CN111348029A - 一种考虑工况的混合动力汽车标定参数最优值确定方法 - Google Patents

Abstract

本发明公开了一种考虑工况的混合动力汽车标定参数最优值确定方法，涉及混合动力汽车技术领域。方法包括建立标定参数最优值模型、标定参数最优值内外因分析、行驶工况合成及工况特征参数选取、多元线性回归分析及岭回归分析、与汽车行驶工况相关的标定参数最优值的确定五个步骤。以整车经济性最佳为设计原则来确定标定参数最优值，通过标定参数最优值内外因分析，筛选出与车辆本身属性相关的标定参数最优值和与行驶工况相关的标定参数最优值，并说明了两种类型标定参数最优值的确定方法，为考虑工况的混合动力汽车的参数标定路径指明方向，减少了参数标定工作量，提高了标定效率。

Description

一种考虑工况的混合动力汽车标定参数最优值确定方法

技术领域

本发明属于混合动力汽车技术领域，更确切地说，本发明涉及一种考虑工况的混合动力汽车标定参数最优值确定方法。

背景技术

随着化石能源的不断减少以及环境污染问题的日益严重，节能减排成为当前汽车行业的重要发展方向，混合动力汽车作为汽车领域的重要组成部分，具有良好的节能减排性能，因此成为各大车企的重点研发对象。整车控制器的开发是混合动力汽车的研发重点，而在设计整车控制器时首先要进行标定工作，包括标定参数的选取及标定参数最优值的确定。目前标定参数最优值主要是基于一种具体工况进行设计，因此当车辆行驶工况改变时，整车控制器达不到预计的控制效果，即该控制器不具有普适性；为了使整车控制器能够适应不同工况，需要确定不同工况下的标定参数最优值，整车控制器通过工况识别调用对应工况下的标定参数最优值，这样就可以保证整车控制器的控制效果，但是这也加大了设计整车控制器时的标定工作量，如何快速确定不同工况下标定参数最优值，提高标定效率成为目前混合动力汽车整车控制器研发过程中亟待解决的问题。

中国专利授权公告号为CN 109747654 B，授权公告日为2019-08-09，公开了一种面向工况的混合动力汽车控制参数标定方法，该方法中使用粒子群算法优化各独立工况下的控制参数，并通过多元线性回归分析求出最佳控制参数与工况特征参数之间的关系，根据该关系可以较方便求出各工况下的最佳控制参数，减少了标定工作量；但是由于混合动力汽车控制参数数量较多，对每个控制参数都进行粒子群算法优化和多元线性回归分析的计算负荷较大，同时该方法忽略了部分标定参数最优值仅与车辆本身属性有关，且部分标定参数之间存在多重共线性，这些问题导致了根据工况确定的最佳控制参数数量较多，求出的标定参数最优值与工况特征参数之间的多元线性回归方程不够精确。

本发明提出的一种考虑工况的混合动力汽车标定参数最优值确定方法，针对性地解决了上述专利的不足，通过标定参数最优值内外因分析，明确了哪些标定参数最优值与汽车行驶工况有关，并将多元线性回归分析和岭回归分析相结合，消除了相关性较低的标定参数的影响以及部分标定参数之间存在的多重共线性，找出了标定参数最优值与工况适应性规律，为标定参数最优值的确定指明标定方向。

发明内容

本发明为了解决目前混合动力客车在不同工况下标定参数最优值选取流程繁琐、待求解的标定参数数量较多的问题，提供一种考虑工况的混合动力汽车标定参数最优值确定方法，通过标定参数最优值内外因分析，结合多元线性回归分析和岭回归分析，减小了标定参数最优值与汽车行驶工况有关的标定参数的数量，提高了标定效率，缩短了整车控制器研发周期。

为实现上述目的，根据本发明实施例的一种考虑工况的混合动力汽车标定参数最优值确定方法，包括以下内容：

第一步，建立标定参数最优值模型，具体包括以下步骤：

①在电池电量平衡条件下，由能量损失表征的传递效率η_tr如式(1)所示：

式中，E_wh表示车轮处循环工况理论驱动总能量，E_ice表示发动机实际提供能量，E_B表示考虑制动回收效率的再生制动回收能量，ΔE_RGB表示再生制动能量回收模式下的损失能量，ΔE_EV表示纯电动模式下的损失能量，ΔE_EVT表示混合动力模式下的损失能量，ΔE_ICE表示发动机直驱模式下的损失能量；

②根据能量损失表征的传递效率η_tr，推导出混合动力汽车理论综合油耗计算公式为：

式中，b_e,avg表示发动机平均燃油消耗率，C表示油耗单位转换系数，且b_e,avg和C为定值；

③当混合动力汽车理论综合油耗取值最小时，各标定参数对应的数值即为各标定参数最优值；

第二步，标定参数最优值内外因分析，具体包括以下步骤：

①选取若干类汽车行驶工况，根据第一步求出各标定参数在不同汽车行驶工况下标定参数最优值，进一步求出各标定参数最优值的标准差；

②设定一较小值S，S根据实际情况选取，找出标定参数最优值的标准差小于S或等于S的一系列标定参数，此类标定参数最优值由车辆本身属性确定，其取值为不同汽车行驶工况下标定参数最优值的平均值；

③找出标定参数最优值的标准差大于S的一系列标定参数，此类标定参数最优值根据汽车行驶工况确定，其具体确定步骤于第三步、第四步、第五步中；

第三步，行驶工况合成及工况特征参数选取，具体包括以下步骤：

①首先分割出若干汽车行驶工况片段，然后以工况总时间为边界条件，将工况片段随机组合成新行驶工况，在1000-1100s、1100-1200s、……、2900-3000s内分别构建50个新行驶工况，累计获得1000个新行驶工况样本数据；

②从车速、加速度、行驶时间与行驶距离、驾驶特性与交通状况四个角度筛选出代表行驶工况的24个工况特征参数，与车速相关的工况特征参数包括平均车速、平均巡航车速、车速标准差、最高车速、0-30km/h时间占比、30-60km/h时间占比、60-90km/h时间占比、90km/h以上时间占比、停车时间占比；与加速度相关的工况特征参数包括平均加速度、最大加速度、平均减速度、最大减速度、加速度标准差、减速度标准差、匀速时间占比、加速时间占比、制动时间占比；与行驶时间与行驶距离相关的工况特征参数包括行驶时间、行驶里程、总时间；与驾驶特性与交通状况相关的工况特征参数包括停车次数、每分钟停车次数、每公里停车次数；

第四步，多元线性回归分析及岭回归分析，具体包括以下步骤：

①将与汽车行驶工况相关的标定参数最优值作为因变量y，将24个工况特征参数作为自变量x；

②对自变量与因变量之间进行相关系数检查，将相关系数较小的自变量剔除，自变量x与因变量y之间的相关系数r计算公式如式(3)所示：

式中，x_i表示自变量x的第i个样本，

表示自变量x的平均值，y_i表示因变量y的第i个样本，

表示因变量y的平均值；

③对经过相关系数检查后的工况特征参数进行多元线性回归分析，采用逐步回归法进行第二次自变量筛选，剔除显著性大于0.05的自变量，并进行F检验和t检验，如果上述处理后的自变量同时通过F检验和t检验，则说明处理后的自变量对因变量的线性效果显著，可以执行步骤④，如果上述处理后的自变量没有同时通过F检验和t检验，则重复步骤②，直到处理后的自变量同时通过F检验和t检验，然后执行步骤④；

④判断处理后的自变量的方差扩大因子是否均小于10，如果存在自变量的方差扩大因子大于10，则进行岭回归分析消除自变量之间存在的多重共线性，岭回归分析具体步骤如下：

先将自变量数据标准化，由标准化后的自变量数据组成的设计矩阵用X表示，则岭回归估计可以表示为：

式中，k为岭参数，是一个不确定的值，X'X为自变量样本相关阵，

为回归参数β的一个估计族；

通过岭回归分析找出相关性较强的自变量，并从这些相关性较强的自变量中仅保留一个作为最终的自变量，其余相关性较强的自变量均剔除；接着，通过岭回归分析找出关系特征相同的自变量组合，并从这些关系特征相同的自变量组合中仅保留一个组合中的自变量作为最终的自变量，其余关系特征相同的自变量组合中的自变量均剔除；

⑤再次进行F检验和t检验，如果岭回归分析后的自变量同时通过F检验和t检验，则判断岭回归分析后的自变量的方差扩大因子是否均小于10，如果自变量的方差扩大因子均小于10，则执行步骤⑥；如果存在自变量的方差扩大因子大于10，则重复步骤④，直到自变量的方差扩大因子均小于10；如果岭回归分析后的自变量没有同时通过F检验和t检验，则重复步骤②；

⑥经过上述处理后保留下来的工况特征参数个数记为M，M≤24，与汽车行驶工况相关的标定参数最优值与保留下来的M个工况特征参数之间的多元线性回归方程如式(5)所示：

y＝a₀+a₁·x₁+a₂·x₂+a₃·x₃+......+a_M·x_M (5)

式中，a₀为回归常数，a₁、a₂、a₃......a_M为回归系数，x₁、x₂、x₃......x_M为工况特征参数；

第五步，与汽车行驶工况相关的标定参数最优值的确定，对于需要标定的新工况，先进行如步骤三所述的工况特征参数选取，再进行步骤四所述的多元线性回归分析及岭回归分析，得到保留下来的工况特征参数，并将其带入到公式(5)中，即可得到与汽车行驶工况相关的标定参数最优值。

与现有技术相比本发明的有益效果是：

1.本发明所述的一种考虑工况的混合动力汽车标定参数最优值确定方法在电池电量平衡的条件下，推导出基于能量损失表征的传递效率下的混合动力汽车理论综合油耗公式，并以油耗最小作为标定参数最优值评价标准，有利于提高整车经济性，且便于标定参数最优值的仿真验证；

2.本发明所述的一种考虑工况的混合动力汽车标定参数最优值确定方法通过进行标定参数最优值内外因分析，筛选出与车辆本身属性相关的标定参数最优值和与行驶工况相关的标定参数最优值，减少了标定参数工况适应性分析时标定参数的数量，进而显著减少了标定工作量，缩减了整车控制器研发周期；

3.本发明所述的一种考虑工况的混合动力汽车标定参数最优值确定方法使用岭回归分析消除了标定参数之间的多重共线性，进一步减少了标定参数工况适应性分析时标定参数的数量，有利于求出更加精确的标定参数最优值与工况特征参数之间的多元线性回归方程。

附图说明

下面结合附图对本发明作进一步的说明：

图1为本发明实施例中的考虑工况的混合动力汽车标定参数最优值确定方法总体流程图；

图2为本发明实施例中的标定参数最优值内外因分析流程图；

图3为本发明实施例中的多元线性回归分析及岭回归分析流程图；

图4为本发明实施例中的岭回归分析中岭迹图第一部分示例图；

图5为本发明实施例中的岭回归分析中岭迹图第二部分示例图；

图6为本发明实施例中的岭回归分析中岭迹图第三部分示例图；

具体实施方式

下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

本发明所述的一种考虑工况的混合动力汽车标定参数最优值确定方法，参考附图1，具体包括以下内容：

第一步，建立标定参数最优值模型，具体包括以下步骤：

①在电池电量平衡条件下，由能量损失表征的传递效率η_tr如式(1)所示：

式中，E_wh表示车轮处循环工况理论驱动总能量，E_ice表示发动机实际提供能量，E_B表示考虑制动回收效率的再生制动回收能量，ΔE_RGB表示再生制动能量回收模式下的损失能量，ΔE_EV表示纯电动模式下的损失能量，ΔE_EVT表示混合动力模式下的损失能量，ΔE_ICE表示发动机直驱模式下的损失能量；

②根据能量损失表征的传递效率η_tr，推导出混合动力汽车理论综合油耗计算公式为：

式中，b_e,avg表示发动机平均燃油消耗率，C表示油耗单位转换系数，且b_e,avg和C为定值；

③当混合动力汽车理论综合油耗取值最小时，各标定参数对应的数值即为各标定参数最优值。

第二步，参考附图2，标定参数最优值内外因分析，具体包括以下步骤：

①选取若干类汽车行驶工况，根据第一步求出各标定参数在不同汽车行驶工况下标定参数最优值，进一步求出各标定参数最优值的标准差；

②设定一较小值S，S根据实际情况选取，找出标定参数最优值的标准差小于S或等于S的一系列标定参数，此类标定参数最优值与汽车行驶工况无关，由车辆本身属性确定，如电池内阻、电机效率等，此类标定参数最优值取为不同汽车行驶工况下标定参数最优值的平均值；

③找出标定参数最优值的标准差大于S的一系列标定参数，此类标定参数最优值根据汽车行驶工况确定，其具体确定步骤于第三步、第四步、第五步中。

第三步，行驶工况合成及工况特征参数选取，具体包括以下步骤：

①首先分割出若干汽车行驶工况片段，然后以工况总时间为边界条件，将工况片段随机组合成新行驶工况，在1000-1100s、1100-1200s、……、2900-3000s内分别构建50个新行驶工况，累计获得1000个新行驶工况样本数据；

②从车速、加速度、行驶时间与行驶距离、驾驶特性与交通状况四个角度筛选出代表行驶工况的24个工况特征参数，与车速相关的工况特征参数包括平均车速、平均巡航车速、车速标准差、最高车速、0-30km/h时间占比、30-60km/h时间占比、60-90km/h时间占比、90km/h以上时间占比、停车时间占比；与加速度相关的工况特征参数包括平均加速度、最大加速度、平均减速度、最大减速度、加速度标准差、减速度标准差、匀速时间占比、加速时间占比、制动时间占比；与行驶时间与行驶距离相关的工况特征参数包括行驶时间、行驶里程、总时间；与驾驶特性与交通状况相关的工况特征参数包括停车次数、每分钟停车次数、每公里停车次数。

第四步，参考附图3，多元线性回归分析及岭回归分析，具体包括以下步骤：

①将与汽车行驶工况相关的标定参数最优值作为因变量y，将24个工况特征参数作为自变量x；

②对自变量与因变量之间进行相关系数检查，将相关系数较小的自变量剔除，自变量x与因变量y之间的相关系数r计算公式如式(3)所示：

式中，x_i表示自变量x的第i个样本，

表示自变量x的平均值，y_i表示因变量y的第i个样本，

表示因变量y的平均值；

③对经过相关系数检查后的工况特征参数进行多元线性回归分析，采用逐步回归法进行第二次自变量筛选，剔除显著性大于0.05的自变量，并进行F检验和t检验，如果上述处理后的自变量同时通过F检验和t检验，则说明处理后的自变量对因变量的线性效果显著，可以执行步骤④，如果上述处理后的自变量没有同时通过F检验和t检验，则重复步骤②，直到处理后的自变量同时通过F检验和t检验，然后执行步骤④；

④判断处理后的自变量的方差扩大因子是否均小于10，如果存在自变量的方差扩大因子大于10，则进行岭回归分析消除自变量之间存在的多重共线性，岭回归分析具体步骤如下：

先将自变量数据标准化，由标准化后的自变量数据组成的设计矩阵用X表示，则岭回归估计可以表示为：

式中，k为岭参数，是一个不确定的值，X'X为自变量样本相关阵，

为回归参数β的一个估计族；

参考附图4，通过岭回归分析找出相关性较强的自变量，并从这些相关性较强的自变量中仅保留一个作为最终的自变量，其余相关性较强的自变量均剔除，如附图3中X0与X1即为相关性较强的两个自变量，二者保留其中一个即可；

参考附图5，通过岭回归分析找出关系特征相同的自变量组合，并从这些关系特征相同的自变量组合中仅保留一个组合的自变量作为最终的自变量，其余关系特征相同的自变量组合中的自变量均剔除，如附图3中自变量X0与X1之间的关系与X7与X8之间的关系特征相同，二者保留一个组合的自变量作为最终的自变量即可；同时自变量X9的岭迹曲线初始值较大，随着k的增加岭回归系数显著下降，从岭回归角度分析，自变量X9对y不起作用，如X9此类的自变量应该剔除；

⑤再次进行F检验和t检验，如果岭回归分析后的自变量同时通过F检验和t检验，则判断岭回归分析后的自变量的方差扩大因子是否均小于10，如果自变量的方差扩大因子均小于10，则执行步骤⑥；如果存在自变量的方差扩大因子大于10，则重复步骤④，直到自变量的方差扩大因子均小于10；如果岭回归分析后的自变量没有同时通过F检验和t检验，则重复步骤②；

参考附图6，岭回归分析后岭迹曲线趋势应如附图5所示，各条岭迹曲线波动幅度较小，岭迹曲线大体上趋于稳定；

⑥经过上述处理后保留下来的工况特征参数个数记为M，M≤24，与汽车行驶工况相关的标定参数最优值与保留下来的M个工况特征参数之间的多元线性回归方程如式(5)所示：

y＝a₀+a₁·x₁+a₂·x₂+a₃·x₃+......+a_M·x_M (5)

式中，a₀为回归常数，a₁、a₂、a₃......a_M为回归系数，x₁、x₂、x₃......x_M为工况特征参数。

第五步，与汽车行驶工况相关的标定参数最优值的确定，对于需要标定的新工况，先进行如步骤三所述的工况特征参数选取，再进行步骤四所述的多元线性回归分析及岭回归分析，得到保留下来的工况特征参数，并将其带入到公式(5)中，即可得到与汽车行驶工况相关的标定参数最优值。

Claims (1)

1.一种考虑工况的混合动力汽车标定参数最优值确定方法，其特征在于，包括以下内容：

第一步，建立标定参数最优值模型，具体包括以下步骤：

①在电池电量平衡条件下，由能量损失表征的传递效率η_tr如式(1)所示：

式中，E_wh表示车轮处循环工况理论驱动总能量，E_ice表示发动机实际提供能量，E_B表示考虑制动回收效率的再生制动回收能量，ΔE_RGB表示再生制动能量回收模式下的损失能量，ΔE_EV表示纯电动模式下的损失能量，ΔE_EVT表示混合动力模式下的损失能量，ΔE_ICE表示发动机直驱模式下的损失能量；

②根据能量损失表征的传递效率η_tr，推导出混合动力汽车理论综合油耗计算公式为：

式中，b_e,avg表示发动机平均燃油消耗率，C表示油耗单位转换系数，且b_e,avg和C为定值；

③当混合动力汽车理论综合油耗取值最小时，各标定参数对应的数值即为各标定参数最优值；

第二步，标定参数最优值内外因分析，具体包括以下步骤：

①选取若干类汽车行驶工况，根据第一步求出各标定参数在不同汽车行驶工况下标定参数最优值，进一步求出各标定参数最优值的标准差；

②设定一较小值S，S根据实际情况选取，找出标定参数最优值的标准差小于S或等于S的一系列标定参数，此类标定参数最优值由车辆本身属性确定，其取值为不同汽车行驶工况下标定参数最优值的平均值；

③找出标定参数最优值的标准差大于S的一系列标定参数，此类标定参数最优值根据汽车行驶工况确定，其具体确定步骤于第三步、第四步、第五步中；

第三步，行驶工况合成及工况特征参数选取，具体包括以下步骤：

①首先分割出若干汽车行驶工况片段，然后以工况总时间为边界条件，将工况片段随机组合成新行驶工况，在1000-1100s、1100-1200s、……、2900-3000s内分别构建50个新行驶工况，累计获得1000个新行驶工况样本数据；

②从车速、加速度、行驶时间与行驶距离、驾驶特性与交通状况四个角度筛选出代表行驶工况的24个工况特征参数，与车速相关的工况特征参数包括平均车速、平均巡航车速、车速标准差、最高车速、0-30km/h时间占比、30-60km/h时间占比、60-90km/h时间占比、90km/h以上时间占比、停车时间占比；与加速度相关的工况特征参数包括平均加速度、最大加速度、平均减速度、最大减速度、加速度标准差、减速度标准差、匀速时间占比、加速时间占比、制动时间占比；与行驶时间与行驶距离相关的工况特征参数包括行驶时间、行驶里程、总时间；与驾驶特性与交通状况相关的工况特征参数包括停车次数、每分钟停车次数、每公里停车次数；

第四步，多元线性回归分析及岭回归分析，具体包括以下步骤：

①将与汽车行驶工况相关的标定参数最优值作为因变量y，将24个工况特征参数作为自变量x；

②对自变量与因变量之间进行相关系数检查，将相关系数较小的自变量剔除，自变量x与因变量y之间的相关系数r计算公式如式(3)所示：

式中，x_i表示自变量x的第i个样本，

表示自变量x的平均值，y_i表示因变量y的第i个样本，

表示因变量y的平均值；

③对经过相关系数检查后的工况特征参数进行多元线性回归分析，采用逐步回归法进行第二次自变量筛选，剔除显著性大于0.05的自变量，并进行F检验和t检验，如果上述处理后的自变量同时通过F检验和t检验，则说明处理后的自变量对因变量的线性效果显著，可以执行步骤④，如果上述处理后的自变量没有同时通过F检验和t检验，则重复步骤②，直到处理后的自变量同时通过F检验和t检验，然后执行步骤④；

④判断处理后的自变量的方差扩大因子是否均小于10，如果存在自变量的方差扩大因子大于10，则进行岭回归分析消除自变量之间存在的多重共线性，岭回归分析具体步骤如下：

先将自变量数据标准化，由标准化后的自变量数据组成的设计矩阵用X表示，则岭回归估计可以表示为：

式中，k为岭参数，是一个不确定的值，X'X为自变量样本相关阵，

为回归参数β的一个估计族；

通过岭回归分析找出相关性较强的自变量，并从这些相关性较强的自变量中仅保留一个作为最终的自变量，其余相关性较强的自变量均剔除；接着，通过岭回归分析找出关系特征相同的自变量组合，并从这些关系特征相同的自变量组合中仅保留一个组合中的自变量作为最终的自变量，其余关系特征相同的自变量组合中的自变量均剔除；

⑤再次进行F检验和t检验，如果岭回归分析后的自变量同时通过F检验和t检验，则判断岭回归分析后的自变量的方差扩大因子是否均小于10，如果自变量的方差扩大因子均小于10，则执行步骤⑥；如果存在自变量的方差扩大因子大于10，则重复步骤④，直到自变量的方差扩大因子均小于10；如果岭回归分析后的自变量没有同时通过F检验和t检验，则重复步骤②；

⑥经过上述处理后保留下来的工况特征参数个数记为M，M≤24，与汽车行驶工况相关的标定参数最优值与保留下来的M个工况特征参数之间的多元线性回归方程如式(5)所示：

y＝a₀+a₁·x₁+a₂·x₂+a₃·x₃+......+a_M·x_M (5)

式中，a₀为回归常数，a₁、a₂、a₃......a_M为回归系数，x₁、x₂、x₃......x_M为工况特征参数；

第五步，与汽车行驶工况相关的标定参数最优值的确定，对于需要标定的新工况，先进行如步骤三所述的工况特征参数选取，再进行步骤四所述的多元线性回归分析及岭回归分析，得到保留下来的工况特征参数，并将其带入到公式(5)中，即可得到与汽车行驶工况相关的标定参数最优值。

Images