏移量为offset,初始特征点Pi处对应的车速为v(offseti);距离初始特征点Pi固定间距的下一个特征点Pi+1与起始点的偏移量为offset+n*sint,下一个特征点Pi+1处对应的车速为v(offset+n*sint),其中sint表示固定间距,此时n=1。
计算|v(offset+n*sint)-v(offseti)|是否大于vthd,若大于则确定下一个特征点Pi+1为目标特征点;否则,将特征点Pi+2作为下一个特征点,下一个特征点Pi+2处对应的车速为v(offset+n*sint),此时n=2;若|v(offset+n*sint)-v(offseti)|是否大于vthd则确定特征点Pi+2为目标特征点;若否则判断初始特征点Pi与特征点Pi+2的距离是否超过offsetthd,若超过则确定特征点Pi+2为目标特征点;若不超过则继续将特征点Pi+3作为下一个特征点,依次类推,直至获取所有的目标特征点,具体判断过程与上述类似,因此此处就不再赘述。
其中,固定间距sint取值为10m,第一设定阈值vthd取值为5km/h,第二设定阈值offsetthd取值为100m,各个参数的取值可以根据实际情况进行调整。
另外,上述确定目标特征点的方式平衡了车辆行驶工况模型精度、网络以及内存资源占用。
当目标工况信息包括目标偏移量和目标实时行驶速度时,步骤S104包括:
S1041、根据每个目标特征点对应的偏移量和实时行驶速度,获取车辆行驶到任意一个目标特征点对应的时间函数;
具体地,获取时间函数对应的计算公式如下:
其中,i表示第i个目标特征点,ti表示时间函数,offseti表示第i个目标特征点距离起始点的偏移量,vi表示第i个目标特征点处车辆的实时行驶速度;
S1042、根据时间函数获取车辆在任意时刻的实时行驶速度函数;
其中,由于相邻目标特征点间的车速近似呈线形稳态关系,因此可以计算得到车辆在任意时刻的车速。
具体地,获取实时行驶速度函数对应的计算公式如下:
其中,v(t)表示行驶速度函数。
S1043、根据实时行驶速度函数获取车辆在任意时刻的位置函数;
具体地,获取位置函数对应的计算公式如下:
其中,offset(t)表示位置函数;
S1044、采用拟合函数根据位置函数获取基于时间序列的坡度函数和道路曲率函数。
其中,拟合函数包括但不限于Bezier曲线拟合函数、Clothoid曲线拟合函数。
具体地,获取坡度函数和道路曲率函数对应的计算公式如下:
i(t)=fintrpn_slope(offset(t))
k(t)=fintrpn_curve(offset(t))
通过上述方式,将基于位置和路径信息等的高精地图模型转化为基于时间序列的车辆行驶工况模型,该模型包括制定能量管理策略需要的坡度函数和道路曲率函数。
步骤S105包括:
S1051、将车辆行驶工况模型输入至动力学模型中,获取车辆在任意时刻的整车需求功率;
以纵向动力学模型为例,当将坡度函数i(t)输入至动力学模型时,步骤S1051对应的公式如下:
其中,Preq(t)表示整车需求功率,δ表示汽车旋转质量换算系数,mv表示整车质量,mp表示乘客质量,ηT表示传动效率,Ff表示滚动阻力,Fw表示空气阻力,Fi为坡度阻力。
另外,将横向动力学模型与道路曲率函数相结合获取整车需求功率,以及同时将坡度函数和道路曲率函数与整车动力学模型相结合获取整车需求功率的过程与上述类似,因此此处就不再赘述。其中,同时基于坡度函数和道路曲率函数获取车辆在任意时刻的整车需求功率更加准确,根据该整车需求功率制定的能量管理策略更准确。
S1052、根据整车需求功率分配车辆中的电池功率和/或发动机的功率,实现制定精准的能量管理策略目的。
对于混合动力汽车中,整车功率需求由电池和发动机提供,即
Preq=Pbattery+Pengine
其中,Pbattery表示电池的功率,Pengine表示发动机的功率。
在实际应用过程中,首先要考虑混合动力系统构型,如串联式、并联式、混联式动力系统;其次,根据动力源参数进行建模,如可采用Rint模型(内阻等效模型)、Theveini模型、二阶RC等效电路模型、PNGV等效电路模型(均属于等效电路模型)等建立电池模型;可采用BSFC MAP(一种有效模型)等建立发动机模型;然后采用全局优化算法(如动态规划算法、庞特里亚金最小值算法等)进行最优能量管理策略制定,进一步制定最优能量管理规则,用于混合动力汽车能量管理控制策略。
其中,全局优化控制策略是以一段既定的完整的行驶路况上的整车等效燃油消耗、排放等为目标函数,在满足车辆机械约束等条件下建立全局优化数学模型,在满足电机、发动机、电池等条件的制约下,求得全局的最优能量分配方案。
下面结合实例具体说明:
该实例的应用场景为混合动力汽车的分布式电子控制系统。
(1)用户在人机交互界面(如手机端)中输入目的地,其中,人机交互界面通过视频线与智能座舱域控制器连接;
(2)通过部署在智能座舱域控制器的POI数据库根据自动识别的起始点和输入的目的地查询得到对应的GPS信息,其中POI数据库属于高精度地图中的静态图层部分;
(3)采用智能座舱域控制器中的导航信息生成模块根据GPS信息得到目标规划路径和该目标规划路径上每个特征点的工况信息;
其中,工况信息中的车辆实时行驶速度由部署在云端的高精度地图数据库的动态图层提供,高精度地图数据库的动态图层通过Wi-Fi(无线网)或4G(第四代移动通信)等无线技术将车辆实时行驶速度传输至T-box(远程信息处理终端),再有T-box通过网关传输至智能座舱域控制器中;
(4)采用智能座舱域控制器中的模型转换模块根据目标规划路径和工况信息获取基于时间序列的车辆行驶工况模型;
(5)将车辆行驶工况模型代入部署在智能座舱域控制器的整车动力学模型中获取任意时刻的整车需求功率;
(6)根据整车需求功率使用部署在智能座舱域控制器中的能量管理策略模块制定最优能量管理策略;
(7)采用整车控制器依据制定最优能量管理策略提供的功能分配结果,给电池和发动机设定输出功率的目标值,实现对混合动力汽车的能量管理的实时控制;其中,整车控制器通过网关与智能座舱域控制器通信连接。
本实施例中,基于高精度地图规划最优行驶路径并确定该路径上的目标特征点,通过每个目标特征点对应车辆的位置和实时行驶速度即可推导出车辆行驶至任意一个目标特征点所需的时间,继而最终求得基于时间序列的车辆行驶工况模型,该模型反映车辆的车速和坡度随时间变化情况,即根据高精度地图数据获取实时路况数据,真实有效地反映车辆的实时动态路况;将模型输入至整车动力学模型中获取整车需求功率,实现将实时动态路况数据与优化能量管理策略相结合,动态调整电池功率和发动机功率,制定最优功率分配策略,保证了车辆单次出行时的能量管理策略的准确性,提升了整车能效,降低了温室气体排放。
实施例3
如图4所示,本实施例的车辆能量管理系统包括路径获取模块1、工况信息获取模块2、目标特征点获取模块3、模型建立模块4和能量管理模块5。
路径获取模块1用于获取车辆的目标规划路径;
工况信息获取模块2用于获取目标规划路径上每个特征点对应的工况信息;
其中,工况信息包括但不限于路径信息、相对路径原点的偏移量、道路坡度、实时行驶速度和道路曲率。
目标特征点获取模块3用于根据工况信息确定目标规划路径上的目标特征点;
模型建立模块4用于根据每个目标特征点对应的目标工况信息建立车辆行驶工况模型;
其中,车辆行驶工况模型用于表征车辆在任意时刻的道路坡度和/或道路曲率,以及实时行驶速度;
能量管理模块5用于根据车辆行驶工况模型对车辆进行能量管理。
本实施例中,基于高精度地图规划最优行驶路径并确定该路径上的目标特征点,通过每个目标特征点对应车辆的位置和实时行驶速度即可推导出车辆行驶至任意一个目标特征点所需的时间,继而最终求得基于时间序列的车辆行驶工况模型,该模型反映车辆的车速和坡度随时间变化情况,即根据高精度地图数据获取实时路况数据,真实有效地反映车辆的实时动态路况,保证了车辆单次出行时的能量管理策略的准确性,提升了整车能效,降低了温室气体排放。
实施例4
如图5所示,本实施例的车辆能量管理系统是对实施例3的进一步改进,具体地:
路径获取模块1包括地图信息获取单元6和路径获取单元7。
地图信息获取单元6用于获取高精度地图根据起始点和目的地得到的拓扑结构和节点信息;
其中,根据起始点和目的地从POI数据库中获取对应的GPS信息,进而采用高精度地图从GPS信息中提取出拓扑结构和节点信息。
路径获取单元7用于根据拓扑结构和节点信息构建引导线,并采用路径规划算法根据引导线获取目标规划路径。
其中,路径规划算法包括但不限于AStar算法。
目标特征点获取模块3包括初始特征点获取单元8、第一速度获取单元9、差值获取单元10和第一判断单元11。
初始特征点获取单元8用于以目标规划路径上任意一个特征点作为初始特征点;
第一速度获取单元9用于获取车辆在设定方向上且距离初始特征点固定间距的第一特征点处的第一实时行驶速度;
差值获取单元10用于获取第一实时行驶速度与车辆在初始特征点处的初始实时行驶速度之间的差值;
第一判断单元11用于判断差值是否满足第一设定阈值,若满足,则将第一特征点作为目标特征点;
具体地,当该差值的绝对值大于第一设定阈值时,则确定将第一特征点作为目标特征点。
初始特征点获取单元8用于将目标特征点作为初始特征点,重复调用第一速度获取单元9,直至获取目标规划路径中设定方向上的所有目标特征点;
其中,当任意一个特征点为目标规划路径的起始点,设定方向为起始点到目的地的方向;
当任意一个特征点为目标规划路径的目的地,设定方向为目的地到起始点的方向;
当任意一个特征点既不是起始点也不是目的地时,设定方向包括任意一个特征点到起始点的方向,以及任意一个特征点到目的地的方向。
例如,如图3所示,其中A表示起始点,B表示目的地,C表示特征点,D表示车辆当前位置,曲线path1表示行驶路径1,曲线path2表示行驶路径2。
以起始点为初始特征点,C1点为目标规划路径上的一个特征点,对应的工况信息包括路径信息:path1、相对路径原点的偏移量:75m等。当固定间距为100m时,图3中的E1、E2、E3则均表示第一特征点。
当差值不满足第一设定阈值,目标特征点获取模块还包括特征点确定单元12和第二判断单元13。
特征点确定单元12用于将目标规划路径中与当前第一特征点距离固定间距的下一个特征点作为新的第一特征点;
第二判断单元13用于判断初始特征点与新的第一特征点之间的第一间距是否大于第二设定阈值,若是,则将新的第一特征点作为目标特征点;若否,则调用特征点确定单元12;
其中,第二设定阈值大于固定间距。
例如,初始特征点Pi与起始点的偏移量为offset,初始特征点Pi处对应的车速为v(offseti);距离初始特征点Pi固定间距的下一个特征点Pi+1与起始点的偏移量为offset+n*sint,下一个特征点Pi+1处对应的车速为v(offset+n*sint),其中sint表示固定间距,此时n=1。
计算|v(offset+n*sint)-v(offseti)|是否大于vthd,若大于则确定下一个特征点Pi+1为目标特征点;否则,将特征点Pi+2作为下一个特征点,下一个特征点Pi+2处对应的车速为v(offset+n*sint),此时n=2;若|v(offset+n*sint)-v(offseti)|是否大于vthd则确定特征点Pi+2为目标特征点;若否则判断初始特征点Pi与特征点Pi+2的距离是否超过offsetthd,若超过则确定特征点Pi+2为目标特征点;若不超过则继续将特征点Pi+3作为下一个特征点,具体判断过程与上述类似,因此此处就不再赘述。
其中,固定间距sint取值为10m,第一设定阈值vthd取值为5km/h,第二设定阈值offsetthd取值为100m,也可以根据实际情况进行调整。
另外,上述确定目标特征点的方式平衡了车辆行驶工况模型精度、网络以及内存资源占用。
当目标工况信息包括目标偏移量和目标实时行驶速度时,模型建立模块4包括时间函数获取单元14、速度函数获取单元15、位置函数获取单元16和目标函数获取单元17。
时间函数获取单元14用于根据每个目标特征点对应的偏移量和实时行驶速度,获取车辆行驶到任意一个目标特征点对应的时间函数;
具体地,时间函数获取单元14获取时间函数对应的计算公式如下:
其中,i表示第i个目标特征点,ti表示时间函数,offseti表示第i个目标特征点距离起始点的偏移量,vi表示第i个目标特征点处车辆的实时行驶速度。
速度函数获取单元15用于根据时间函数获取车辆在任意时刻的实时行驶速度函数;
其中,由于相邻目标特征点间的车速近似呈线形稳态关系,因此可以计算得到车辆在任意时刻的车速。
具体地,速度函数获取单元15获取实时行驶速度函数对应的计算公式如下:
其中,v(t)表示行驶速度函数;
位置函数获取单元16用于根据实时行驶速度函数获取车辆在任意时刻的位置函数;
具体地,位置函数获取单元16获取位置函数对应的计算公式如下:
其中,offset(t)表示位置函数;
目标函数获取单元17用于采用拟合函数根据位置函数获取基于时间序列的坡度函数和道路曲率函数。
其中,拟合函数包括但不限于Bezier曲线拟合函数、Clothoid曲线拟合函数。
具体地,目标函数获取单元17获取道路曲率函数对应的计算公式如下:
i(t)=fintrpn_slope(offset(t))
k(t)=fintrpn_curve(offset(t))
通过上述方式,将基于位置和路径信息等的高精地图模型转化为基于时间序列的车辆行驶工况模型,该模型包括制定能量管理策略需要的坡度函数和道路曲率函数。
能量管理模块5包括整车功率获取单元18和功率分配单元19。
整车功率获取单元18用于将车辆行驶工况模型输入至动力学模型中,获取车辆在任意时刻的整车需求功率;
以纵向动力学模型为例,当将坡度函数i(t)输入至动力学模型时,整车功率获取单元18获取整车需求功率对应的公式如下:
其中,Preq(t)表示整车需求功率,δ表示汽车旋转质量换算系数,mv表示整车质量,mp表示乘客质量,ηT表示传动效率,Ff表示滚动阻力,Fw表示空气阻力,Fi为坡度阻力。
另外,将横向动力学模型与道路曲率函数相结合获取整车需求功率,以及同时将坡度函数和道路曲率函数与整车动力学模型相结合获取整车需求功率的过程与上述类似,因此此处就不再赘述。其中,同时基于坡度函数和道路曲率函数获取车辆在任意时刻的整车需求功率更加准确,根据该整车需求功率制定的能量管理策略更准确。
功率分配单元19用于根据整车需求功率分配车辆中的电池功率和/或发动机的功率,实现制定精准的能量管理策略目的。
对于混合动力汽车中,整车功率需求由电池和发动机提供,即
Preq=Pbattery+Pengine
其中,Pbattery表示电池的功率,Pengine表示发动机的功率。
在实际应用过程中,首先要考虑混合动力系统构型,如串联式、并联式、混联式动力系统;其次,根据动力源参数进行建模,如可采用Rint模型(内阻等效模型)、Theveini模型、二阶RC等效电路模型、PNGV等效电路模型(均属于等效电路模型)等建立电池模型;可采用BSFC MAP(一种有效模型)等建立发动机模型;然后采用全局优化算法(如动态规划算法、庞特里亚金最小值算法等)进行最优能量管理策略制定,进一步制定最优能量管理规则,用于混合动力汽车能量管理控制策略。其中,全局优化控制策略是以一段既定的完整的行驶路况上的整车等效燃油消耗、排放等为目标函数,在满足车辆机械约束等条件下建立全局优化数学模型,在满足电机、发动机、电池等条件的制约下,求得全局的最优能量分配方案。下面结合实例具体说明:
该实例的应用场景为混合动力汽车的分布式电子控制系统。
(1)用户在人机交互界面(如车机端或手机端)中输入目的地,其中,人机交互界面通过视频线与智能座舱域控制器连接;
(2)通过部署在智能座舱域控制器的POI数据库根据自动识别的起始点和输入的目的地查询得到对应的GPS信息,其中POI数据库属于高精度地图中的静态图层部分;
(3)采用智能座舱域控制器中的导航信息生成模块根据GPS信息得到目标规划路径和该目标规划路径上每个特征点的工况信息;
其中,工况信息中的车辆实时行驶速度由部署在云端的高精度地图数据库的动态图层提供,高精度地图数据库的动态图层通过Wi-Fi或4G等无线技术将车辆实时行驶速度传输至T-box(远程信息处理终端),再有T-box通过网关传输至智能座舱域控制器中;
(4)采用智能座舱域控制器中的模型转换模块根据目标规划路径和工况信息获取基于时间序列的车辆行驶工况模型;
(5)将车辆行驶工况模型代入部署在智能座舱域控制器的整车动力学模型中获取任意时刻的整车需求功率;
(6)根据整车需求功率使用部署在智能座舱域控制器中的能量管理策略模块制定最优能量管理策略;
(7)采用整车控制器依据制定最优能量管理策略提供的功能分配结果,给电池和发动机设定输出功率的目标值,实现对混合动力汽车的能量管理的实时控制;其中,整车控制器通过网关与智能座舱域控制器通信连接。
本实施例中,基于高精度地图规划最优行驶路径并确定该路径上的目标特征点,通过每个目标特征点对应车辆的位置和实时行驶速度即可推导出车辆行驶至任意一个目标特征点所需的时间,继而最终求得基于时间序列的车辆行驶工况模型,该模型反映车辆的车速和坡度随时间变化情况,即根据高精度地图数据获取实时路况数据,真实有效地反映车辆的实时动态路况;将模型输入至整车动力学模型中获取整车需求功率,实现将实时动态路况数据与优化能量管理策略相结合,动态调整电池功率和发动机功率,制定最优功率分配策略,保证了车辆单次出行时的能量管理策略的准确性,提升了整车能效,降低了温室气体排放。
实施例5
图6为本发明实施例5提供的一种电子设备的结构示意图。电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现实施例1或2中任意一实施例中的车辆能量管理方法。图6显示的电子设备30仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备30可以以通用计算设备的形式表现,例如其可以为服务器设备。电子设备30的组件可以包括但不限于:上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。
总线33包括数据总线、地址总线和控制总线。
存储器32可以包括易失性存储器,例如随机存取存储器(RAM)321和/或高速缓存存储器322,还可以进一步包括只读存储器(ROM)323。
存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325,这样的程序模块324包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器31通过运行存储在存储器32中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1或2中任意一实施例中的车辆能量管理方法。
电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且,模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图6所示,网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白,尽管图中未示出,可以结合模型生成的设备30使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例6
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,程序被处理器执行时实现实施例1或2中任意一实施例中的车辆能量管理方法中的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行实现实施例1或2中任意一实施例中的车辆能量管理方法中的步骤。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (20)
1.一种车辆能量管理方法,其特征在于,所述方法包括:
获取车辆的目标规划路径以及所述目标规划路径上每个特征点对应的工况信息;
根据所述工况信息确定所述目标规划路径上的目标特征点;
根据每个所述目标特征点对应的目标工况信息建立车辆行驶工况模型;
其中,所述车辆行驶工况模型用于表征所述车辆在任意时刻的道路坡度和/或道路曲率,以及实时行驶速度;
根据所述车辆行驶工况模型对所述车辆进行能量管理。
2.如权利要求1所述的车辆能量管理方法,其特征在于,所述获取车辆的目标规划路径的步骤包括:
获取高精度地图根据起始点和目的地得到的拓扑结构和节点信息;
根据所述拓扑结构和所述节点信息构建引导线,并采用路径规划算法根据所述引导线获取所述目标规划路径。
3.如权利要求2所述的车辆能量管理方法,其特征在于,所述工况信息包括路径信息、相对路径原点的偏移量、道路坡度、实时行驶速度和道路曲率。
4.如权利要求3所述的车辆能量管理方法,其特征在于,所述根据所述工况信息确定所述目标规划路径上的目标特征点的步骤包括:
以所述目标规划路径上任意一个所述特征点作为初始特征点;
获取所述车辆在设定方向上且距离所述初始特征点固定间距的第一特征点处的第一实时行驶速度;
获取所述第一实时行驶速度与所述车辆在所述初始特征点处的初始实时行驶速度之间的差值;
判断所述差值是否满足第一设定阈值,若满足,则将所述第一特征点作为所述目标特征点;
将所述目标特征点作为所述初始特征点,重复执行获取所述车辆在设定方向上且距离所述初始特征点固定间距的第一特征点处的第一实时行驶速度的步骤,直至获取所述目标规划路径中所述设定方向上的所有所述目标特征点;
其中,当所述任意一个所述特征点为所述目标规划路径的所述起始点,所述设定方向为所述起始点到所述目的地的方向;
当所述任意一个所述特征点为所述目标规划路径的所述目的地,所述设定方向为所述目的地到所述起始点的方向;
当所述任意一个所述特征点既不是所述起始点也不是所述目的地时,所述设定方向包括所述任意一个所述特征点到所述起始点的方向,以及所述任意一个所述特征点到所述目的地的方向。
5.如权利要求4所述的车辆能量管理方法,其特征在于,当所述差值不满足所述第一设定阈值,所述获取所述第一实时行驶速度与所述车辆在所述初始特征点处的初始实时行驶速度之间的差值的步骤之前还包括:
将所述目标规划路径中与当前所述第一特征点距离所述固定间距的下一个特征点作为新的所述第一特征点;
所述方法还包括:
判断所述初始特征点与新的所述第一特征点之间的第一间距是否大于第二设定阈值,若是,则将新的所述第一特征点作为所述目标特征点;若否,则执行将所述目标规划路径中与当前所述第一特征点距离所述固定间距的下一个特征点作为新的所述第一特征的步骤;
其中,所述第二设定阈值大于所述固定间距;和/或,
相邻两个所述目标特征点对应的行驶速度呈线性稳态。
6.如权利要求3所述的车辆能量管理方法,其特征在于,当所述目标工况信息包括目标偏移量和目标实时行驶速度时,所述根据每个所述目标特征点对应的目标工况信息建立车辆行驶工况模型的步骤包括:
根据每个所述目标特征点对应的所述偏移量和所述实时行驶速度,获取所述车辆行驶到任意一个所述目标特征点对应的时间函数;
根据所述时间函数获取所述车辆在任意时刻的实时行驶速度函数;
根据所述实时行驶速度函数获取所述车辆在任意时刻的位置函数;
采用拟合函数根据所述位置函数获取基于时间序列的坡度函数和道路曲率函数。
7.如权利要求6所述的车辆能量管理方法,其特征在于,所述根据每个所述目标特征点对应的所述偏移量和所述实时行驶速度,获取所述车辆行驶到任意一个所述目标特征点对应的时间函数的步骤对应的计算公式如下:
其中,i表示第i个所述目标特征点,ti表示所述时间函数,offseti表示第i个所述目标特征点距离所述起始点的偏移量,vi表示第i个所述目标特征点处所述车辆的实时行驶速度;
所述根据所述时间函数获取所述车辆在任意时刻的实时行驶速度函数的步骤对应的计算公式如下:
其中,v(t)表示所述行驶速度函数;
所述根据所述实时行驶速度函数获取所述车辆在任意时刻的位置函数的步骤对应的计算公式如下:
其中,offset(t)表示所述位置函数;
所述采用拟合函数根据所述位置函数获取基于时间序列的坡度函数和道路曲率函数的步骤对应的计算公式如下:
i(t)=fintrpn_slope(offset(t))
k(t)=fintrpn_curve(offset(t))
8.如权利要求7所述的车辆能量管理方法,其特征在于,所述根据所述车辆行驶工况模型对所述车辆进行能量管理的步骤包括:
将所述车辆行驶工况模型输入至动力学模型中,获取所述车辆在任意时刻的整车需求功率;
根据所述整车需求功率分配所述车辆中的电池功率和/或发动机的功率。
9.如权利要求6所述的车辆能量管理方法,其特征在于,所述路径规划算法包括AStar算法;和/或,
所述拟合函数包括Bezier曲线拟合函数或Clothoid曲线拟合函数。
10.一种车辆能量管理系统,其特征在于,所述车辆能量管理系统包括路径获取模块、工况信息获取模块、目标特征点获取模块、模型建立模块和能量管理模块;
所述路径获取模块用于获取车辆的目标规划路径;
所述工况信息获取模块用于获取所述目标规划路径上每个特征点对应的工况信息;
所述目标特征点获取模块用于根据所述工况信息确定所述目标规划路径上的目标特征点;
所述模型建立模块用于根据每个所述目标特征点对应的目标工况信息建立车辆行驶工况模型;
其中,所述车辆行驶工况模型用于表征所述车辆在任意时刻的道路坡度和/或道路曲率,以及实时行驶速度;
所述能量管理模块用于根据所述车辆行驶工况模型对所述车辆进行能量管理。
11.如权利要求10所述的车辆能量管理系统,其特征在于,所述路径获取模块包括地图信息获取单元和路径获取单元;
所述地图信息获取单元用于获取高精度地图根据起始点和目的地得到的拓扑结构和节点信息;
所述路径获取单元用于根据所述拓扑结构和所述节点信息构建引导线,并采用路径规划算法根据所述引导线获取所述目标规划路径。
12.如权利要求11所述的车辆能量管理系统,其特征在于,所述工况信息包括路径信息、相对路径原点的偏移量、道路坡度、实时行驶速度和道路曲率。
13.如权利要求12所述的车辆能量管理系统,其特征在于,所述目标特征点获取模块包括初始特征点获取单元、第一速度获取单元、差值获取单元和第一判断单元;
所述初始特征点获取单元用于以所述目标规划路径上任意一个所述特征点作为初始特征点;
所述第一速度获取单元用于获取所述车辆在设定方向上且距离所述初始特征点固定间距的第一特征点处的第一实时行驶速度;
所述差值获取单元用于获取所述第一实时行驶速度与所述车辆在所述初始特征点处的初始实时行驶速度之间的差值;
所述第一判断单元用于判断所述差值是否满足第一设定阈值,若满足,则将所述第一特征点作为所述目标特征点;
所述初始特征点获取单元用于将所述目标特征点作为所述初始特征点,重复调用所述第一速度获取单元,直至获取所述目标规划路径中所述设定方向上的所有所述目标特征点;
其中,当所述任意一个所述特征点为所述目标规划路径的所述起始点,所述设定方向为所述起始点到所述目的地的方向;
当所述任意一个所述特征点为所述目标规划路径的所述目的地,所述设定方向为所述目的地到所述起始点的方向;
当所述任意一个所述特征点既不是所述起始点也不是所述目的地时,所述设定方向包括所述任意一个所述特征点到所述起始点的方向,以及所述任意一个所述特征点到所述目的地的方向。
14.如权利要求13所述的车辆能量管理系统,其特征在于,当所述差值不满足所述第一设定阈值,所述目标特征点获取模块还包括特征点确定单元和第二判断单元;
所述特征点确定单元用于将所述目标规划路径中与当前所述第一特征点距离所述固定间距的下一个特征点作为新的所述第一特征点;
所述第二判断单元用于判断所述初始特征点与新的所述第一特征点之间的第一间距是否大于第二设定阈值,若是,则将新的所述第一特征点作为所述目标特征点;若否,则调用所述特征点确定单元;
其中,所述第二设定阈值大于所述固定间距;和/或,
相邻两个所述目标特征点对应的行驶速度呈线性稳态。
15.如权利要求12所述的车辆能量管理系统,其特征在于,当所述目标工况信息包括目标偏移量和目标实时行驶速度时,所述模型建立模块包括时间函数获取单元、速度函数获取单元、位置函数获取单元和目标函数获取单元;
所述时间函数获取单元用于根据每个所述目标特征点对应的所述偏移量和所述实时行驶速度,获取所述车辆行驶到任意一个所述目标特征点对应的时间函数;
所述速度函数获取单元用于根据所述时间函数获取所述车辆在任意时刻的实时行驶速度函数;
所述位置函数获取单元用于根据所述实时行驶速度函数获取所述车辆在任意时刻的位置函数;
所述目标函数获取单元用于采用拟合函数根据所述位置函数获取基于时间序列的坡度函数和道路曲率函数。
16.如权利要求15所述的车辆能量管理系统,其特征在于,所述时间函数获取单元获取时间函数对应的计算公式如下:
其中,i表示第i个所述目标特征点,ti表示所述时间函数,offseti表示第i个所述目标特征点距离所述起始点的偏移量,vi表示第i个所述目标特征点处所述车辆的实时行驶速度;
所述速度函数获取单元获取实时行驶速度函数对应的计算公式如下:
其中,v(t)表示所述行驶速度函数;
所述位置函数获取单元获取位置函数对应的计算公式如下:
其中,offset(t)表示所述位置函数;
所述目标函数获取单元获取道路曲率函数对应的计算公式如下:
i(t)=fintrpn_slope(offset(t))
k(t)=fintrpn_curve(offset(t))
17.如权利要求16所述的车辆能量管理系统,其特征在于,所述能量管理模块包括整车功率获取单元和功率分配单元;
所述整车功率获取单元用于将所述车辆行驶工况模型输入至动力学模型中,获取所述车辆在任意时刻的整车需求功率;
所述功率分配单元用于根据所述整车需求功率分配所述车辆中的电池功率和/或发动机的功率。
18.如权利要求16所述的车辆能量管理系统,其特征在于,所述路径规划算法包括AStar算法;和/或,
所述拟合函数包括Bezier曲线拟合函数或Clothoid曲线拟合函数。
19.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行计算机程序时实现权利要求1-9中任一项所述的车辆能量管理方法。
20.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-9中任一项所述的车辆能量管理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911376437.4A CN111002975B (zh) | 2019-12-27 | 2019-12-27 | 车辆能量管理方法、系统、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911376437.4A CN111002975B (zh) | 2019-12-27 | 2019-12-27 | 车辆能量管理方法、系统、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111002975A true CN111002975A (zh) | 2020-04-14 |
CN111002975B CN111002975B (zh) | 2022-02-08 |
Family
ID=70119007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911376437.4A Active CN111002975B (zh) | 2019-12-27 | 2019-12-27 | 车辆能量管理方法、系统、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111002975B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111923897A (zh) * | 2020-09-29 | 2020-11-13 | 北京航空航天大学 | 一种插电式混合动力汽车能量智能管理方法 |
CN113968233A (zh) * | 2021-10-29 | 2022-01-25 | 北京峰智科技有限公司 | 整车能量在线自学习智能管理方法和车辆数据的处理方法 |
CN115130266A (zh) * | 2021-03-24 | 2022-09-30 | 纬湃科技投资(中国)有限公司 | 用于车辆的热管理控制的方法和系统 |
CN116985674A (zh) * | 2023-09-27 | 2023-11-03 | 江西五十铃汽车有限公司 | 一种新能源汽车电池能量管理方法及系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014113974A (ja) * | 2012-12-12 | 2014-06-26 | Daimler Ag | ハイブリッド電気自動車の走行制御装置 |
CN105946857A (zh) * | 2016-05-16 | 2016-09-21 | 吉林大学 | 基于智能交通系统的并联phev能量管理方法 |
CN107284441A (zh) * | 2017-06-07 | 2017-10-24 | 同济大学 | 实时工况自适应的插电式混合动力汽车能量优化管理方法 |
CN107351840A (zh) * | 2017-06-07 | 2017-11-17 | 同济大学 | 一种基于v2i的汽车节能路径及经济车速动态规划方法 |
CN109278752A (zh) * | 2018-09-26 | 2019-01-29 | 郑州轻工业学院 | 基于合作感知的插电式混合动力汽车能量优化控制方法 |
CN109421698A (zh) * | 2017-08-25 | 2019-03-05 | 波音公司 | 用于交通工具能量管理的系统和方法 |
CN110113716A (zh) * | 2019-04-22 | 2019-08-09 | 腾讯大地通途(北京)科技有限公司 | 一种路径状态信息获取方法、装置及存储介质 |
CN110203193A (zh) * | 2019-06-13 | 2019-09-06 | 智邮开源通信研究院(北京)有限公司 | 车辆控制方法、装置、汽车及存储介质 |
CN110361013A (zh) * | 2019-07-22 | 2019-10-22 | 上海应用技术大学 | 一种用于车辆模型的路径规划系统及方法 |
CN110386131A (zh) * | 2018-04-19 | 2019-10-29 | 丰田自动车株式会社 | 混合动力车辆的控制装置 |
CN110395245A (zh) * | 2019-07-25 | 2019-11-01 | 西华大学 | 一种基于固定路线驾驶信息的混动汽车能量管理系统 |
CN110530393A (zh) * | 2019-10-08 | 2019-12-03 | 北京邮电大学 | 车道级路径规划方法、装置、电子设备及可读存储介质 |
CN112050820A (zh) * | 2020-09-02 | 2020-12-08 | 平安科技(深圳)有限公司 | 道路匹配方法、装置、电子设备及可读存储介质 |
CN112082567A (zh) * | 2020-09-05 | 2020-12-15 | 上海智驾汽车科技有限公司 | 基于改进Astar和灰狼算法结合的地图路径规划方法 |
-
2019
- 2019-12-27 CN CN201911376437.4A patent/CN111002975B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014113974A (ja) * | 2012-12-12 | 2014-06-26 | Daimler Ag | ハイブリッド電気自動車の走行制御装置 |
CN105946857A (zh) * | 2016-05-16 | 2016-09-21 | 吉林大学 | 基于智能交通系统的并联phev能量管理方法 |
CN107284441A (zh) * | 2017-06-07 | 2017-10-24 | 同济大学 | 实时工况自适应的插电式混合动力汽车能量优化管理方法 |
CN107351840A (zh) * | 2017-06-07 | 2017-11-17 | 同济大学 | 一种基于v2i的汽车节能路径及经济车速动态规划方法 |
CN109421698A (zh) * | 2017-08-25 | 2019-03-05 | 波音公司 | 用于交通工具能量管理的系统和方法 |
CN110386131A (zh) * | 2018-04-19 | 2019-10-29 | 丰田自动车株式会社 | 混合动力车辆的控制装置 |
CN109278752A (zh) * | 2018-09-26 | 2019-01-29 | 郑州轻工业学院 | 基于合作感知的插电式混合动力汽车能量优化控制方法 |
CN110113716A (zh) * | 2019-04-22 | 2019-08-09 | 腾讯大地通途(北京)科技有限公司 | 一种路径状态信息获取方法、装置及存储介质 |
CN110203193A (zh) * | 2019-06-13 | 2019-09-06 | 智邮开源通信研究院(北京)有限公司 | 车辆控制方法、装置、汽车及存储介质 |
CN110361013A (zh) * | 2019-07-22 | 2019-10-22 | 上海应用技术大学 | 一种用于车辆模型的路径规划系统及方法 |
CN110395245A (zh) * | 2019-07-25 | 2019-11-01 | 西华大学 | 一种基于固定路线驾驶信息的混动汽车能量管理系统 |
CN110530393A (zh) * | 2019-10-08 | 2019-12-03 | 北京邮电大学 | 车道级路径规划方法、装置、电子设备及可读存储介质 |
CN112050820A (zh) * | 2020-09-02 | 2020-12-08 | 平安科技(深圳)有限公司 | 道路匹配方法、装置、电子设备及可读存储介质 |
CN112082567A (zh) * | 2020-09-05 | 2020-12-15 | 上海智驾汽车科技有限公司 | 基于改进Astar和灰狼算法结合的地图路径规划方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111923897A (zh) * | 2020-09-29 | 2020-11-13 | 北京航空航天大学 | 一种插电式混合动力汽车能量智能管理方法 |
CN115130266A (zh) * | 2021-03-24 | 2022-09-30 | 纬湃科技投资(中国)有限公司 | 用于车辆的热管理控制的方法和系统 |
CN113968233A (zh) * | 2021-10-29 | 2022-01-25 | 北京峰智科技有限公司 | 整车能量在线自学习智能管理方法和车辆数据的处理方法 |
CN116985674A (zh) * | 2023-09-27 | 2023-11-03 | 江西五十铃汽车有限公司 | 一种新能源汽车电池能量管理方法及系统 |
CN116985674B (zh) * | 2023-09-27 | 2024-01-26 | 江西五十铃汽车有限公司 | 一种新能源汽车电池能量管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111002975B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111002975B (zh) | 车辆能量管理方法、系统、电子设备和存储介质 | |
Shi et al. | Pontryagin’s minimum principle based fuzzy adaptive energy management for hybrid electric vehicle using real-time traffic information | |
CN110936949B (zh) | 基于行驶工况的能量控制方法、设备、存储介质及装置 | |
CN108515963B (zh) | 一种基于its系统的插电式混合动力汽车能量管理方法 | |
JP2021121533A (ja) | 縦方向動力学モデルのトレーニング方法、装置及び機器 | |
CN113110601B (zh) | 一种无人机电力线路巡检路径优化方法及装置 | |
US20180045527A1 (en) | Systems and Methods for Predicting Vehicle Fuel Consumption | |
CN105957348B (zh) | 一种基于gis和pems的城市公交线路节点处排放估算方法 | |
CN113415288B (zh) | 分段式纵向车速规划方法、装置、设备及存储介质 | |
CN113263954A (zh) | 电动汽车续驶里程预测方法、装置、设备和可读存储介质 | |
CN108985966B (zh) | 电量消耗计算方法、装置、车辆及计算机可读存储介质 | |
US20200173802A1 (en) | Route parameter manager system | |
CN113008253A (zh) | 一种混合动力车辆行驶方法、设备和存储介质 | |
Kong et al. | A data-driven energy management method for parallel PHEVs based on action dependent heuristic dynamic programming (ADHDP) model | |
CN113085832A (zh) | 一种增程式混合动力车辆能量管理方法 | |
CN115686070B (zh) | 配电/输电线路无人机自主巡线路径规划方法 | |
CN115481813B (zh) | 基于机器学习的新能源公交车能耗预测方法 | |
CN111242403A (zh) | 一种充电站充电负荷预测方法、装置设备及存储介质 | |
CN113650622B (zh) | 车速轨迹规划方法、装置、设备及存储介质 | |
CN113997925B (zh) | 一种插电式混合动力系统能量管理方法 | |
Song et al. | State-of-the-art and development trends of energy management strategies for intelligent and connected new energy vehicles: a review | |
Cussigh et al. | An all-electric alpine crossing: time-optimal strategy calculation via fleet-based vehicle data | |
Ferreira et al. | Electric vehicle assistant based on driver profile | |
CN117113037B (zh) | 通行数据确定方法、装置、电子设备及存储介质 | |
CN117078030B (zh) | 一种基于车速预测的燃料电池公交车能量管理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |