CN112163269B - 一种能耗优化控制方法、装置及电动四驱车 - Google Patents

一种能耗优化控制方法、装置及电动四驱车 Download PDF

Info

Publication number
CN112163269B
CN112163269B CN202010869583.7A CN202010869583A CN112163269B CN 112163269 B CN112163269 B CN 112163269B CN 202010869583 A CN202010869583 A CN 202010869583A CN 112163269 B CN112163269 B CN 112163269B
Authority
CN
China
Prior art keywords
torque
automobile
maximum
value
range
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.)
Active
Application number
CN202010869583.7A
Other languages
English (en)
Other versions
CN112163269A (zh
Inventor
徐飞
朱禹
佘建强
赵征澜
张丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongfeng Motor Corp
Original Assignee
Dongfeng Motor Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dongfeng Motor Corp filed Critical Dongfeng Motor Corp
Priority to CN202010869583.7A priority Critical patent/CN112163269B/zh
Publication of CN112163269A publication Critical patent/CN112163269A/zh
Application granted granted Critical
Publication of CN112163269B publication Critical patent/CN112163269B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/048—Fuzzy inferencing
    • 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
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/62—Hybrid vehicles
    • 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
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Linguistics (AREA)
  • Automation & Control Theory (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Fuzzy Systems (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Arrangement And Driving Of Transmission Devices (AREA)

Abstract

本发明公开了一种能耗优化控制方法、装置及电动四驱车，该方法包括：根据当前检测到的汽车的车速和第一电池信息，以及油门踏板开度或制动踏板开度，采用模糊控制方法计算汽车当前总体所需的扭矩粗略值并对扭矩的粗略值进行修正；根据当前检测到的汽车的车轮转速，计算获得汽车电机系统当前能够提供给前轴的最大第一扭矩及当前能够提供给后轴的最大第二扭矩；根据扭矩修正值、最大第一扭矩、最大第二扭矩，计算获得扭矩分配系数的范围；根据扭矩分配系数的范围和扭矩修正值，对汽车的前轴和后轴进行扭矩分配。通过上述技术方案，根据汽车当前工况实现了汽车扭矩分配的优化，提高汽车续驶里程和整车经济性。

Description

一种能耗优化控制方法、装置及电动四驱车
技术领域
本发明涉及汽车技术领域，特别涉及一种能耗优化控制方法、装置及电动四驱车。
背景技术
扭矩是使物体发生转动的一种特殊的力矩。发动机的扭矩是指发动机从曲轴端输出的力矩。在功率固定的条件下扭矩与发动机转速成反比关系，转速越快扭矩越小，反之越大，它反映了汽车在一定范围内的负载能力。四驱车扭矩的分配，关乎到汽车整车经济性。
现有技术中，汽车前后扭矩的分配通常是采用固定比例的方式进行，对电动工况续驶里程和整车经济性的提高空间有限。随着用户对续驶里程和整车经济性的要求提高，采用固定比例进行扭矩分配远远不能满足当前用户要求，亟需一种能耗优化控制的方法，来提升优化扭矩分配。
发明内容
本发明实施例提供一种能耗优化控制方法、装置及电动四驱车，用于优化汽车扭矩分配，提高汽车续驶里程和整车经济性。
第一方面，本发明实施例提供一种能耗优化控制方法，应用于电动四驱车，包括：
根据当前检测到的汽车的车速和第一电池信息，以及油门踏板开度或制动踏板开度，采用模糊控制方法计算汽车当前总体所需的扭矩粗略值；
根据当前检测到的汽车的第二电池信息、所述车速、电机系统允许的最大扭矩、以及预设修正系数，对所述扭矩的粗略值进行修正，获得汽车当前总体所需的扭矩修正值；
根据当前检测到的汽车的车轮转速，计算获得汽车电机系统当前能够提供给前轴的最大第一扭矩及当前能够提供给后轴的最大第二扭矩；
根据所述扭矩修正值、所述最大第一扭矩、所述最大第二扭矩，计算获得扭矩分配系数的范围；
根据所述扭矩分配系数的范围和所述扭矩修正值，对汽车的前轴和后轴进行扭矩分配。
可选的，所述根据所述扭矩分配系数的范围和所述扭矩修正值，对汽车的前轴和后轴进行扭矩分配，包括：
根据所述扭矩分配系数的范围随机选取M个扭矩分配系数，计算获得每个扭矩分配系数对应的电机系统能耗总值，M≥2；
采用遗传算法迭代所述M个扭矩分配系数，获得最小能耗总值对应的目标扭矩分配系数；
根据所述目标扭矩分配系数和所述扭矩修正值，对汽车的前轴和后轴进行扭矩分配。
可选的，所述根据当前检测到的汽车的第二电池信息、所述车速、电机系统允许的最大扭矩、以及预设修正系数，对所述扭矩的粗略值进行修正，获得汽车当前总体所需的扭矩修正值，包括：
将电机系统允许的最大扭矩、所述扭矩的粗略值、档位修正系数、故障修正系数、高压附件修正系数相乘获得第一参考扭矩值；
根据当前检测到的汽车的所述车速和第二电池信息，查表获得第二参考扭矩值；
比较所述第一参考扭矩值和第二参考扭矩值，获取绝对值较小的参考扭矩值作为所述扭矩修正值。
可选的，所述第二电池信息包括：
汽车的电池电压、电池最大输入功率、电池最大输出功率、电池最大输入电流以及电池最大输出电流。
可选的，所述第一电池信息为电池电量或电池电压。
可选的，所述根据所述扭矩修正值、所述最大第一扭矩、所述最大第二扭矩，计算获得扭矩分配系数的范围，包括：
根据所述扭矩修正值T1与所述最大第一扭矩T2、所述最大第二扭矩T3之间的大小关系，确定所述扭矩分配系数的范围[a1，a2]；
其中，在T2≤T3的情况下：
当T1＜T2时，a1＝0，a2＝1；
当T3＞T1≥T2时，a1＝0，a2＝T2/T1；
当T1≥T3，且，T1≤T2+T3时，a1＝(T1-T3)/T1，a2＝T2/T1。
第二方面，本发明实施例还提供一种能耗优化控制装置，应用于电动四驱车，包括：
模糊控制单元，用于根据当前检测到的汽车的车速和第一电池信息，以及油门踏板开度或制动踏板开度，采用模糊控制方法计算汽车当前总体所需的扭矩粗略值；
扭矩修正单元，用于根据当前检测到的汽车的第二电池信息、所述车速、电机系统允许的最大扭矩、以及预设修正系数，对所述扭矩的粗略值进行修正，获得汽车当前总体所需的扭矩修正值；
扭矩计算单元，用于根据当前检测到的汽车的车轮转速，计算获得汽车电机系统当前能够提供给前轴的最大第一扭矩及当前能够提供给后轴的最大第二扭矩；
范围计算单元，用于根据所述扭矩修正值、所述最大第一扭矩、所述最大第二扭矩，计算获得扭矩分配系数的范围；
扭矩分配单元，用于根据所述扭矩分配系数的范围和所述扭矩修正值，对汽车的前轴和后轴进行扭矩分配。
可选的，所述扭矩分配单元包括：
迭代单元，用于根据所述扭矩分配系数的范围随机选取M个扭矩分配系数，计算获得每个扭矩分配系数对应的电机系统能耗总值，M≥2；采用遗传算法迭代所述M个扭矩分配系数，获得最小能耗总值对应的目标扭矩分配系数；
优化单元，用于根据所述目标扭矩分配系数和所述扭矩修正值，对汽车的前轴和后轴进行扭矩分配。
第三方面，本发明实施例还提供一种电动四驱车，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上的程序存储于存储器中，且经配置以由一个或者一个以上的处理器执行所述一个或者一个以上的程序所包含的用于进行如第一方面所述方法对应的操作的指令。
第四方面，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述方法对应的步骤。
本申请实施例中的上述一个或多个技术方案，至少具有如下技术效果：
本申请实施例提供一种能耗优化方法，应用于电动四驱车，包括：根据当前检测到的汽车的车速和第一电池信息，以及油门踏板开度或制动踏板开度，采用模糊控制方法计算汽车当前总体所需的扭矩粗略值；根据当前检测到的汽车的第二电池信息、所述车速、电机系统允许的最大扭矩、以及预设修正系数，对所述扭矩的粗略值进行修正，获得汽车当前总体所需的扭矩修正值；根据当前检测到的汽车的车轮转速，计算获得汽车电机系统当前能够提供给前轴的最大第一扭矩及当前能够提供给后轴的最大第二扭矩；根据所述扭矩修正值、所述最大第一扭矩、所述最大第二扭矩，计算获得扭矩分配系数的范围；根据所述扭矩分配系数的范围和所述扭矩修正值，对汽车的前轴和后轴进行扭矩分配。通过检测汽车当前的车速、电池信息来对汽车当前总体所需的扭矩，并进一步对该扭矩进行修正，使得修正后的扭矩更准确更符合汽车当前实际所需，提高了扭矩计算的准确性和实时性，依据该扭矩获得扭矩分配系数范围并据此进行扭矩分配，实现了依据汽车当前车况进行扭矩分配，解决了现有技术中固定比例扭矩分配导致的整车续航里程短、经济性较差的技术问题，从而提高了扭矩分配的准确性，进而提高了汽车整车续时里程和经济性。
附图说明
图1为本申请实施例提供的一种能耗优化控制方法的流程示意图；
图2为本申请实施例提供的一种模糊控制方法的示意图；
图3为本申请实施例提供的一种扭矩修正的方框示意图；
图4为本申请实施例提供的一种最优算法流程图；
图5为本申请实施例提供的一种能耗优化控制装置的示意图；
图6为本申请实施例提供的一种电动四驱车的示意图。
具体实施方式
在本申请实施例提供的技术方案中，提供一种能耗优化控制方法，通过检测汽车的当前运行工况并计算当前实际所需扭矩，再基于实际所需进行扭矩分配，优化扭矩分配的合理性，提高汽车整车续驶里程和经济性。
下面结合附图对本申请实施例技术方案的主要实现原理、具体实施方式及其对应能够达到的有益效果进行详细的阐述。
实施例
请参考图1，本申请实施例提供一种能耗优化控制方法，应用于电动四驱车，包括：
S11、根据当前检测到的汽车的车速和第一电池信息，以及油门踏板开度或制动踏板开度，采用模糊控制方法计算汽车当前总体所需的扭矩粗略值；
S12、根据当前检测到的汽车的第二电池信息、所述车速、电机系统允许的最大扭矩、以及预设修正系数，对所述扭矩的粗略值进行修正，获得汽车当前总体所需的扭矩修正值；
S13、根据当前检测到的汽车的车轮转速，计算获得汽车电机系统当前能够提供给前轴的最大第一扭矩及当前能够提供给后轴的最大第二扭矩；
S14、根据所述扭矩修正值、所述最大第一扭矩、所述最大第二扭矩，计算获得扭矩分配系数的范围；
S15、根据所述扭矩分配系数的范围和所述扭矩修正值，对汽车的前轴和后轴进行扭矩分配。
通过检测汽车当前的车速、电池信息来对汽车当前总体所需的扭矩，并进一步通过当前检测到的汽车的第二电池信息、所述车速、电机系统允许的最大扭矩、以及预设修正系数，对所述扭矩的粗略值进行修正，使得修正后的扭矩更准确更符合汽车当前实际所需，提高了扭矩计算的准确性和实时性，依据该扭矩获得扭矩分配系数范围并据此进行扭矩分配，实现了依据汽车当前车况进行扭矩分配，提供了一种电四驱车能耗实时优化控制方法，从而提高了扭矩分配的准确性，进而提高了汽车整车续时里程和经济性。
其中，S11计算汽车当前整体所需的扭矩粗略值时，可以根据汽车当前的车速、电池电量SOC值，采用模糊控制方法计算获得；或者，根据汽车当前的车速、电池电压，采用模糊控制方法计算获得。电池电量或电池电压为第一电池信息。
具体的，汽车前、后轴总体需要的当前总体所需的扭矩粗略值T(正、负扭矩)的计算流程包括①或②：
①、在ESC(Electronic Stability Control，车身电子稳定性控制系统)未激活的情况下，将加速踏板开度、车速和第一电池信息作为三个输入量，采用模糊控制方法计算出轮边需求正扭矩即正扭矩粗略值T。
其中，如图2所示，模糊控制方法采用模糊控制器完成：
第一步：向模糊控制器输入三个输入量加速踏板开度、车速以及第一电池信息；模糊控制器根据输入量隶属度函数对输入进行模糊化。
第二步：根据模糊规则库中的模糊规则对模糊化后的数据进行模糊推理；
第三步：根据输出隶属度函数对推理结果进行解模糊，输出轮边需求正扭矩T。
②、在ESC未激活的情况下，将制动踏板开度、车速和第一电池信息作为三个输入量，采用模糊控制方法计算出轮边需求负扭矩T。
其中，模糊控制方法与论辩需求正扭矩类似，不同在于输入变为制动踏板开度、车速和第一电池信息。
在S11之后，执行S12对扭矩粗略值T进行修正。根据当前检测到的汽车的第二电池信息、所述车速、电机系统允许的最大扭矩、以及预设修正系数，对所述扭矩的粗略值进行修正，获得汽车当前总体所需的扭矩修正值T1。其中，第二电池信息包括汽车的电池电压、电池最大输入功率、电池最大输出功率、电池最大输入电流以及电池最大输出电流。预设修正系数通过整车标定获得，包括档位修正系数、故障修正系数以及高压附件修正系数。
请参考图3，具体修正方法包括：
①、将电机系统允许的最大扭矩(正扭矩或负扭矩)、扭矩的粗略值T(正扭矩或负扭矩)、档位修正系数(即档位信息修正系数)、故障修正系数(即故障信息修正系数)以及高压附件修正系数相乘获得第一参考扭矩值T11。需要说明的是，第一参考扭矩值的获取还可以参考实际运行工况中的ESC因素。
②、根据当前检测到的汽车的所述车速和第二电池信息，查表获得第二参考扭矩值他T12。
③、比较所述第一参考扭矩值T11和第二参考扭矩值T12，获取绝对值较小的参考扭矩值作为当前总体需求的扭矩修正值T1。
通过对汽车当前总体所需的扭矩进行修正，从而获得更为准确的扭矩需求，进而使得依据该实际需求进行更为准确的扭矩分配，有利于提高扭矩分配的准确性。
在S12之后，进一执行S13根据当前检测到的汽车的车轮转速，计算获得汽车电机系统当前能够提供给前轴的最大第一扭矩T2(正扭矩或负扭矩)及当前能够提供给后轴的最大第二扭矩T3(正扭矩或负扭矩)。需要说明的是，最大扭矩包括扭矩正值最大、扭矩负值绝对值最大(即数值最小)。
S14根据扭矩修正值T1与最大第一扭矩T2、最大第二扭矩T3之间的大小关系，确定矩分配系数a的最小值a1、最大值a2，从而确定扭矩分配系数a的范围[a1，a2]。其中，扭矩分配系数a为四驱车前轴扭矩分配的比例，后轴扭矩分配比例为1-a。扭矩分配系数a的范围确认方法如下：
在T2≤T3的情况下：
当T1＜T2时，a1＝0，a2＝1；
当T3＞T1≥T2时，a1＝0，a2＝T2/T1；
当T1≥T3，且，T1≤T2+T3时，a1＝(T1-T3)/T1，a2＝T2/T1。
在T2＞T3的情况下：
当T1＜T3时，a1＝0，a2＝1；
当T2＞T1≥T3时，a1＝(T1-T3)/T1，a2＝1；
当T1≥T2，且，T1≤T2+T3时，a1＝(T1-T3)/T1，a2＝T2/T1。
S15根据扭矩分配系数的范围[a1，a2]和扭矩修正值T1，对汽车的前轴和后轴进行扭矩分配。具体的，在进行扭矩分配之前，从扭矩分配系数的范围内确定最优扭矩分配系数aNp，该目标扭矩分配系数对应的汽车电机系统能耗总值最小；进一步的，根据最优扭矩分配系数和扭矩修正值，对汽车的前轴和后轴进行扭矩分配。例如：将该最优扭矩分配系数aNp作为最终的扭矩分配系数a的取值进行扭矩分配，汽车前轴的扭矩值分配为T1*a，汽车后轴的扭矩值为T1*(1-a)。
其中，从扭矩分配系数的范围内确定最优扭矩分配系数aNp，可以通过最优算法计算获得。具体的，最优算法的步骤包括：根据扭矩分配系数的范围随机选取M个扭矩分配系数，计算获得每个扭矩分配系数对应的电机系统能耗总值，M≥2；采用遗传算法迭代该M个扭矩分配系数，获得最小能耗总值对应的目标扭矩分配系数即为最优分配系数。从而根据目标扭矩分配系数和扭矩修正值，对汽车的前轴和后轴进行扭矩分配。
请参考图4，为最优算法的流程图，具体包括：
S41、设定初始种群数目、迭代计算次数；
S42、对第t代所有群体随机产生0、1二进制数据串；
S43、对第t代所有群体随机产生二进制数据进行编码；
S44、计算系统效率适应度函数；
S45、评估计算个体种群；
S46、筛选最优解，判断是否用于下一代计算
S47、确定最优解。
具体实施过程中，S41设定初始种群数目时，可以随机获取初始种群数目M，M≥2。设定迭代次数N，N可以根据系统的计算能力确定，例如N可以20次。
S42对第t代所有群体随机产生0、1二进制数据串，是从[a1，a2]范围内随机产生M个初始值。其中，t≤N，每个初始值为一个体种群。
当t＝1时，从[a1，a2]范围内随机产生M个初始值；
当t＞1时，采用遗传算法中的变异运算和/或交叉运算，对第t代产生的M个二进制数据串进行数据处理，获得M个新的二进制数据串。
S43编码时，将随机产生的M个初始值转换为十进制数。
S44计算系统效率适应度函数，可以计算M个初始值中每个初始值对应的电机系统能耗总值。电机系统能耗总值W(t)的计算函数为：
Pfront(t)＝T1*aNn*Nwheel/9550(n＝1，2，……，M)
Prear(t)＝T1*(1-aNn)*Nwheel/9550(n＝1，2，……，M)
Figure BDA0002650671220000091
其中，Pfront(t)表示前轴轮边扭矩需求；ηfront(t)表示前驱动电机系统效率；Prear(t)表示后轴轮边扭矩需求；ηrear(t)表示后轴驱动电机系统效；Nwheel表示车轮转速；d(t)表示时间的微分函数。
S45评估计算个体种群时，将个体种群对应的点击系统能耗总值进行大小比较。从M个初始值对应的电机系统能耗总值中，确定出最小能耗总值和最小能耗总值所对应的初始值aN1，将aN1进行存储。
S46、筛选最优解，判断是否进行下一代计算：
若t＝1，对aN1进行存储；若1＜t≤N，获得第t-1代存储的初始值aN2，比较aN1与aN2所对应的最小能耗总值的大小关系，将aN1与aN2系数对应最小能耗总值对应的扭矩分配系数进行存储；判断t＝N是否成立，若否继续下一代种群迭代，若是继续S47。
S47、确定最优解：取t＝N时，迭代完成后存储的初始值aNp作为最优解。
上述优化算法中，每次迭代将能耗总值最小、运行效率最高的扭矩分配系数保留下来，目的是在有限的迭代次数中找到最优解(效率最高)，使得根据最优解对应的扭矩分配系数进行扭矩分配，能够使得电机系统的能耗总值最小、运行效率最高，从而大大增加了电动汽车的续航里程和整车的经济性。
基于同一发明构思，本实施例基于上述提供的一种能耗优化方法，还对应提供一种能耗优化装置，应用于电动四驱车，请参考图5，该装置包括：
模糊控制单元51，用于根据当前检测到的汽车的车速和第一电池信息，以及油门踏板开度或制动踏板开度，采用模糊控制方法计算汽车当前总体所需的扭矩粗略值；
扭矩修正单元52，用于根据当前检测到的汽车的第二电池信息、所述车速、电机系统允许的最大扭矩、以及预设修正系数，对所述扭矩的粗略值进行修正，获得汽车当前总体所需的扭矩修正值；
扭矩计算单元53，用于根据当前检测到的汽车的车轮转速，计算获得汽车电机系统当前能够提供给前轴的最大第一扭矩及当前能够提供给后轴的最大第二扭矩；
范围计算单元54，用于根据所述扭矩修正值、所述最大第一扭矩、所述最大第二扭矩，计算获得扭矩分配系数的范围；
扭矩分配单元55，用于根据所述扭矩分配系数的范围和所述扭矩修正值，对汽车的前轴和后轴进行扭矩分配。
作为一种可选的实施方式，扭矩分配单元55可以包括：迭代单元和优化单元。迭代单元，用于根据所述扭矩分配系数的范围随机选取M个扭矩分配系数，计算获得每个扭矩分配系数对应的电机系统能耗总值，M≥2；采用遗传算法迭代所述M个扭矩分配系数，获得最小能耗总值对应的目标扭矩分配系数。优化单元，用于根据所述目标扭矩分配系数和所述扭矩修正值，对汽车的前轴和后轴进行扭矩分配。
作为一种可选的实施方式，扭矩修正单元52具体用于：将电机系统允许的最大扭矩、所述扭矩的粗略值、档位修正系数、故障修正系数以及高压附件修正系数相乘获得第一参考扭矩值；根据当前检测到的汽车的所述车速和第二电池信息，查表获得第二参考扭矩值；比较所述第一参考扭矩值和第二参考扭矩值，获取绝对值较小的参考扭矩值作为所述扭矩修正值。
其中，第二电池信息可以包括：汽车的电池电压、电池最大输入功率、电池最大输出功率、电池最大输入电流以及电池最大输出电流。第一电池信息可以为电池电量或电池电压。
作为一种可选的实施方式，范围计算单元54具体用于根据所述扭矩修正值T1与所述最大第一扭矩T2、所述最大第二扭矩T3之间的大小关系，确定所述扭矩分配系数的范围[a1，a2]；
其中，在T2≤T3的情况下：
当T1＜T2时，a1＝0，a2＝1；
当T3＞T1≥T2时，a1＝0，a2＝T2/T1；
当T1≥T3，且，T1≤T2+T3时，a1＝(T1-T3)/T1，a2＝T2/T1。
关于上述实施例中的装置，其中各个单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图6是根据一示例性实施例示出的一种用于实现能耗优化控制方法的电动四驱车800的框图。电动四驱车800可以包括以下一个或多个组件：处理组件802，存储器804，电池组件806，电机系统组件808，以及通信组件810。
处理组件802通常控制电动四驱车800的整体操作，诸如与显示，数据通信，以及记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理部件802可以包括电机模块，以方便电机系统组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在电动四驱车800上操作的任何应用程序或方法的指令。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器等。
电池组件806为电动四驱车800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电池，及其他与为电动四驱车800生成、管理和分配电力相关联的组件。
电机系统组件808为电动四驱车800的运动提供动力。电机系统组件810包括电机管理系统，排气系统，感应组件等。
通信组件810被配置为便于电动四驱车800和其他设备之间有线或无线方式的通信。电动四驱车800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件810经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。
在示例性实施例中，电动四驱车800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由电动四驱车800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM和光数据存储设备等。
一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得电动四驱车够执行一种能耗优化控制方法，所述方法包括：根据当前检测到的汽车的车速和第一电池信息，以及油门踏板开度或制动踏板开度，采用模糊控制方法计算汽车当前总体所需的扭矩粗略值；根据当前检测到的汽车的第二电池信息、所述车速、电机系统允许的最大扭矩、以及预设修正系数，对所述扭矩的粗略值进行修正，获得汽车当前总体所需的扭矩修正值；根据当前检测到的汽车的车轮转速，计算获得汽车电机系统当前能够提供给前轴的最大第一扭矩及当前能够提供给后轴的最大第二扭矩；根据所述扭矩修正值、所述最大第一扭矩、所述最大第二扭矩，计算获得扭矩分配系数的范围；根据所述扭矩分配系数的范围和所述扭矩修正值，对汽车的前轴和后轴进行扭矩分配。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种能耗优化控制方法，应用于电动四驱车，其特征在于，包括：
根据当前检测到的汽车的车速和第一电池信息，以及油门踏板开度或制动踏板开度，采用模糊控制方法计算汽车当前总体所需的扭矩粗略值；
根据当前检测到的汽车的第二电池信息、所述车速、电机系统允许的最大扭矩、以及预设修正系数，对所述扭矩的粗略值进行修正，获得汽车当前总体所需的扭矩修正值；
根据当前检测到的汽车的车轮转速，计算获得汽车电机系统当前能够提供给前轴的最大第一扭矩及当前能够提供给后轴的最大第二扭矩；
根据所述扭矩修正值、所述最大第一扭矩、所述最大第二扭矩，计算获得扭矩分配系数的范围；
根据所述扭矩分配系数的范围和所述扭矩修正值，对汽车的前轴和后轴进行扭矩分配；
所述根据所述扭矩修正值、所述最大第一扭矩、所述最大第二扭矩，计算获得扭矩分配系数的范围，包括：
根据所述扭矩修正值T1与所述最大第一扭矩T2、所述最大第二扭矩T3之间的大小关系，确定所述扭矩分配系数的范围[a1，a2]；
其中，在T2≤T3的情况下：
当T1＜T2时，a1＝0，a2＝1；
当T3＞T1≥T2时，a1＝0，a2＝T2/T1；
当T1≥T3，且，T1≤T2+T3时，a1＝(T1-T3)/T1，a2＝T2/T1。
2.如权利要求1所述的方法，其特征在于，所述根据所述扭矩分配系数的范围和所述扭矩修正值，对汽车的前轴和后轴进行扭矩分配，包括：
根据所述扭矩分配系数的范围随机选取M个扭矩分配系数，计算获得每个扭矩分配系数对应的电机系统能耗总值，M≥2；
采用遗传算法迭代所述M个扭矩分配系数，获得最小能耗总值对应的目标扭矩分配系数；
根据所述目标扭矩分配系数和所述扭矩修正值，对汽车的前轴和后轴进行扭矩分配。
3.如权利要求1所述的方法，其特征在于，所述根据当前检测到的汽车的第二电池信息、所述车速、电机系统允许的最大扭矩、以及预设修正系数，对所述扭矩的粗略值进行修正，获得汽车当前总体所需的扭矩修正值，包括：
将电机系统允许的最大扭矩、所述扭矩的粗略值、档位修正系数、故障修正系数以及高压附件修正系数相乘获得第一参考扭矩值；
根据当前检测到的汽车的所述车速和第二电池信息，查表获得第二参考扭矩值；
比较所述第一参考扭矩值和第二参考扭矩值，获取绝对值较小的参考扭矩值作为所述扭矩修正值。
4.如权利要求3所述的方法，其特征在于，所述第二电池信息包括：
汽车的电池电压、电池最大输入功率、电池最大输出功率、电池最大输入电流以及电池最大输出电流。
5.如权利要求1所述的方法，其特征在于，所述第一电池信息为电池电量或电池电压。
6.一种能耗优化控制装置，应用于电动四驱车，其特征在于，包括：
模糊控制单元，用于根据当前检测到的汽车的车速和第一电池信息，以及油门踏板开度或制动踏板开度，采用模糊控制方法计算汽车当前总体所需的扭矩粗略值；
扭矩修正单元，用于根据当前检测到的汽车的第二电池信息、所述车速、电机系统允许的最大扭矩、以及预设修正系数，对所述扭矩的粗略值进行修正，获得汽车当前总体所需的扭矩修正值；
扭矩计算单元，用于根据当前检测到的汽车的车轮转速，计算获得汽车电机系统当前能够提供给前轴的最大第一扭矩及当前能够提供给后轴的最大第二扭矩；
范围计算单元，用于根据所述扭矩修正值、所述最大第一扭矩、所述最大第二扭矩，计算获得扭矩分配系数的范围；
所述根据所述扭矩修正值、所述最大第一扭矩、所述最大第二扭矩，计算获得扭矩分配系数的范围，包括：
根据所述扭矩修正值T1与所述最大第一扭矩T2、所述最大第二扭矩T3之间的大小关系，确定所述扭矩分配系数的范围[a1，a2]；
其中，在T2≤T3的情况下：
当T1＜T2时，a1＝0，a2＝1；
当T3＞T1≥T2时，a1＝0，a2＝T2/T1；
当T1≥T3，且，T1≤T2+T3时，a1＝(T1-T3)/T1，a2＝T2/T1；
扭矩分配单元，用于根据所述扭矩分配系数的范围和所述扭矩修正值，对汽车的前轴和后轴进行扭矩分配。
7.如权利要求6所述的装置，其特征在于，所述扭矩分配单元包括：
迭代单元，用于根据所述扭矩分配系数的范围随机选取M个扭矩分配系数，计算获得每个扭矩分配系数对应的电机系统能耗总值，M≥2；采用遗传算法迭代所述M个扭矩分配系数，获得最小能耗总值对应的目标扭矩分配系数；
优化单元，用于根据所述目标扭矩分配系数和所述扭矩修正值，对汽车的前轴和后轴进行扭矩分配。
8.一种电动四驱车，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上的程序存储于存储器中，且经配置以由一个或者一个以上的处理器执行所述一个或者一个以上的程序所包含的用于进行如权利要求1～5任一所述方法对应的操作的指令。
9.一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，该程序被处理器执行时实现如权利要求1～5任一所述方法对应的步骤。
CN202010869583.7A 2020-08-26 2020-08-26 一种能耗优化控制方法、装置及电动四驱车 Active CN112163269B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010869583.7A CN112163269B (zh) 2020-08-26 2020-08-26 一种能耗优化控制方法、装置及电动四驱车

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010869583.7A CN112163269B (zh) 2020-08-26 2020-08-26 一种能耗优化控制方法、装置及电动四驱车

Publications (2)

Publication Number Publication Date
CN112163269A CN112163269A (zh) 2021-01-01
CN112163269B true CN112163269B (zh) 2022-11-01

Family

ID=73860371

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010869583.7A Active CN112163269B (zh) 2020-08-26 2020-08-26 一种能耗优化控制方法、装置及电动四驱车

Country Status (1)

Country Link
CN (1) CN112163269B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113183946B (zh) * 2021-05-19 2023-07-11 北汽福田汽车股份有限公司 混合动力汽车及其控制方法、控制装置
CN113378299A (zh) * 2021-06-18 2021-09-10 重庆长安汽车股份有限公司 一种智能化配置车辆虚拟踏板计算方法、系统和车辆
CN114110157B (zh) * 2021-11-29 2023-03-14 东风汽车集团股份有限公司 一种双档电四驱换档控制方法
CN114584008B (zh) * 2022-01-12 2023-04-07 深圳库马克科技有限公司 一种多变频器系统的平衡控制方法及平衡控制装置
CN115503501B (zh) * 2022-09-28 2023-08-29 同济大学 基于人工智能的轮毂电机扭矩分配方法和装置
CN115723587B (zh) * 2022-10-31 2024-02-27 东风汽车股份有限公司 一种扭矩分配方法、装置、设备及可读存储介质
CN115503507A (zh) * 2022-11-04 2022-12-23 奇瑞汽车股份有限公司 一种纯电动四驱扭矩分配方法、系统及车辆

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2905496A1 (fr) * 2006-09-01 2008-03-07 Michelin Soc Tech Procede de simulation en temps reel du comportement physique d'un pneu, et application
CN108237949A (zh) * 2017-12-29 2018-07-03 江苏车和家汽车有限公司 车辆的扭矩控制方法、装置及车辆
CN108790939A (zh) * 2018-04-28 2018-11-13 江西博能上饶客车有限公司 电动客车扭矩调节控制方法、系统、移动终端及存储介质
CN110843551A (zh) * 2019-11-26 2020-02-28 奇瑞汽车股份有限公司 一种四驱扭矩分配方法
CN110949144A (zh) * 2019-11-29 2020-04-03 北京理工大学 一种电动汽车输出扭矩的控制方法和系统
CN111553024A (zh) * 2020-05-07 2020-08-18 北京理工大学 一种分布式驱动电动汽车驱动系统多目标优化方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102756667B (zh) * 2011-04-26 2014-10-08 长春易控汽车电子有限公司 电动汽车的扭矩控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2905496A1 (fr) * 2006-09-01 2008-03-07 Michelin Soc Tech Procede de simulation en temps reel du comportement physique d'un pneu, et application
CN108237949A (zh) * 2017-12-29 2018-07-03 江苏车和家汽车有限公司 车辆的扭矩控制方法、装置及车辆
CN108790939A (zh) * 2018-04-28 2018-11-13 江西博能上饶客车有限公司 电动客车扭矩调节控制方法、系统、移动终端及存储介质
CN110843551A (zh) * 2019-11-26 2020-02-28 奇瑞汽车股份有限公司 一种四驱扭矩分配方法
CN110949144A (zh) * 2019-11-29 2020-04-03 北京理工大学 一种电动汽车输出扭矩的控制方法和系统
CN111553024A (zh) * 2020-05-07 2020-08-18 北京理工大学 一种分布式驱动电动汽车驱动系统多目标优化方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
纯电动汽车转矩控制安全概念与转矩监控模型;赵征澜;《汽车工程学报》;20150531;全文 *

Also Published As

Publication number Publication date
CN112163269A (zh) 2021-01-01

Similar Documents

Publication Publication Date Title
CN112163269B (zh) 一种能耗优化控制方法、装置及电动四驱车
EP3369604B1 (en) Method and system for estimating remaining range of electric car, and electric car
CN113511082B (zh) 基于规则和双深度q网络的混合动力汽车能量管理方法
CN112668799A (zh) 基于行驶大数据的phev的智能能量管理方法和存储介质
CN110435439B (zh) 一种汽车电机扭矩分配方法及装置
US11614490B2 (en) Method of estimating a charge state for a battery cell
CN112977402A (zh) 混合动力车辆及其控制方法
WO2023020083A1 (en) A method for adaptative real-time optimization of a power or torque split in a vehicle
CN114673745B (zh) 基于数字孪生的摩擦片管理方法、系统、车辆及介质
CN113459896B (zh) 一种电动汽车续航里程确定方法及装置
CN114572057A (zh) 燃料电池能量控制方法、装置、设备及车辆
CN111383157B (zh) 图像处理方法、装置、车载运算平台、电子设备及系统
WO2023216536A1 (zh) 电动汽车续航里程估算方法、装置、系统和存储介质
CN117250398A (zh) 目标电流值的预测方法、装置、设备及计算机可读介质
CN116001654A (zh) 电池能量控制方法、装置、系统和电子设备
CN113954849B (zh) 一种电动汽车控制方法、装置、存储介质以及车辆
CN113740082B (zh) 车辆公共道路载荷与耐久试验载荷的转换方法和装置
CN113752919B (zh) 一种燃料电池汽车能量分配方法及系统
CN112249001A (zh) 混合动力车辆能量管理方法及装置
CN115071670A (zh) 混合动力系统控制方法、装置及车辆
JP2015021472A (ja) 車両の駆動力制御装置及び駆動力制御方法
CN114110157B (zh) 一种双档电四驱换档控制方法
CN115236978B (zh) 基于预测车速的等效因子调整系统及方法
Lian et al. Real‐time energy management strategy for fuel cell plug‐in hybrid electric bus using short‐term power smoothing prediction and distance adaptive state‐of‐charge consumption
CN116985644A (zh) 回收扭矩介入控制方法、系统及车辆

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