CN111176140B - 一种电动汽车运动-传动-能源系统一体化控制方法 - Google Patents

Abstract

本发明公开了电动汽车运动‑传动‑能源系统一体化控制方法，属于新能源汽车的智能控制领域。现有技术缺乏既能考虑车辆一体化动力学模型，又能综合处理系统约束条件、满足车辆实时性决策需求的策略；本发明将现有技术中通常分开独立考虑的两个问题集成，更符合车辆运动过程中机械能、电能等能量转化过程中的能量守恒定律，还原了车辆物理系统作为一个整体的内在耦合性。通过预测控制涉及的一体化控制器，既能实现一定程度的性能优化，又可以对系统约束条件统一考虑。

Description

一种电动汽车运动-传动-能源系统一体化控制方法

技术领域

本发明属于新能源汽车的智能控制领域，涉及了一种电动汽车的运动-传动-能源系统多一体化建模与控制方法。

背景技术

电动汽车作为一种广受欢迎的新能源汽车已占有一定市场比例。相比于传统燃油车，电动汽车由于其车载储能系统如动力电池的容量和功率限制，在某些场景中可能会存在动力不足而不能及时满足实现期望状态的功率需求，存在不能及时适应车内外环境变化的现象。而且，由于电动汽车较小的能源储备能力和较短的巡航里程，能耗经济性显得尤为重要。

现有解决电动汽车动力性和能耗效率问题的技术一般从两方面着手解决。一方面，可以通过规划车辆运动轨迹以提高车辆的智能性，从而实现一种更节能的方式驾驶。另一方面，可以优化能源供给系统，包括使用更清洁的能源如电能取代汽油和更高效的能量系统管理策略。但现有技术一般将车辆运动控制与能量系统优化多被独立考虑。其中一个主要因素就是电动汽车涉及电能、电机动能、车辆动能等能量转化和多子系统耦合，一体化系统建模与控制过于复杂。面向经济性的车辆运动控制多以最大化车辆巡航里程或最小化能量消耗为目标，而忽视了车辆传动系统及能源系统带来的限制。实际上，车辆的运动性能受低层供能系统的严格约束，如电池最大输出功率、电池电量等。另一类问题则研究能量管理系统，这类则简单假设车辆运动所产生的负载需求为已知或预先计算一种能量转化等价因子，而实际车辆运动过程复杂，所产生的负载需求也因实际工况不同而不同。当与电机的离散运行模式，即电动机(电能转化为动能)模式和发电机(动能转化为电能)模式，进一步耦合时，系统一体化建模与控制问题将会变得更有挑战性。

面向电动汽车运动舒适性和能耗最优性的优化问题多采用动态规划或线性二次最优控制方法。但当车辆运动系统、传动系统和能源系统耦合考虑时，动态规划方法则会面临过于复杂，不满足实时性的问题，且系统物理约束条件难以得到满足。线性二次规划方法则只适用于简单系统模型，然而模型过于简化会带来较大模型误差从而影响控制或优化策略的效果。能方便处理约束条件的预测控制方法也较多被用于电动汽车运动控制和能量优化问题，但同样的，传统的预测控制只适用于较为简单的系统模型，对于车辆运动-传动-能源系统一体化控制也可能存在实时性问题。现有技术还缺乏一种既能考虑车辆一体化动力学模型，又能综合处理系统约束条件、满足车辆实时性决策需求的策略。

发明内容

为了对本质上即为一个集成系统的电动汽车运动-传动-能源系统进行更精确的描述和更高效的能量管理，本发明提供一种新的电动汽车一体化建模与控制方法，该方法不仅能实时满足动力需求，而且能严格遵守动力电池底层约束条件，最大化电池每次充电巡航里程及延长电池使用寿命。

本发明的电动汽车运动-传动-能源系统一体化控制方法包括如下步骤：

S01：测量电动汽车运动-传动-能源系统最新状态x(k)＝[s(k) v(k) SOC(k)]^T，其中，s(k)为车辆纵向位移，v(k)为车辆纵向速度，SOC(k)为电池荷电状态，k为离散时间步；

S02：求解如下优化问题，得到最优控制输入序列u^*＝{u^*(1|k)，u^*(2|k)...，u^*(N_p|k)}，即未来一段时间域上的车辆最优加速度序列，其中i|k表示在时间步k时的第i个预测步；

优化问题为：

服从于

ω^min≤ω≤ω^max，

δ(t)∈{0，1}，

x(0|k)＝x(k)

N_p为预测时域，x_e＝[s-s_r v-v_r SOC-SOC_r]^T，其中下标r表示相应物理量的参考值，Q为三阶正定对角矩阵；P_b为电池输出功率，

和

分别为电池功率的下限和上限；ω为车轮转动角速度，ω^min和ω^max分别为转速下限和上限；

和

分别电池功率的下限和上限；P_d为车辆以一定工况行驶所产生的功率需求，

和

分别为需求功率的下限和上限；δ为一个取值0或1的变量，取值为1时表示电机运行在发动机模式，取值为0时表示电机运行在发电机模式；∈为正常数，表示运算器精度；

S03：将u中的第一项应用到车辆，即u(k)＝u^*(1|k)；

S04：k＝k+1，回到S01：，测量系统新的状态。

本发明方法提出一种电动汽车运动-传动-控制一体化建模与预测控制方法，将现有技术中通常分开独立考虑的电动汽车动力性和能耗效率问题集成，更符合车辆运动过程中机械能、电能等能量转化过程中的能量守恒定律，还原了车辆物理系统作为一个整体的内在耦合性。通过预测控制涉及的一体化控制器，既能实现一定程度的性能优化，又可以对系统约束条件统一考虑。

附图说明

图1是电动汽车运动-传动-能源系统示意图。

图1中，1.车载锂电池系统，2.电机，3.变速器，4.车轮，5.电能能量流，6.电机机械能量流，7.车身机械能量流。

图2是控制器在UDDS工况下速度跟踪效果图。

图3是控制器在NEDC工况下速度跟踪效果图。

图4是UDDS工况下系统实际状态轨迹满足约束条件图。

图5是NEDC工况下系统实际状态轨迹满足约束条件图。

具体实施方式

下面结合具体实施方式对本发明做进一步阐述和说明。本发明中各个实施方式的技术特征在没有相互冲突的前提下，均可进行相应组合。

如图1所示，车辆运动涉及到电能转化为电机机械能再到车身机械能，或再生制动时，车身机械能转化为电机机械能再到电池电能。一般而言，车身运动产生的一定能量需求与能源系统提供的能源供给是一致的。因此，如果像现有大多研究工作那样将车身运动优化与能源系统能量管理分为两个独立问题处理，就会破坏这种内在的一致性。更合理的方法是对车身-传动-能源系统进行一体化建模与控制。电动汽车一体化模型如下所示：

其中，s(t)和v(t)分别是车辆纵向位移与速度，a(t)是车辆的加速度；SOC(t)是电池荷电状态，反应电池的剩余电量。V_oc是电池的开路电压，在一定荷电状态范围内，开路电压可被认为是一个常值；R_b是电池内阻，也为一个常数；Q_b是电池容量；P_b(t)是电池输出或再生制动回收输入电池的功率。通常，P_b(t)的符号即可反应电池是在充电还是放电状态，即当P_b(t)＞0时，电池放电，当P_b(t)＜0时，电池充电。

传动系统这里主要考虑电机效率模型，即

η_p＝a_pω(t)²+b_pω(t)+c_p，

η_g＝a_gω(t)²+b_gω(t)+c_g，

其中，η_p和η_g分别为电机运行在发动机与电动机模式时的效率；a_p，b_p，c_p与a_g，b_g，c_g分别为相应的效率参数。后轮转速ω(t)＝v(t)/r_w，其中r_w为轮胎半径。

当车辆以速度v(t)，加速度a(t)在一段坡度为θ(t)的路段上行驶时，所产生的功率需求为

其中，m为车辆质量，C为空气阻力参数，p为空气密度，A为车辆前投影面积，g为重力加速度，u为滚动摩擦系数。

根据能量守恒定律，功率需求与电池功率的关系为

其中η_t为变速器传动比。

为了描述简单，将以上运动-传动-能源系统一体化模型描述为一个非线性函数

其中x＝[s v SOC]为系统状态，u＝a为系统控制输入，基于此模型，模型预测控制被用来求解一体化控制问题。模型预测控制通过在线求解一系列的有限时间域上的优化问题可以实现近似无限时间域上的优化性能，并能方便地处理系统约束条件，通过实时反馈实现一定程度上的系统鲁棒性。但公式(1)并不适合直接写成优化问题。因此，首先利用混合逻辑动态建模方法将公式(1)改写为

P_d(t)＝δ(t)P_b(t)η_pη_t+(1-δ(t))P_b(t)/η_g/η_t

服从于

δ(t)∈{0，1}

其中，

和

分别为需求功率的下限和上限。

因此，预测控制问题在线优化问题为：

服从于

ω^mm≤ω≤ω^max，

δ(t)∈{0，1}，

x(0|k)＝x(k)

其中k为离散时间步，与连续时间的关系为t＝kT_s，T_s为系统采样时间。(i|k)表示在第k个时间步上的第i个预测步，N_p为预测时域。目标函数中，x_e＝[s-s_r v-v_r SOC-SOC_r]，Q为三阶正定对角矩阵。

总体而言，电动汽车运动-传动-能源一体化预测控制问题可以按如下步骤实现：

1.测量系统最新状态x(k)；

2.在线求解上述优化问题，得到最优控制输入序列

u^*＝{u^*(1|k)，u^*(2|k)...，u^*(N_p|k)}；

3.将u中的第一项应用到车辆，即u(k)＝u^*(1|k)；

k＝k+1，回到第一步，测量系统新的状态。

通过MATLAB仿真环境搭建如图1所示的电动汽车一体化动力学模型，并设计上述预测控制器以实现对两个标准城市驾驶工况UDDS和NEDC的参考速度的跟踪。

图2和图3为车辆在所设计控制器的控制下，在UDDS和NEDC两个标准工况下均可以很好地跟踪参考速度。其中，图2为UDDS工况，图3为NEDC工况，图中实线为参考速度，带星号标记的线为车辆实际车速。实际车速与参考速度之间跟踪误差很小，说明了在存在系统底层电池输出功率约束等条件的情况下，所设计控制器仍能控制车辆达到期望的车辆动力性。

图4和图5分别为反应系统状态变量轨迹在UDDS和NEDC两个工况中均满足物理系统的上下限约束。其中，图4为车轮角速度实际轨迹(虚线)与其最大值、最小值(实线)之间的关系，图5为电池功率实际轨迹(虚线)与其最大值、最小值(实线)之间的关系。车辆在所设计控制器控制下的系统状态轨迹均在相应物理上下限范围内。车辆在实现如图2和3所示跟控制效果的同时，满足系统物理约束条件也对行车安全性有很关键。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (2)

1.一种电动汽车运动-传动-能源系统一体化控制方法，其特征在于包括如下步骤：

S01：测量电动汽车运动-传动-能源系统最新状态x(k)＝[s(k) v(k) SOC(k)]^T，其中，s(k)为车辆纵向位移，v(k)为车辆纵向速度，SOC(k)为电池荷电状态，k为离散时间步；

S02：求解如下优化问题，得到最优控制输入序列u^*＝{u^*(1|k),u^*(2|k)…,u^*(N_p|k)}，即未来一段时间域上的车辆最优加速度序列，其中i|k表示在时间步k时的第i个预测步；

优化问题为：

服从于

P_d(t)＝δ(t)P_b(t)η_pη_t+(1-δ(t))P_b(t)/η_g/η_t

ω^min≤ω≤ω^max,

δ(t)∈{0,1},

x(0|k)＝x(k)

N_p为预测时域，x_e＝[s-s_r v-v_r SOC-SOC_r]^T，其中下标r表示相应物理量的参考值，Q为三阶正定对角矩阵；P_b为电池输出功率，

和

分别为电池功率的下限和上限；ω为车轮转动角速度，ω^min和ω^max分别为转速下限和上限；

和

分别电池功率的下限和上限；P_d为车辆以一定工况行驶所产生的功率需求，

和

分别为需求功率的下限和上限；δ为一个取值0或1的变量，取值为1时表示电机运行在发动机模式，取值为0时表示电机运行在发电机模式；∈为正常数，表示运算器精度；η_p和η_g分别为电机运行在发动机与电动机模式时的效率，η_t为变速器传动比；f(x,u)表示一体化运动-传动-能源动力学模型；

S03：将u中的第一项应用到车辆，即u(k)＝u^*(1|k)；

S04：k＝k+1，回到S01，测量系统新的状态。

2.根据权利要求1所述的电动汽车运动-传动-能源系统一体化控制方法，其特征在于所述的η_p和η_g表达式如下：

η_p＝a_pω(t)²+b_pω(t)+c_p

η_g＝a_gω(t)²+b_gω(t)+c_g

a_p，b_p，c_p与a_g，b_g，c_g分别为效率参数，转速ω(t)＝v(t)/r_w，其中r_w为轮胎半径。

Images