CN111532264A - 一种面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法 - Google Patents
一种面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法 Download PDFInfo
- Publication number
- CN111532264A CN111532264A CN202010304696.2A CN202010304696A CN111532264A CN 111532264 A CN111532264 A CN 111532264A CN 202010304696 A CN202010304696 A CN 202010304696A CN 111532264 A CN111532264 A CN 111532264A
- Authority
- CN
- China
- Prior art keywords
- speed
- automobile
- stage
- vehicle speed
- optimization
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005096 rolling process Methods 0.000 claims abstract description 37
- 238000005265 energy consumption Methods 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000005516 engineering process Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 4
- 206010048669 Terminal state Diseases 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000001172 regenerating effect Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 235000011772 Acer rubrum var tomentosum Nutrition 0.000 description 1
- 235000009057 Acer rubrum var tridens Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 244000038081 red maple Species 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/14—Adaptive cruise control
- B60W30/143—Speed control
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/15—Road slope, i.e. the inclination of a road segment in the longitudinal direction
-
- 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
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/60—Traffic rules, e.g. speed limits or right of way
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
- Y02T10/84—Data processing systems or methods, management, administration
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及一种面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法,主要分为三个部分,动态交通信息获取方法,其基于V2X技术,在智慧交通云获取行驶路线、道路坡度、道路限速等信息,传输至车载控制器;依据道路限速,划分优化问题阶段;基于滚动距离域优化策略的车速分段优化方法,其利用滚动距离域优化策略实现全局问题分段滚动优化;基于动态规划的最优车速计算方法,其在每个阶段设计包含多约束和多目标的车速优化问题,采用汽车能耗模型建立能量目标函数,并采用动态规划算法优化计算安全、节能、高效的巡航车速;本发明利用现有成熟的技术条件,实现汽车巡航车速优化,为汽车经济性巡航驾驶提供了有效可靠的解决方案。
Description
技术领域
本发明涉及一种面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法,属于智慧交通领域。
背景技术
随着汽车电子、网络通信、智能控制等领域发展,汽车与交通有机的融合为一个整体,有利于构建智慧的交通体系,促进汽车和交通服务的新模式新业态发展,对提高交通效率、节省资源、减少污染、降低事故发生率、改善交通管理具有重要意义;其中,长距离巡航行驶是较为常见的驾驶工况,坡度和道路限速影响汽车运动速度变化,而运动速度是汽车节能和高效控制的关键。
申请号为201710122719.6,名称为“基于道路坡度和曲率的四驱电动车速度优化控制方法”的已授权专利,其包括以下步骤,通过GPS和GIS等信息系统获取道路坡度和曲率信息;考虑道路坡度信息,结合车辆状态,建立纵向动力学预测模型,建立能耗目标函数;考虑道路曲率信息,设计安全性的约束条件,描述模型预测控制问题;利用动态规划算法求解模型预测控制问题,得到车速优化轨迹;通过上述方式,此专利能够综合道路工况信息,得到优化目标车速和转矩;但是此专利仅针对考虑坡度的车速进行优化,未能综合考虑动态坡度和动态限速的交通场景;同时仅提及利用GPS和GIS获取信息,未能说明交通信息获取的详细技术方案;因此车速优化方法的计算速度、能量优化效果、实际应用道路场景的适应性还是存在一定瑕疵。
发明内容
本发明提供一种面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法,被控汽车可以在出行或者途中,借助于先进的V2X通讯网络,充分考虑实际情况和现有技术水平,有效提高被控汽车的节能水平和交通通行效率。
本发明解决其技术问题所采用的技术方案是:
一种面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法,首先通过V2X技术获取起始点至目的地之间的路程长度、坡度以及限速信息,然后利用滚动距离域优化策略实现全程在距离域上的分段优化,利用动态规划算法计算节能和高效巡航车速,被控汽车执行获取的节能和高效巡航车速,直至到达目的地。
作为本发明的进一步优选,具体包括以下步骤:
初始化:初始化车速控制器、V2X终端以及GPS传感器,同时初始化控制系统参数;
第一步:获取信息,通过车速传感器获取被控汽车的初始车速,通过GPS传感器获取被控汽车的初始位置信息,将初始车速、初始位置信息以及目的地信息通过V2X技术发送至智慧交通云,最终获取起始点至目的地的全程路程长度D、被控汽车的变限速次数n以及全程各阶段限速vmax;
第二步:实施滚动距离域优化策略,利用获取的信息,进行滚动阶段划分、优化问题建立及离散化、最优车速求解等步骤,最终获取被控汽车的全程最优车速;
第三步:执行优化车速,将获取的被控汽车的优化车速发送至车速控制器,实现被控汽车的最优车速执行;
结束:当被控汽车到达目的地后,结束对被控汽车的控制;
作为本发明的进一步优选,在第一步中,获取的信息,包括起始点至目的地的全程路程长度D、被控汽车的变限速次数n以及全程各阶段限速vmax,i,其中上述获取的信息均可由智慧交通云提供,同时包含被控汽车实时位置和目的地信息;
作为本发明的进一步优选,实施滚动距离域优化策略的具体步骤为,
第21步,滚动阶段划分及问题离散化,依据限速阶段,将路径全程依据距离划分为n段,确定每段长度Di及对应的限速值vmax,i,i=1,2,...,n;
第22步,阶段问题离散化,定义距离长度为Δd,将每阶段问题划分为Ni步,即Ni=Di/Δd-1,i=1,2,...,n;
第23步,初始化,i:=1;
第24步,被控车辆状态初始化,定义阶段被控车辆的初始车速vi(1)=vi-1(Ni-1),初始控制量ui(1)=ui-1(Ni-1),i=1,2,...,n;
第25步,最优车速优化,执行动态规划算法,输出第i阶段最优状态序列vopt,i和控制序列uopt,i,提取终端状态量vi(Ni)和控制量ui(Ni);
第26步,阶段滚动,i:=i+1;
第27步,滚动标志判断,若i≤n返回第25步,若i>n停止优化进入第28步;
第28步,获取全程最优车速序列vopt=[vopt,1vopt,2...vopt,n];
作为本发明的进一步优选,第21步中滚动阶段划分及问题离散化的具体过程为,定义全程距离为D,限速阶段为n,每段限速区域长度为Di,下标i表示第i阶段(i=1,2,...,n),则定义距离间隔为Δd,则第i阶段问题可按照Δd离散为Ni步,即Ni=Di/Δd-1,第i阶段状态量为车速xi=vi,控制量为车辆牵引力ui=Fi,每阶段车速状态终值vi(Ni)是下一阶段的车速状态初值vi+1(0),每阶段控制量终值ui(Ni)是下一阶段的控制量初值ui+1(0);
依次求解每个阶段的最优车速vopt,i和控制力uopt,i,最后合并便是全程的最优车速vopt和控制力uopt序列;
作为本发明的进一步优选,
第二步中,优化问题以被控汽车能耗最小化作为目标,建立汽车纵向动力学模型以及能耗模型描述汽车运动状态转移及能耗变化,其中,汽车纵向动力学模型为
其中,g为重力加速度,m为被控汽车质量,f为摩擦阻力系数,θ为道路坡度,CD为空气阻力系数,ρ为空气密度,d为行驶距离,δ为汽车转动惯量换算系数,F为牵引力,其中正值为驱动力,负值为制动力,x=[d v]T表示状态量;
汽车的能耗模型为
其中,Pa为车载附件功率,ηb为电池工作效率,Fm为电机牵引力,驱动力为正,制动力为负,rw为车轮滚动半径,n为车轮电机转速,ηm为电机工作效率,与电机转速和力矩有关,采用效率查表法获取,sign(·)为符号函数;
依据滚动距离域优化策略思路,在第i阶段,采用欧拉法将阶段问题在距离域离散化,可得离散后优化问题目标方程:
s.t.
vi(k)∈[vmin,i,vmax,i]
ui(k)∈[Fbc,i(k),Fdc,i(k)]
vi(1)=vi-1(Ni-1)
ui(1)=ui-1(Ni-1)
其中,ai(k)为第i阶段中第k步的加速度或减速度,Cr为车辆阻力之和,包括滚动阻力、坡度阻力和空气阻力,计算公式为Cr=mgfcosθ+mgsinθ+0.5CDAρv2;θ为道路坡度;CD为空气阻力系数;vmin,i为第i阶段为保证通行效率的最低车速;vmax,i为第i阶段满足道路限速要求的最高车速;Fdc,i为第i阶段驱动力约束;Fbc,i为第i阶段制动力约束;驱动力满足约束制动力满足约束0],其中,Fsd为满足舒适性的最大驱动力,Fsb为满足舒适性的最大制动力,Fsd=mδamax+Cr,Fsb=mδamin+Cr;为路面附着限制的最大驱动力,为路面附着限制的最大制动力; Fmdmax为轮毂电机最大驱动力,Fmbmax为轮毂电机最大制动力,Fmdmax和Fmbmax由电机特性决定;min()为取最小值函数;max()为取最大值函数;arg min()表示取最小值时控制量和状态量函数;
作为本发明的进一步优选,每个第i阶段最优车速优化的具体求解过程为,定义动态规划算法终端代价函数为:
定义动态规划逆向迭代代价函数为:
通过逆向求解上述两个方程,即可获得满足要求的第i段最优绿色通行车速vopt,i,每阶段最优车速依次拼接,便是全程最优车速vopt=[vopt,1vopt,2...vopt,n];
作为本发明的进一步优选,第三步中,执行优化车速的具体步骤为,将获取的优化车速通过CAN总线发送至车速控制器,车速控制器通过控制汽车发动机或者驱动电机,输出目标转矩,实现依据最优的车速行驶。
通过以上技术方案,相对于现有技术,本发明具有以下有益效果:
1、本发明考虑了变化坡度和道路限速的交通场景,更加符合实际情况,保证了被控汽车在执行优化车速时,具有较优的节能效果和高效的通行效率;
2、本发明在设计车速优化问题时,是转换成被控汽车的安全、节能、高效通行目标,将安全目标设定为控制力约束,节能目标利用电池能耗表示并定义为目标函数,高效通行目标通过设置最低车速约束实现,转化后降低了优化问题的维度和求解难度,使得优化问题更易求解;
3、本发明提出的滚动距离域优化策略,根据限速阶段划分为问题,可以避免将整个问题同意优化时限速成为全程最大值的问题,有利于提高动态规划算法求解速度;
4、本发明采用的动态规划算法,可以实现在道路限速、变化坡度、汽车性能等多约束条件下,对行驶安全、能量消耗、通行时间等多目标进行优化,输出满足需求的车速。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的优选实施例的架构示意图;
图2是本发明的优选实施例的实施场景,其中2a为实施线路,2b为道路坡度与海拔信息,2c为道路限速信息;
图3是本发明的优选实施例的仿真结果示意图,其中3a为被控汽车转矩变化图,3b为被控汽车车速变化图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
图1所示,是本申请提供的一种面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法的架构示意图,在出行前或者出行途中,依靠V2X技术获取到达目的地的路程长度、坡度、限速等信息,利用滚动距离域优化策略实现全程在距离域上的分段优化,利用动态规划算法计算节能和高效巡航车速;被控汽车执行获取的优化车速,直至到达目的地;其中,路程长度为被控汽车当前位置到目的路线的里程,被控汽车为该优化方法执行的汽车,V2X终端借助于先进通讯和网联技术,实现汽车与万物的信息交互,如车-车通讯、车-云通信、车-交通设施通信等;
实施例:
图2是具体的实施场景,测试道路选取南京市南京林业大学至红枫科技园,如图2的2a所示,该路段包含城市普通道路、城市快速道路、郊区道路等多种交通环境,全长D=20km;途径钟山山脉,地势起伏变化明显,路段包含多段上下坡路况和平坦路况,道路坡度和道路限速等均不同。
利用V2X在地图中调取所选路段的数据包,可得道路地势高度和坡度变化曲线如图2的2b所示,因交通条件不同,测试路段全程限速在40km/h-80km/h之间,郊区道路限速为80km/h和70km/h,城区道路限速为60km/h;另外因有两段道路有施工,所以存在40km/h和50km/h的较低限速,全程限速如图3的3b所示;
现针对实施例中的条件,进行具体的车速优化方法操作,包括以下步骤:
初始化:初始化车速控制器、V2X终端以及GPS传感器,同时初始化控制系统参数;
第一步:获取信息,通过车速传感器获取被控汽车的初始车速,通过GPS传感器获取被控汽车的初始位置信息,将初始车速、初始位置信息以及目的地信息通过V2X技术发送至智慧交通云,最终获取图2所示的起始点至目的地的全程路程长度D、被控汽车的变限速次数n以及全程各阶段限速vmax,i;
其中上述获取的信息均可由智慧交通云提供,同时包含被控汽车实时位置和目的地信息;
具体的如图3所示,全程路程长度D=20km,变限速次数n=7,全程各阶段限速vmax,i,其中上述获取的信息均可由智慧交通云提供,这里的智慧交通云如图1所示,为出行高精度地图、GIS系统,同时高精度地图、交通GIS与智慧交通云连通,可以直接将被控汽车当前位置和目的地信息发送至智慧交通云处,通过与智慧交通云通讯获取;
第二步:实施滚动距离域优化策略,利用获取的信息,进行滚动阶段划分、优化问题建立及离散化、最优车速优化求解等步骤,最终获取被控汽车的全程最优车速;
实施滚动距离域优化策略的具体步骤为,
第21步,滚动阶段划分及问题离散化,依据限速阶段,将路径全程依据距离划分为n段,确定每段长度Di及对应的限速值vmax,i,i=1,2,...,n;
第22步,阶段问题离散化,定义距离长度为Δd,将每阶段问题划分为Ni步,即Ni=Di/Δd-1,i=1,2,...,n;
第23步,初始化,i:=1;
第24步,被控车辆状态初始化,定义阶段被控车辆的初始车速vi(1)=vi-1(Ni-1),初始控制量ui(1)=ui-1(Ni-1),i=1,2,...,n;
第25步,最优车速优化,执行动态规划算法,输出第i阶段最优状态序列vopt,i和控制序列uopt,i,提取终端状态量vi(Ni)和控制量ui(Ni);
第26步,阶段滚动,i:=i+1;
第27步,滚动标志判断,若i≤n返回第25步,若i>n停止优化进入第28步;
第28步,获取全程最优车速序列vopt=[vopt,1vopt,2...vopt,n]。
第21步中,滚动阶段划分及问题离散化的具体过程为,定义全程距离为D,限速阶段为n,每段限速区域长度为Di,下标i表示第i阶段(i=1,2,...,n),则定义距离间隔为Δd,则第i阶段问题可按照Δd离散为Ni步,即Ni=Di/Δd-1,第i阶段状态量为车速xi=vi,控制量为车辆牵引力ui=Fi,每阶段车速状态终值vi(Ni)是下一阶段的车速状态初值vi+1(0),每阶段控制量终值ui(Ni)是下一阶段的控制量初值ui+1(0);
依次求解每个阶段的最优车速vopt,i和控制力uopt,i,最后合并便是全程的最优车速vopt和控制力uopt序列;
同时在第二步中,优化问题以被控汽车能耗最小化作为目标,建立汽车纵向动力学模型以及能耗模型描述汽车运动状态转移及能耗变化,其中,汽车纵向动力学模型为
其中,g为重力加速度,m为被控汽车质量,f为摩擦阻力系数,θ为道路坡度,CD为空气阻力系数,ρ为空气密度,d为行驶距离,δ为汽车转动惯量换算系数,F为牵引力,其中正值为驱动力,负值为制动力,x=[d v]T表示状态量;
那么定义g=9.8m·s-2为重力加速度,m=1421kg为被控汽车质量,f=0.016为摩擦阻力系数,θ=0为道路坡度,CD=0.3为空气阻力系数,ρρ=1.206为空气密度,d为行驶距离,δ=1.022为汽车转动惯量换算系数;
汽车能耗以电池能量评价,因电动汽车具备再生制动能量回收功能,所以电池能量双向流动,即存在驱动能量输出和再生制动能量回收,电池功率Pb计算时忽略电线损耗和能量转换装置损耗,但考虑附件消耗功率,汽车的能耗模型为
其中,Pa为车载附件功率,ηb为电池工作效率,Fm为电机牵引力,驱动力为正,制动力为负,rw为车轮滚动半径,n为车轮电机转速,ηm为电机工作效率,与电机转速和力矩有关,采用效率查表法获取,sign(·)为符号函数;
那么电动汽车动力电池参数为:开路电压360V,容量140Ah,初始荷电状态0.8,内阻0.45Ω,工作效率0.9,电机峰值驱动、制动功率分别为20.75kW、-22.00kW,峰值驱动、制动转矩分别为312.50Nm、-306.25Nm,峰值转速为1600r/min;
依据滚动距离域优化策略思路,在第i阶段,采用欧拉法将阶段问题在距离域离散化,可得离散后优化问题目标方程:
s.t.
vi(k)∈[vmin,i,vmax,i]
ui(k)∈[Fbc,i(k),Fdc,i(k)]
vi(1)=vi-1(Ni-1)
ui(1)=ui-1(Ni-1)
其中,ai(k)为第i阶段中第k步的加速度或减速度,Cr为车辆阻力之和,包括滚动阻力、坡度阻力和空气阻力,计算公式为Cr=mgfcosθ+mgsinθ+0.5CDAρv2;θ为道路坡度;CD为空气阻力系数;vmin,i为第i阶段为保证通行效率的最低车速;vmax,i为第i阶段满足道路限速要求的最高车速;Fdc,i为第i阶段驱动力约束;Fbc,i为第i阶段制动力约束;驱动力满足约束制动力满足约束0],其中,Fsd为满足舒适性的最大驱动力,Fsb为满足舒适性的最大制动力,Fsd=mδamax+Cr,Fsb=mδamin+Cr;为路面附着限制的最大驱动力,为路面附着限制的最大制动力; Fmdmax为轮毂电机最大驱动力,Fmbmax为轮毂电机最大制动力,Fmdmax和Fmbmax由电机特性决定;min()为取最小值函数;max()为取最大值函数;arg min()表示取最小值时控制量和状态量函数;
每个第i阶段最优车速优化的具体求解过程为,定义动态规划算法终端代价函数为:
定义动态规划逆向迭代代价函数为:
其中,动态优化算法中定状态变量v和控制量F网格大小分别为0.1km/h和10Nm,问题划分步长Δd=5m,EV初始车速设定为vs=50km/h;
通过逆向求解上述两个方程,即可获得满足要求的第i段最优绿色通行车速vopt,i,每阶段最优车速依次拼接,便是全程最优车速vopt=[vopt,1vopt,2...vopt,n];
第三步:执行优化车速,将获取的被控汽车的优化车速发送至车速控制器,实现被控汽车的最优车速执行;
通过上述求解方式,进行仿真试验,得出的仿真结果如图3所示,3a为被控汽车的转矩变化图,3b为被控汽车的车速变化图;
仿真结果表明,传统定速巡航方法(车速为本发明提出方法计算的平均车速39.6km/h)全程能耗是10254.51kJ,本发明设计的方法油耗7874.52kJ,节能效果提升23.21%;相较于传统定速巡航方法,本发明所设计的方法通过对转矩调控,驱动输出转矩减小,再生制动次数也明显减少,能够有效降低能量效率损耗,新提出方法借助于坡度变化,通过动能转化来降低效率损耗,所以车速波动也较大;
结束:当被控汽车到达目的地后,结束对被控汽车的控制。
在这里需要进一步明确的是,本申请涉及到的智慧交通云、高精度地图、GIS系统是智慧交通的重要组成部分,是成熟产品,只需要通过V2X通讯网络访问即可,根据通行需求获取交通数据,所需的GPS传感器、车速传感器、相关控制器都是目前成熟产品,直接安装使用即可,车载设备通过CAN总线通讯。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本申请中所述的“和/或”的含义指的是各自单独存在或两者同时存在的情况均包括在内。
本申请中所述的“连接”的含义可以是部件之间的直接连接也可以是部件间通过其它部件的间接连接。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (8)
1.一种面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法,其特征在于:首先通过V2X技术获取起始点至目的地之间的路程长度、坡度以及限速信息,然后利用滚动距离域优化策略实现全程在距离域上的分段优化,利用动态规划算法计算节能和高效巡航车速,被控汽车执行获取的节能和高效巡航车速,直至到达目的地。
2.根据权利要求1所述的面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法,其特征在于:具体包括以下步骤:
初始化:初始化车速控制器、V2X终端以及GPS传感器,同时初始化控制系统参数;
第一步:获取信息,通过车速传感器获取被控汽车的初始车速,通过GPS传感器获取被控汽车的初始位置信息,将初始车速、初始位置信息以及目的地信息通过V2X技术发送至智慧交通云,最终获取起始点至目的地的全程路程长度D、被控汽车的变限速次数n以及全程各段限速vmax;
第二步:实施滚动距离域优化策略,利用获取的信息,进行滚动阶段划分、优化问题建立及离散化、最优车速求解等步骤,最终获取被控汽车的全程最优车速;
第三步:执行优化车速,将获取的被控汽车的优化车速发送至车速控制器,实现被控汽车的最优车速执行;
结束:当被控汽车到达目的地后,结束对被控汽车的控制。
3.根据权利要求2所述的面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法,其特征在于:在第一步中,获取的信息,包括起始点至目的地的全程路程长度D、被控汽车的变限速次数n以及全程各阶段限速vmax,i,其中上述获取的信息均可由智慧交通云提供,同时包含被控汽车实时位置和目的地信息。
4.根据权利要求3所述的面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法,其特征在于:实施滚动距离域优化策略的具体步骤为,
第21步,滚动阶段划分,依据限速阶段,将路径全程依据距离划分为n段,确定每段长度Di及对应的限速值vmax,i,i=1,2,...,n;
第22步,阶段问题离散化,定义距离长度为Δd,将每阶段问题划分为Ni步,即Ni=Di/Δd-1,i=1,2,...,n;
第23步,初始化,i:=1;
第24步,被控车辆状态初始化,定义阶段被控车辆的初始车速vi(1)=vi-1(Ni-1),初始控制量ui(1)=ui-1(Ni-1),i=1,2,...,n;
第25步,最优车速优化,执行动态规划算法,输出第i阶段最优状态序列vopt,i和控制序列uopt,i,提取终端状态量vi(Ni)和控制量ui(Ni);
第26步,阶段滚动,i:=i+1;
第27步,滚动标志判断,若i≤n返回第25步,若i>n停止优化进入第28步;
第28步,获取全程最优车速序列vopt=[vopt,1 vopt,2...vopt,n]。
5.根据权利要求4所述的面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法,其特征在于:
第21步中滚动阶段划分的具体过程为,定义全程距离为D,限速阶段为n,每段限速区域长度为Di,下标i表示第i阶段(i=1,2,...,n),则定义距离间隔为Δd,则第i阶段问题可按照Δd离散为Ni步,即Ni=Di/Δd-1,第i阶段状态量为车速xi=vi,控制量为车辆牵引力ui=Fi,每阶段车速状态终值vi(Ni)是下一阶段的车速状态初值vi+1(0),每阶段控制量终值ui(Ni)是下一阶段的控制量初值ui+1(0);
依次求解每个阶段的最优车速vopt,i和控制力uopt,i,最后合并便是全程的最优车速vopt和控制力uopt序列。
6.根据权利要求5所述的面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法,其特征在于:
第二步中,优化问题以被控汽车能耗最小化作为目标,建立汽车纵向动力学模型以及能耗模型描述汽车运动状态转移及能耗变化,其中,汽车纵向动力学模型为
其中,g为重力加速度,m为被控汽车质量,f为摩擦阻力系数,θ为道路坡度,CD为空气阻力系数,ρ为空气密度,d为行驶距离,δ为汽车转动惯量换算系数,F为牵引力,其中正值为驱动力,负值为制动力,x=[d v]T表示状态量;
汽车的能耗模型为
其中,Pa为车载附件功率,ηb为电池工作效率,Fm为电机牵引力,驱动力为正,制动力为负,rw为车轮滚动半径,n为车轮电机转速,ηm为电机工作效率,与电机转速和力矩有关,采用效率查表法获取,sign(·)为符号函数;
依据滚动距离域优化策略思路,在第i阶段,采用欧拉法将阶段问题在距离域离散化,可得离散后优化问题目标方程:
约束条件:
vi(k)∈[vmin,i,vmax,i]
ui(k)∈[Fbc,i(k),Fdc,i(k)]
vi(1)=vi-1(Ni-1)
ui(1)=ui-1(Ni-1)
其中,ai(k)为第i阶段中第k步的加速度或减速度,Cr为车辆阻力之和,包括滚动阻力、坡度阻力和空气阻力,计算公式为Cr=mgfcosθ+mgsinθ+0.5CDAρv2;θ为道路坡度;CD为空气阻力系数;vmin,i为第i阶段为保证通行效率的最低车速;vmax,i为第i阶段满足道路限速要求的最高车速;Fdc,i为第i阶段驱动力约束;Fbc,i为第i阶段制动力约束;驱动力满足约束制动力满足约束 其中,Fsd为满足舒适性的最大驱动力,Fsb为满足舒适性的最大制动力,Fsd=mδamax+Cr,Fsb=mδamin+Cr;为路面附着限制的最大驱动力,为路面附着限制的最大制动力; Fmdmax为轮毂电机最大驱动力,Fmbmax为轮毂电机最大制动力,Fmdmax和Fmbmax由电机特性决定;min()为取最小值函数;max()为取最大值函数;arg min()表示取最小值时控制量和状态量函数。
8.根据权利要求7所述的面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法,其特征在于:第三步中,执行优化车速的具体步骤为,将获取的优化车速通过CAN总线发送至车速控制器,车速控制器通过控制汽车发动机或者驱动电机,输出目标转矩,实现依据最优的车速行驶。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010304696.2A CN111532264A (zh) | 2020-04-17 | 2020-04-17 | 一种面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010304696.2A CN111532264A (zh) | 2020-04-17 | 2020-04-17 | 一种面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111532264A true CN111532264A (zh) | 2020-08-14 |
Family
ID=71971750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010304696.2A Pending CN111532264A (zh) | 2020-04-17 | 2020-04-17 | 一种面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111532264A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112406863A (zh) * | 2020-10-13 | 2021-02-26 | 厦门蓝斯通信股份有限公司 | 一种车辆节能处理方法及系统 |
CN113734175A (zh) * | 2021-07-30 | 2021-12-03 | 中汽研(天津)汽车工程研究院有限公司 | 一种变时条件下两交叉口间节能驾驶策略实时寻优方法 |
CN113759933A (zh) * | 2021-09-18 | 2021-12-07 | 中国民航大学 | 一种载人机器人自适应动态窗口轨迹规划方法 |
CN114333364A (zh) * | 2021-12-17 | 2022-04-12 | 宁波大学 | 一种自动驾驶车辆通过信号交叉口生态驾驶方法 |
CN114523967A (zh) * | 2022-02-28 | 2022-05-24 | 重庆长安汽车股份有限公司 | 一种基于神经网络的预见巡航控制方法 |
CN114537420A (zh) * | 2022-03-23 | 2022-05-27 | 东南大学 | 一种基于动态规划的城市快速公交节能驾驶控制方法 |
CN115352442A (zh) * | 2022-08-08 | 2022-11-18 | 东风商用车有限公司 | 融合挡位优化的商用车预见性节能巡航分层控制方法 |
CN115565372A (zh) * | 2022-09-22 | 2023-01-03 | 南京理工自动化研究院有限公司 | 基于车联网的丘陵道路经济性巡航车速规划方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107097791A (zh) * | 2017-03-03 | 2017-08-29 | 武汉理工大学 | 基于道路坡度和曲率的四驱电动车速度优化控制方法 |
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 |
KR20180129420A (ko) * | 2017-05-26 | 2018-12-05 | 주식회사 만도 | 가상 과속 방지턱 제어 시스템 및 방법 |
CN110509922A (zh) * | 2019-08-20 | 2019-11-29 | 一汽解放汽车有限公司 | 一种基于高精度地图的车辆预见巡航控制方法 |
-
2020
- 2020-04-17 CN CN202010304696.2A patent/CN111532264A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107097791A (zh) * | 2017-03-03 | 2017-08-29 | 武汉理工大学 | 基于道路坡度和曲率的四驱电动车速度优化控制方法 |
KR20180129420A (ko) * | 2017-05-26 | 2018-12-05 | 주식회사 만도 | 가상 과속 방지턱 제어 시스템 및 방법 |
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 |
CN110509922A (zh) * | 2019-08-20 | 2019-11-29 | 一汽解放汽车有限公司 | 一种基于高精度地图的车辆预见巡航控制方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112406863A (zh) * | 2020-10-13 | 2021-02-26 | 厦门蓝斯通信股份有限公司 | 一种车辆节能处理方法及系统 |
CN113734175A (zh) * | 2021-07-30 | 2021-12-03 | 中汽研(天津)汽车工程研究院有限公司 | 一种变时条件下两交叉口间节能驾驶策略实时寻优方法 |
CN113759933A (zh) * | 2021-09-18 | 2021-12-07 | 中国民航大学 | 一种载人机器人自适应动态窗口轨迹规划方法 |
CN113759933B (zh) * | 2021-09-18 | 2024-05-14 | 中国民航大学 | 一种载人机器人自适应动态窗口轨迹规划方法 |
CN114333364A (zh) * | 2021-12-17 | 2022-04-12 | 宁波大学 | 一种自动驾驶车辆通过信号交叉口生态驾驶方法 |
CN114523967A (zh) * | 2022-02-28 | 2022-05-24 | 重庆长安汽车股份有限公司 | 一种基于神经网络的预见巡航控制方法 |
CN114537420A (zh) * | 2022-03-23 | 2022-05-27 | 东南大学 | 一种基于动态规划的城市快速公交节能驾驶控制方法 |
CN114537420B (zh) * | 2022-03-23 | 2022-12-27 | 东南大学 | 一种基于动态规划的城市快速公交节能驾驶控制方法 |
CN115352442A (zh) * | 2022-08-08 | 2022-11-18 | 东风商用车有限公司 | 融合挡位优化的商用车预见性节能巡航分层控制方法 |
CN115565372A (zh) * | 2022-09-22 | 2023-01-03 | 南京理工自动化研究院有限公司 | 基于车联网的丘陵道路经济性巡航车速规划方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111532264A (zh) | 一种面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法 | |
CN111867911B (zh) | 车辆控制方法和设备 | |
CN105946857B (zh) | 基于智能交通系统的并联phev能量管理方法 | |
CN109291925B (zh) | 一种节能型智能网联混合动力汽车跟车控制方法 | |
CN103606271B (zh) | 一种混合动力城市公交车控制方法 | |
CN111959490B (zh) | 插电式混合动力汽车模型参考自适应最优能量管理方法 | |
US11794721B2 (en) | Method and apparatus for controlling electric machines | |
WO2022142540A1 (zh) | 基于智能网联信息的新能源汽车滑行控制系统、方法及新能源汽车 | |
Madhusudhanan | A method to improve an electric vehicle’s range: Efficient Cruise Control | |
KR20160071211A (ko) | 하이브리드 자동차의 배터리 충전 상태 제어 장치 및 방법 | |
CN108058704A (zh) | 基于车辆对车辆通信的动力传动系统的预测控制 | |
JP2001314004A (ja) | ハイブリッド車両 | |
Sakhdari et al. | Ecological adaptive cruise control of a plug-in hybrid electric vehicle for urban driving | |
CN115158094A (zh) | 基于长短期soc规划的插电式混合动力汽车能量管理方法 | |
Maamria et al. | On the use of Dynamic Programming in eco-driving cycle computation for electric vehicles | |
CN116946107B (zh) | 一种能量轨迹跟随下的混动系统模式决策与功率分配方法 | |
Vajedi et al. | Traction-motor power ratio and speed trajectory optimization for power split PHEVs using route information | |
Ruan et al. | A modularized electric vehicle model-in-the-loop simulation for transportation electrification modeling and analysis | |
Zhang et al. | Predictive energy management strategy for fully electric vehicles based on hybrid model predictive control | |
CN114783175B (zh) | 基于伪谱法的多信号灯路况下网联车辆节能驾驶控制方法 | |
US11718298B2 (en) | Methods and systems for coordinating predictive cruise control, engine-off coasting, and hybrid power split | |
CN115140046A (zh) | 一种车辆控制方法、系统、车辆控制器及云服务器 | |
Frezza et al. | Ecological adaptive cruise controller for a parallel hybrid electric vehicle | |
Qu et al. | Instantaneous velocity optimization strategy of electric vehicle considering varying road slopes | |
CN113264045B (zh) | 一种插电式混合动力汽车自适应巡航能量管理方法及控制器 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200814 |