CN111923896B - 基于滚动动态规划的hev车辆能量管理方法 - Google Patents

Abstract

基于滚动动态规划的HEV车辆能量管理方法,属于混合动力汽车领域，为了解决混合动力电动汽车跟车控制与能量管理综合问题，S1.通过跟踪控制器对车辆位置与速度跟踪控制，使车辆与前车保持在安全车距内，S2.响应于车辆位置与速度跟踪控制，HEV车辆能量管理获取实时驾驶工况，S3.根据HEV车辆油耗模型离散化控制目标，确定约束条件，S4.响应于实时驾驶工况和通过滚动动态规划算法确定发动机与蓄电池功率分配，使燃油消耗降至最低，效果是本发明所采用的方法具有良好的燃油经济性。

Description

基于滚动动态规划的HEV车辆能量管理方法

技术领域

本发明属于混合动力汽车领域，涉及一种基于滚动动态规划的HEV车辆能量管理方法。

背景技术

近年来，能源与环保问题越来越受到全球的关注，汽车保有量的不断增加导致能源消耗与环境污染日益加剧，同时也使得城市拥堵现象越来越严重^[1]。混合动力电动汽车具备传统汽车和纯电动汽车两者的优点，既能够缓解纯电动汽车电池续航里程的问题，又能够有效地降低燃油汽车的能耗与污染问题，是目前解决能源危机与环境污染的有效途径之一。混合动力电动汽车的能量管理策略直接影响着车辆性能和燃油经济性，而车辆驾驶工况是车辆动力性和燃油经济性的重要影响因素，对能量管理起着至关重要的作用。在实际驾驶环境中，车辆的工况循环和速度变化往往是未知的，给混合动力电动汽车的控制与能量管理带来了挑战。

目前，混合动力电动汽车的能量管理控制策略的研究主要分为基于规则和基于优化的控制算法两大分支^[2]。基于规则的控制策略主要是根据车辆的不同转矩、车速、电池电量SOC或发动机效率Map图，进行工作模式划分，制定规则进行切换控制^[3-4]。该策略控制算法简单且规则容易实现，但无法适应不同工况和实时动态变化的需求，因而往往通过结合其他智能控制算法比如模糊控制、神经网络相结合以获得更好的鲁棒性和适应性，但在实际驾驶条件下，仍无法保证最佳的控制性能^[5-7]。因此，更多的研究开始关注并探索基于优化的能量管理控制策略。基于既定的工况循环或已知的速度规划，动态规划算法(Dynamicprogramming，DP)以其公认的全局最优性被广泛应用于混合动力能量管理控制，但由于实际的驾驶循环往往都是未知的且其计算负担较高而受到制约，而难以进行实时控制而多用于评价或固定路线的能量管理^[8-10]。为了改善DP在实际应用中的局限性，也进行了各种改进与探索^[11-12]。另一方面，为了更好的实现实时优化控制，模型预测控制被普遍采用^[13-14]。比如，文献^[13，14]分别采用模型预测算法根据驾驶员意图对转矩分配或功率需求进行瞬时预测控制，虽然能够实现实时优化，但其预测控制效果基于初始状态的选择，且无法实现全局最优。上述能量管理研究文献都针对单个车辆，但实际道路上车辆并不是独立行使，往往是在车流中跟随前方车辆行驶，而跟车行驶时的车速和能耗不仅取决于道路工况，还受前车行驶模式和速度变化的影响。车辆跟车行驶控制方面已有数十年的深入系统研究，最常见的跟车控制技术就是自适应巡航控制ACC(Adaptive cruise control)，让车辆与前车保持给定的安全距离，也可根据前车速度和交通流信息的预测，适当地调整车辆的间距，实现可变间距自适应巡航控制^[15-17]。ACC属于单车控制技术，已在很多中高档汽车中使用。近年来，自动驾驶车辆技术引发了多车辆协同跟车控制技术，出现了大量关于协作自适应巡航控制和车辆队列控制的研究文献^[18-21]，但这并不在本文研究范围之内。上述跟车控制研究仅限于传统内燃机车辆，不适用于混合动力电动汽车，因为其中没有考虑能量管理问题。混合动力汽车跟车控制问题已受到学者们的关注。关于混合动力电动汽车跟车控制中的能量管理研究并不多见，文献^[22]提出基于规则的混合动力电动汽车能量管理与自适应巡航控制方法，该算法简单易实现，但无法保证性能最优；文献[23，24]针对同一问题，分别给出一种带学习功能的随机模型预测控制方法和基于牛顿优化方法的预测自适应巡航控制方法，文献^[25]给出解决混合动力电动汽车能量管理与自适应巡航控制的动态规划和在线查表方法。需要指出的是，这些结果存在几方面的不足，难以适应实际道路应用需要。主要表现在：1)他们属于单个车辆跟车控制和能量管理，没有考虑前方车辆的影响；2)未考虑道路坡度和载荷变化；3)参数较多，计算负担较重。

发明内容

本发明为了解决混合动力电动汽车跟车控制与能量管理综合问题，其技术方案是：

一种基于滚动动态规划的HEV车辆能量管理方法：

S1.通过跟踪控制器对车辆位置与速度跟踪控制，使车辆与前车保持在安全车距内，

S2.响应于车辆位置与速度跟踪控制，HEV车辆能量管理获取实时驾驶工况，

S3.根据HEV车辆油耗模型离散化控制目标，确定约束条件，

S4.响应于实时驾驶工况和通过滚动动态规划算法确定发动机与蓄电池功率分配，使燃油消耗降至最低。

进一步的，步骤S4包括如下步骤：

(1)在安全距离内进行初始化并定义时间及状态存储空间；

(2)获取N个阶段内车辆i在安全车距内车速轨迹的车辆速度v_i(k)和功率P_i(k)，k＝N,N-1,......,1，；

(3)对于阶段k对应的车辆速度v_i(k)和功率P_i(k),考虑阶段状态约束ΔSOC(k)_max(min)和SOC_j(k)∈[SOC_kmin,SOC_kmax]，计算所有状态转移ΔSOC的所对应的P_batt(k),结合P_i(k)计算P_eng(k)，由发动机燃油消耗率-功率关系查表得到阶段成本J_ij(k),结合上一阶段成本J_j(k+1)计算成本函数最优值J_k＝min[J_ij(k)+J_j(k+1)]；

(4)使阶段k＝k-1，重复步骤(3)直到k＝1，得到成本函数最低的最优控制和状态；

(5)以成本函数最低的最优控制和状态作为安全车距内的控制输入，滚动执行步骤(2)～步骤(5)。

进一步的，发动机的功率P_eng由发动机转矩和转速计算得到

P_eng＝T_engω_eng (13)

式中，ω_eng与T_eng分别表示发动机的转速和转矩；

根据(13)，HEV车辆油耗模型为

式中，

表示油耗率与发动机转速、功率之间的函数关系；

离散化控制目标为：

约束条件满足：

SOC(k+1)＝f(SOC(k),P_eng(k),k)， k＝0,1,...N-1 (47)

(·)^min与(·)^max分别表示最小、最大值；SOC表示电池荷电状态，P_eng和P_batt分别表示发动机的功率和电池功率，ω_eng表示发动机的转速；

考虑采样时间内ΔSOC(k)的约束，减少状态空间和计算量以实现实时控制；

进一步的，车辆的动力学模型表示为

式中，

b₃＝g，w＝μcosθ+sinθ，w表示道路坡度和路面情况，空气阻力由车辆行驶的速度、空气阻力系数C_D、空气密度ρ和车辆的迎风面积A决定，m_i、s_i、v_i分别为当前车辆的质量、位置和速度，F_i为车辆的牵引力或制动力，μ为滚动阻力系数，g为重力加速度，θ表示道路坡度。

进一步的，由(5)可得，

进一步的，跟踪控制器设计包括：

1)设计观测器

2)补偿控制器设计

3)动态面控制器设计

进一步的，

1)设计观测器：

式中，k₀为观测器增益，且k₀＞0；

定义辅助变量

则

将(16)代入上式得，

进一步的，

2)补偿控制器设计

驱动力由两部分构成

F_i＝F_dsc-F_w (19)

式中，F_dsc表示DSC控制器输出，F_w为克服道路坡度与路面阻力的补偿控制；将(19)代入(5)得，

针对观测到的路面状况，设计补偿控制器

定义观测器误差

对(22)求导，

结合(16)、(15)得

将(21)、(22)代入(20)，则

因此(5)转化为

进一步的，

3)动态面控制器设计

首先，定义第一动态面为位置误差

Z₁＝δ_i＝s_i-(s_q-d_a-l) (27)

则，

取虚拟控制量

其中，k₁＞0；

α通过一阶滤波，

其中，T为时间常数，T＞0；

定义滤波误差

e＝α_f-α (31)

对其求导得

然后，定义第二动态面

Z₂＝v_i-α_f (33)

将(33)、(31)、(29)代入(28)，

将(34)、(29)、(30)、(31)代入(32)得

设计DSC控制器

其中，k₂＞0；

对(33)求导，并将(36)、(25)代入得

定义Lyapunov函数

对(38)求导，并将(24)，(34)，(35)，(37)代入得

根据杨式不等式，

因此，

有益效果：本发明将HEVs的跟车控制与能量管理相结合，提出一种基于安全距离的HEVs车辆跟踪与能量管理控制方法。首先考虑了由坡度、载荷变动建立了HEVs车辆跟车系统的非线性模型，并基于安全距离，提出一种基于道路观测器的动态面控制(Dynamicsurface control，DSC)进行车辆跟踪控制。然后，结合跟踪控制下工况循环，采用滚动动态规划算法(Dynamicprogramming，DP)进行混合动力电动汽车能量实时优化控制。最后，通过仿真研究进行验证。

附图说明

图1HEV控制系统示意图。

图2PSHEV功率关系示意图。

图3发动机燃油消耗率示意图。

图4发动机燃油消耗率-功率曲线示意图。

图5HEV车辆位置曲线示意图。

图6HEV车辆速度曲线示意图。

图7速度工况曲线示意图。

图8SOC变化曲线示意图。

图9功率分配曲线示意图。

具体实施方式

混合动力电动汽车(Hybrid electric vehicles，HEVs)的能量管理问题至关重要，而混合动力电动汽车的跟车控制不仅涉及跟车效果及安全性，也影响着能量的高效利用。本文将HEVs的跟车控制与能量管理相结合，提出一种基于安全距离的HEVs车辆跟踪与能量管理控制方法。首先考虑了由坡度、载荷变动建立了HEVs车辆跟车系统的非线性模型，并基于安全距离，提出一种基于道路观测器的动态面控制(Dynamic surface control，DSC)进行车辆跟踪控制。然后，结合跟踪控制下工况循环，采用滚动动态规划算法(Dynamicprogramming，DP)进行混合动力电动汽车能量实时优化控制。最后，通过仿真研究进行验证。

本发明旨在针对混合动力电动汽车跟车控制与能量管理综合问题，考虑有无前车的工况和道路坡度和载荷变化，提出基于安全距离的车辆跟车动态面控制(Dynamicsurface control，DSC)方法，然后针对安全距离的驾驶工况，给出混合动力电动汽车实时能量优化管理的滚动动态规划算法。本发明主要创新点和贡献如下：

1)考虑道路坡度和载荷变动化，基于非线性车辆动态模型设计的跟踪控制器可保证车辆跟踪控制性能，同时，使基于滚动动态规划的能量管理可适应道路坡度的变化；

2)考虑前车对行驶工况的影响，所设计的车辆跟踪控制器自动设定驾驶工况循环，无需工况预测和规划；

3)基于安全距离的滚动动态规划算法，解决了存储空间有限和在线计算负担大的问题，可实现实时能量优化管理。

本发明组织结构如下：第1节给出HEV跟车系统、能量管理模型及控制目标，第2节是基于安全车距的跟车控制器设计、稳定性分析以及能量管理动态规划方法，第3节为仿真验证，第4节是本发明总结。

1系统模型与问题描述

考虑如图1所示的HEVs车辆跟踪系统，其中，s_i、s_q、v_i、v_q分别为当前车辆i与前车q的位置和速度，假设车辆已经配备了V2V等无线通信及传感装置，能够获得前方车辆的状态信息(车辆的位置、速度)。

1)HEV车辆动力学模型

HEV车辆的纵向动力模型如下:

式中，m_i、s_i、v_i分别为当前车辆的质量、位置和速度，F_i为车辆的牵引力或制动力，F_a为车辆行驶过程中的空气阻力，F_r为滚动阻力，F_g为坡道阻力。其中，空气阻力由车辆行驶的速度、空气阻力系数C_D、空气密度ρ和车辆的迎风面积A决定。

滚动阻力为：

F_r＝μm_ig cosθ (3)

式中，μ为滚动阻力系数，g为重力加速度，θ表示道路坡度。

车辆的坡道阻力为：

F_g＝m_ig sinθ (4)

综合(1)-(4)，车辆的动力学模型表示为

式中，

b₃＝g，w＝μcosθ+sinθ，w表示道路坡度和路面情况，未知且不确定，为了方便研究往往假定道路情况不变，忽略了道路坡度和路面变化的影响，本发明则将其视为系统的扰动项，并通过控制器设计对其观测补偿更加符合实际情况，同时也更能体现道路坡度对于HEV汽车能量消耗的影响。

理想的车间距定义为

d_a＝s_q-s_i-l_i (6)

式中，d_a为理想的车间距，即以当前车速下制动且能保证不与前车相撞的最小安全距离，s_q表示汽车位置，l_i表示车辆的长度。

注1：文献中理想的车间距d_a多采用固定值^[20,26]，并不能很好的适应车速的变化；而文献^[24，27]中采用基于车速变化而设定d_a，往往由于车速实时变化使安全距离不断变化，从而影响控制性能，本发明理想车间距d_a基于道路限速决定，通过智能交通系统获得当前道路限速并依据限速确定安全车距既不会频繁变动，也更符合交通法规和实际情况。

2)HEV功率能量模型

考虑Power-splitHEV，其结构如图2所示，从功率平衡的角度，车辆i的功率P_i由电池功率和发动机功率共同提供，即

P_i(k)＝P_eng(k)+P_batt(k)

P_Png＝T_engω_eng

P_batt＝T_m1ω_m1η_m1+T_m2ω_m2η_m2 (7)

其中，P_eng和P_batt分别表示发动机的功率和电池功率，电池功率为正表示电池正在放电，而为负则代表电池正处在充电状态。ω_m1，ω_m2，ω_eng与T_m1，T_m2，T_eng分别表示电动机1与电动机2的转速；η_m1，η_m2为电机效率。

由行星轮机构的运动关系，其转速满足：

ω_s＝-αω_r+(1+α)ω_c

ω_m1＝-αεω_req+(1+α)ω_eng

ω_m2＝εω_req (8)

式中，ω_r，ω_c，ω_s分别表示齿圈、太阳轮和行星架的转速，分别和发动机、电机1和电机2相连，α为齿圈相对于太阳轮的传动比，ω_req为车轮转速，ε为主减速器的传动比，其转矩关系为：

式中，T_req为车轮转矩。

根据电池内阻模型，电池的功率P_batt为

P_batt＝V·I_batt

求解(10)，

由于相同功率下，电池电压越大其电流越小。因此忽略较大取值，电池的SOC动态表示为：

式中，I_batt为电池电流，V_oc表示电池输出电压，R_batt为电池的内阻，Q_batt表示电池电量。

发动机的功率P_eng由发动机转矩和转速计算得到

P_eng＝T_engω_eng (13)

式中，ω_eng与T_eng分别表示发动机的转速和转矩。

发动机的燃油消耗率为发动机的转速ω_eng和转矩T_eng的函数，通常由发动机台架试验获得，图3为Advisor中发动机油耗map图。

式中，

为燃油消耗率。

因此，对于一定工况循化下的功率需求，根据HEV功率平衡与行星机构运动关系，可以通过发动机的转矩和转速控制进行HEV车辆的能量优化管理。

3)本发明目标

本发明的控制目标是将车辆跟踪控制与混合动力电动汽车能量管理相结合，设计控制器实现安全距离内HEV车辆的跟踪控制保证车辆的安全性，同时通过跟踪控制为HEV车辆的能量管理提供准确的实时工况信息以保证优化的能量管理，即满足以下两点要求：

1)跟踪稳定性：考虑了实际的交通状况，即车辆有前车的情况下进行基于安全车距d_a下的车辆跟踪控制，设计控制器跟踪前车速度v_q，即v_i→v_q，并保证车辆的位置跟踪误差δ_i＝s_i-(s_q-d_a-l)收敛于零，即

2)燃油经济性：以前方车辆速度轨迹v_q作为当前HEV车辆的驾驶工况，在安全车距d_a内，对HEV车辆i进行实时能量优化管理，即在满足系统约束条件下，使HEV车辆的燃油消耗成本最低，即

注2：在实际的交通状况下，若没有前方车辆，则采取虚拟车辆代替前车，以当前道路限速作为虚拟车辆的车速，以当前限速下的理想车距为安全距离。以当前限速下的理想车距为安全距离确定前车位置，既保证车辆的行驶安全性，也更符合实际的道路交通状况；车辆以当前限速为参考车速，可使车辆更接近于能耗高效区间，既有利于节省能耗，又能够提高道路的交通效率。

2基于安全车距的车辆跟踪与能量管理

考虑存在前方行驶车辆的实际道路交通状况，将HEV车辆的车辆跟踪与能量管理控制相结合。首先采用DSC设计基于安全车距的跟踪控制器进行车辆位置与速度的跟踪控制，在保证车辆安全驾驶的同时为HEV车辆能量管理提供实时驾驶工况；然后在安全距离内基于以前车位移与速度，应用滚动动态规划算法对发动机与蓄电池功率优化分配，使能量消耗最小。

2.1基于安全车距的车辆DSC跟踪控制

为实现更好的跟踪效果并为能量管理提供准确的工况信息，在设计DSC控制器前，首先对路面情况进行观测。

1)观测器的设计

由(5)可得，

设计观测器如下：

式中，k₀为观测器增益，且k₀＞0。

定义辅助变量

则

将(16)代入上式得，

2)补偿控制器设计

驱动力由两部分构成

F_i＝F_dsc-F_w (19)

式中，F_dsc表示DSC控制器输出，F_w为克服道路坡度与路面阻力的补偿控制。

将(19)代入(5)得，

针对观测到的路面状况，设计补偿控制器

定义观测器误差

对(22)求导，

在城市工况下道路坡度通常比较平缓，因此

结合(16)(15)得，

将(21)、(22)代入(20)，则

因此，系统(5)转化为

3)动态面控制器设计

首先，定义第一动态面为位置误差

Z₁＝δ_i＝s_i-(s_q-d_a-l) (27)

则，

取虚拟控制量

其中，k₁＞0。

α通过一阶滤波，

其中，T为时间常数，T＞0。

定义滤波误差

e＝α_f-α (31)

对其求导得

然后，定义第二动态面

Z₂＝v_i-α_f (33)

将(33)、(31)、(29)代入(28)，

将(34)、(29)、(30)、(31)代入(32)得

设计DSC控制器

其中，k₂＞0。

对(33)求导，并将(36)、(25)代入得

定义Lyapunov函数

对(38)求导，并将(24)，(34)，(35)，(37)代入得

根据杨式不等式，

因此，

为了保证系统的跟踪稳定性，引入下列引理。

引理1:对于非线性系统，存在正定函数V满足下列微分不等式：

其中，V＞0，C≥0，对于t₀，V(t)满足不等式：

即V(t)以指数收敛率ζ最终一致收敛于C/ζ，则系统最终一致有界。

根据引理1，对于非线性系统(14)，存在正定函数(38)，根据(41)只要

则

其中，

则系统最终一致有界。

注3：按照(44)适当的选择观测器增益、滤波器时间常数和控制器参数能够使得ζ足够大，C/ζ足够小，使观测器误差和系统跟踪误差足够小；基于车辆非线性动态模型，对道路情况w进行观测补偿，使DSC跟系统能够更好的适应道路变化，具有更好的跟踪性能；同时，既无需进行速度预测也考虑了道路坡度对HEV车辆能量管理的影响，为HEV的能量管理提供了保障。

2.2基于滚动DP的HEV能量管理

将车辆跟踪控制与HEV能量管理相结合，既保证了车辆的跟踪安全性，又为当前HEV车辆提供了工况循环信息。因此，本节采用动态规划策略在安全车距内对HEV车辆进行能量优化管理，使HEV在满足各种约束条件下，通过优化发动机与蓄电池功率合理分配使系统的性能指标即燃油消耗降至最低。

根据发动机功率与转矩之间的关系(13)，HEV车辆油耗模型(14)转化为

式中，

表示油耗率与发动机转速、功率之间的函数关系。图4为基于Advisor车辆参数转化后的不同转速下车辆油耗模型。

离散化控制目标为：

约束条件满足：

SOC(k+1)＝f(SOC(k),P_eng(k),k) k＝0,1,...N-1 (47)

式中，(·)^min与(·)^max分别表示最小、最大值。

考虑采样时间内ΔSOC(k)的约束，进一步减少状态空间和计算量，以实现实时控制。

滚动DP算法的计算过程如下：

1)在安全距离内进行初始化并定义时间及状态存储空间；

2)根据跟踪控制器保证安全距离内的N个阶段内当前车辆i的车速轨迹得到车辆速度和功率v_i(k)，P_i(k)，k＝N,N-1,......,1,N为阶段的总数

3)对于阶段k,对应的v_i(k),P_i(k),考虑阶段状态约束ΔSOC(k)_max(min)和SOC_j(k)∈[SOC_kmin,SOC_kmax]，计算所有状态转移ΔSOC的所对应的P_batt(k),然后结合P_i(k)计算P_eng(k)，由图4中发动机燃油消耗率-功率关系查表得到阶段成本J_ij(k),结合上一阶段成本J_j(k+1)计算成本函数最优值J_k＝min[J_ij(k)+J_j(k+1)]；

4)进入到下一阶段k＝k-1，重复(3)直到k＝1，找到成本函数最低的最优控制和状态；

5)以优化结果作为安全车距内的控制输入，滚动执行整个优化过程。

注4：上一节基于观测器补偿的DSC控制器为安全距离内为动态规划算法提供了准确的驾驶工况循环，保证了能量管理的有效性；在安全车距内考虑单位步长内电池SOC变化的约束，使得HEV能量管理的状态空间和控制空间大大缩减，减少了计算负担，更有利于HEV能量管理的实时性。

3仿真研究

对HEV车辆跟踪与能量管理进行仿真研究，并与Advisor中的能量管理控制结果进行比较，验证所采用控制策略的有效性。

3.1DSC车辆跟踪控制仿真验证

考虑跟车行驶的工况，HEV车辆参数如表1中所示，假设前车按照ECE城市工况循环行驶，总距离约为1km，其最高限速为50km/h，道路最大坡度为15度，车辆安全距离设为30m。DSC跟踪控制器参数根据(45)分别选为：k₀＝0.5、k₁＝2、k₂＝30、T＝1，仿真结果如图5-6所示。

表1 HEV车辆主要参数

图5为车辆跟踪的位置曲线，显然具有较好的位置跟踪性能，且能始终保持稳定的车间距。图6中，两种控制器均能实现较好速度跟踪，但通过局部放大可以看出具有补偿控制器的DSC控制能够更快的适应实时的速度变化，具有更好的适应性和跟踪控制效果。

3.2能量管理优化仿真

基于跟踪控制的车速工况与功率需求，应用滚动动态规划算法进行数值仿真研究。

图7为车速工况与功率需求曲线，由图可以看出车辆在加速过程中的功率大于零且逐渐增加；当车辆速度减少时，车辆功率为负，处于再生制动状态。在图8中，HEV车辆电池SOC随着行驶工况与电池能量的消耗与回收而发生变化。图9为基于跟踪工况下的HEV功率分配曲线。当车速较低时，HEV所需的功率主要由电池通过电动机提供，随着车辆速度与功率需求的进一步增加，发动机和电动机共同工作提供能量，当车速下降时，HEV通过再生制动进行能量回收。表2为采用该策略与Advisor中的能量管理策略的燃油消耗的对比，百公里油耗提高了约12％，由此可以看出本发明所采用的方法具有良好的燃油经济性。

4结论

本发明研究了混合动力电动汽车的车辆跟踪与能量管理控制。考虑在有前车的道路工况下，基于安全车距设计了具有观测补偿的动态面跟踪控制算法为HEV车辆能量管理提供了驾驶工况，并在安全距离内对HEV采用滚动动态规划算法进行能量管理，考虑单位步长内电池SOC变化的约束进一步缩小对SOC状态空间，更有利于车辆的安全控制和实时的能量优化管理。

Claims (8)

1.一种基于滚动动态规划的HEV车辆能量管理方法，其特征在于：

S1.通过跟踪控制器对车辆位置与速度跟踪控制，使车辆与前车保持在安全车距内，

S2.响应于车辆位置与速度跟踪控制，HEV车辆能量管理获取实时驾驶工况，

S3.根据HEV车辆油耗模型离散化控制目标，确定约束条件，

S4.响应于实时驾驶工况和通过滚动动态规划算法确定发动机与蓄电池功率分配，使燃油消耗降至最低；

步骤S4包括如下步骤：

(1)在安全距离内进行初始化并定义时间及状态存储空间；

(2)获取N个阶段内车辆i在安全车距内车速轨迹的车辆速度v_i(k)和功率P_i(k)，k＝N,N-1,......,1，；

(3)对于阶段k对应的车辆速度v_i(k)和功率P_i(k),考虑阶段状态约束ΔSOC(k)_max(min)和SOC_j(k)∈[SOC_kmin,SOC_kmax]，计算所有状态转移ΔSOC的所对应的P_batt(k),结合P_i(k)计算P_eng(k)，P_eng(k)和P_batt(k)分别表示当前时刻的发动机功率和当前时刻的电池功率，由发动机燃油消耗率-功率关系查表得到阶段成本J_ij(k),结合上一阶段成本J_j(k+1)计算成本函数最优值J_k＝min[J_ij(k)+J_j(k+1)]；

(4)使阶段k＝k-1，重复步骤(3)直到k＝1，得到成本函数最低的最优控制和状态；

(5)以成本函数最低的最优控制和状态作为安全车距内的控制输入，滚动执行步骤(2)～步骤(5)。

2.如权利要求1所述的基于滚动动态规划的HEV车辆能量管理方法，其特征在于：

发动机的功率P_eng由发动机转矩和转速计算得到

P_eng＝T_engω_eng (13)

式中，ω_eng与T_eng分别表示发动机的转速和转矩；

根据(13)，HEV车辆油耗模型为

式中，

表示油耗率与发动机转速、功率之间的函数关系；

离散化控制目标为：

约束条件满足：

SOC(k+1)＝f(SOC(k),P_eng(k),k)，k＝0,1,...N-1 (47)

(·)^min与(·)^max分别表示最小、最大值；SOC表示电池荷电状态，P_eng和P_batt分别表示发动机的功率和电池功率，ω_eng表示发动机的转速；

考虑采样时间内ΔSOC(k)的约束，减少状态空间和计算量以实现实时控制；

(50)；V_oc表示电池输出电压，R_batt为电池的内阻，Q_batt表示电池电量。

3.如权利要求2所述的基于滚动动态规划的HEV车辆能量管理方法，其特征在于：

车辆的动力学模型表示为

式中，

b₃＝g，w＝μcosθ+sinθ，w表示道路坡度和路面情况，空气阻力由车辆行驶的速度、空气阻力系数C_D、空气密度ρ和车辆的迎风面积A决定，m_i、s_i、v_i分别为当前车辆的质量、位置和速度，F_i为车辆的牵引力或制动力，μ为滚动阻力系数，g为重力加速度，θ表示道路坡度。

4.如权利要求3所述的基于滚动动态规划的HEV车辆能量管理方法，其特征在于:

由(5)可得，

5.如权利要求4所述的基于滚动动态规划的HEV车辆能量管理方法，其特征在于:

跟踪控制器设计包括：

1)设计观测器；

2)补偿控制器设计；

3)动态面控制器设计。

6.如权利要求5所述的基于滚动动态规划的HEV车辆能量管理方法，其特征在于:

1)设计观测器：

式中，k₀为观测器增益，且k₀＞0；

为观测器的观测值，

观测值的导数；

定义辅助变量

则

将(16)代入上式得，

7.如权利要求6所述的基于滚动动态规划的HEV车辆能量管理方法，其特征在于:

2)补偿控制器设计

驱动力由两部分构成

F_i＝F_dsc-F_w (19)

式中，F_dsc表示DSC控制器输出，F_w为克服道路坡度与路面阻力的补偿控制；

将(19)代入(5)得，

针对观测到的路面状况，设计补偿控制器

定义观测器误差

对(22)求导，

结合(16)、(15)得

将(21)、(22)代入(20)，则

因此(5)转化为

8.如权利要求7所述的基于滚动动态规划的HEV车辆能量管理方法，其特征在于:

3)动态面控制器设计

首先，定义第一动态面为位置误差

Z₁＝δ_i＝s_i-(s_q-d_a-l) (27)；

d_a为理想的车间距，即以当前车速下制动且能保证不与前车相撞的最小安全距离，s_q表示汽车位置，δ_i车间距误差；

则，

取虚拟控制量

其中，k₁＞0；k₁、k₂为动态面控制器参数；

α通过一阶滤波，

其中，T为时间常数，T＞0；

定义滤波误差

e＝α_f-α (31)

α为虚拟控制量，α_f为α的一阶滤波值，e为α的滤波误差，即α_f与α的差值；

对其求导得

然后，定义第二动态面

Z₂＝v_i-α_f (33)

将(33)、(31)、(29)代入(28)，

将(34)、(29)、(30)、(31)代入(32)得

设计DSC控制器

其中，k₂＞0；

对(33)求导，并将(36)、(25)代入得

定义Lyapunov函数

对(38)求导，并将(24)，(34)，(35)，(37)代入得

根据杨式不等式，

因此，

Images