CN112660130A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112660130A CN112660130A CN202011633502.XA CN202011633502A CN112660130A CN 112660130 A CN112660130 A CN 112660130A CN 202011633502 A CN202011633502 A CN 202011633502A CN 112660130 A CN112660130 A CN 112660130A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- sliding
- vehicle speed
- new energy
- intelligent networking
- 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
- 230000006855 networking Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005265 energy consumption Methods 0.000 claims abstract description 12
- 238000011084 recovery Methods 0.000 claims description 83
- 230000004913 activation Effects 0.000 claims description 30
- 230000001133 acceleration Effects 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 27
- 238000005096 rolling process Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000002485 combustion reaction Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 230000008447 perception Effects 0.000 claims 4
- 238000006243 chemical reaction Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 5
- 239000000446 fuel Substances 0.000 description 7
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 230000000007 visual 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/18—Propelling the vehicle
- B60W30/18009—Propelling the vehicle related to particular drive situations
- B60W30/18072—Coasting
-
- 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
Abstract
本发明公开了一种基于智能网联信息的新能源汽车滑行控制系统，通过智能化网联功能的辅助，根据前方减速场景信息自动输出驾驶员松开踏板提示信息，提早通知驾驶员可适时松开踏板进行滑行，并在松开踏板进入滑行后，自动规划跟随滑行工况下的最佳经济性车速曲线，使车辆以最节能的滑行方式行进至减速区域，避免驾驶员前段踩油门驱动后段踩刹车制动造成能耗转换损失，实现满足滑行距离和保证驾驶性的同时尽可能回收动能，提升整车续航里程，在保证驾驶性和安全性的前提下，最大体现滑行减速场景的节能潜力，有效提高车辆节能减排效果，解放驾驶员减速关注焦虑。本发明还公开了一种基于智能网联信息的新能源汽车滑行控制方法及一种新能源汽车。
Description
技术领域
本发明涉及新能源汽车技术，特别涉及一种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。
背景技术
近几年，新能源汽车由于其良好的节能减排性能和国家政策的积极引导，逐渐成为汽车市场主流。其之所以可有效降低能耗，一方面是通过合理的能量分配策略提高能量转换效率，另一个很重要的方面是在减速运动中尽量停机滑行，并在必要的时候通过电机回收制动能量的方式给电池充电，减少能量耗损。前者已经有很多文献从各方面多角度分析，在此不再赘述，而把主要关注点放在后者。
车辆减速运动包含制动和滑行过程。制动过程中电机可通过回收制动能量提高整车经济性，但回收的同时常常伴随着机械摩擦损失，而滑行过程则可通过合理安排电机回收扭矩有效避免这部分能量流失。事实上，滑行过程中节油可发掘潜力巨大。由图1所示，三种行驶工况(全匀速、前段匀速、全滑行)在相同行驶距离内全滑行工况的燃油消耗最低。另外，相比其他节能措施，最大化滑行来避免发动机倒拖损失占据所有节能措施比例最大。据文献统计，不同工况下滑行时间最多可达35％～50％驾驶时间，滑行回收功能最大可提升12％的燃油经济性。可见滑行回收功能是新能源汽车提升经济性的重要措施之一。
然而，滑行回收功能的优势在当前策略中难以得到体现。一方面，在实际行车过程中，驾驶员常常无法决策该何时松开油门踏板以顺利滑行至前方减速区域，导致存在不必要的驱动和制动能量转换损失；另一方面，策略中并未考虑实现最大化滑行能量回收的方法，造成了部分可回收能量的流失；改善以上两方面的问题都需要车辆控制具有前瞻预测性，也就是必须得知前方的减速需求而提前做出决策，而这就离不开智能网联信息的输入。
随着智能网联技术的日益广泛应用，目前已经可通过雷达、摄像头或高精度地图等手段获取前方道路基本信息，若由这些信息判断得到前方有即将到来的减速需求，例如检测到前方有交通拥堵、障碍物、限速区域等，此时可基于已有信息及时提醒驾驶员松开油门和制动踏板，提前于驾驶员视距范围外进入滑行工况，并提前规划好优化滑行车速轨迹，在限制条件内回收滑行能量，可达到提升整车经济性的目的。
智能网联汽车，即ICV(全称Intelligent Connected Vehicle)，是指车联网与智能车的有机联合，是搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现车与人、车、路、后台等智能信息交换共享，实现安全、舒适、节能、高效行驶，并最终可替代人来操作的新一代汽车。中国智能网联汽车产业技术创新战略联盟，通过协同创新和技术共享，在智能网联汽车领域完善相关的标准法规体系，搭建共性技术平台，促进形成示范试点工程，推动建设可持续发展的智能网联汽车产业发展环境。
发明内容
本发明要解决的技术问题是使车辆以最节能的滑行方式行进至减速区域，避免驾驶员前段踩油门驱动后段踩刹车制动造成能耗转换损失，实现满足滑行距离和保证驾驶性的同时尽可能回收动能，提升整车续航里程，在保证驾驶性和安全性的前提下，最大体现滑行减速场景的节能潜力，有效提高车辆节能减排效果，解放驾驶员减速关注焦虑。
为解决上述技术问题，本发明提供的基于智能网联信息的新能源汽车滑行控制系统，其包括智能网联系统、驾驶员滑行提醒模块及车速轨迹规划与跟随模块；
智能网联系统，用于解析环境感知系统采集的智能网联信息得到滑行控制参数；滑行控制参数包括车辆到前方减速区域距离sf、前方目标车速Vf；
驾驶员滑行模块，当车辆到前方减速区域距离sf小于车辆以当前车速V0纯滑行到前方目标车速Vf的滑行距离s0，则输出滑行激活信号到所述车速轨迹规划与跟随模块，并输出驾驶员松开踏板提示信息；
所述车速轨迹规划与跟随模块，在接收到所述滑行激活信号，并且在踏板松开后，根据优化算法规划最佳经济性车速曲线，根据所述最佳经济性车速曲线，控制车辆滑行及动能回收。
较佳的，当车辆到达前方减速区域，驾驶员滑行模块输出滑行退出信号到所述车速轨迹规划与跟随模块；
所述车速轨迹规划与跟随模块收到滑行退出信号后，退出车速轨迹规划与跟随功能。
较佳的，滑行控制参数还包括坡度角β；
式中，V0为当前车速，CD为风阻系数，ρ为空气密度，A为迎风面积，m为车辆质量，μ为滚阻系数，g为重力加速度，α为车辆加速度，v表示预测的滑行过程车速，是由纵向动力学公式算出的车辆加速度a和当前车速V0迭代计算得到，T表示离散时间间隔。
较佳的，驾驶员滑行模块，当车辆到前方减速区域距离sf小于车辆以当前车速V0纯滑行到前方目标车速Vf的滑行距离s0，并且大于减速最小距离s1，0＜s1＜s0，则输出滑行激活信号到所述车速轨迹规划与跟随模块，并输出驾驶员松开踏板提示信息。
较佳的，驾驶员滑行模块根据电机最大回收扭矩Tmin和驾驶感受可接受的最大减速度αmax计算得到减速最小距离s1。
较佳的，所述驾驶员滑行模块，标定有风阻系数CD、空气密度ρ、迎风面积A、滚阻系数μ、电机最大回收扭矩Tmin及驾驶感受可接受的最大减速度αmax。
较佳的，所述驾驶员滑行模块，采用递推最小二乘法迭代计算得到车辆质量m，或者标定有车辆质量m。
较佳的，所述滚阻系数μ，先采用滑行法得到车速曲线，然后拟合成车速的二次多项式后得到。
较佳的，所述环境感知系统采集的智能网联信息包括前方交通信息、前方交通信号灯信息及导航信息。
较佳的，所述环境感知系统包含高精度雷达、高解析度摄像头、高精度地图中的至少一种。
较佳的，所述新能源汽车为混合动力汽车，并且车辆动力链结构中电机和内燃机能解耦，车辆能通过电机单独驱动；或者所述新能源汽车为纯电动汽车；
所述车速轨迹规划与跟随模块，在接收到所述滑行激活信号并且在踏板松开后，根据踏板松开时刻的当前车速V0、前方目标车速Vf和自车到前方减速区域距离sf规划出匀减速车速曲线作为最佳经济性车速曲线，控制车速跟随所述最佳经济性车速曲线倒拖发动机并进行动能回收。
较佳的，所述新能源汽车为混合动力汽车，并且动力链结构中电机和发动机无法脱离，所述车速轨迹规划与跟随模块，在接收到所述滑行激活信号并且在踏板松开后，规划出的最佳经济性车速曲线，以起始回收时刻为界，分为在先的纯滑行不回收阶段和在后的匀减速滑行回收阶段两个阶段；
所述车速轨迹规划与跟随模块，在纯滑行不回收阶段，控制对车辆不施加驱动力纯滑行；在匀减速滑行回收阶段，根据起始回收时刻的车速、起始回收时刻自车到前方减速区域距离、前方目标车速Vf规划出匀减速车速曲线作为匀减速滑行回收阶段最佳经济性车速曲线，控制车速跟随所述匀减速滑行回收阶段最佳经济性车速曲线倒拖发动机并进行动能回收。
较佳的，所述车速轨迹规划与跟随模块，计算松踏板时刻车速减速到前方目标车速的时间，将该段时间按离散时间间隔T离散成多个离散时刻，再迭代计算把每个离散时刻当作起始回收时刻开始匀减速至前方目标车速的累计回收电能，将所有离散时刻中对应累计回收电能最多的离散时刻取出，作为起始回收时刻tstrt，即发动机起始被倒拖时刻；
第k个离散时刻对应累计回收电能Jk，由车辆动能减去滚阻功、风阻功、发动机起动能耗和发动机倒拖功后得到。
较佳的，确定起始回收时刻tstrt时，将使匀减速滑行回收阶段减速度绝对值大于设定加速度的离散时刻点，以及使自车从当前车速V0为减速到前方目标车速Vf时间超过设定时长的离散时刻点予以舍弃。
较佳的，所述设定加速度在2米/平方秒～3米/平方秒之间。
较佳的，所述环境感知系统采集的智能网联信息包括前车信息、自车信息、前方交通信息、前方交通信号灯信息及导航信息；
所述车速轨迹规划与跟随模块，在接收到所述滑行激活信号并且在踏板松开后，根据踏板松开时刻的当前车速V0、前方目标车速Vf、自车到前方减速区域距离sf、前车车速、前车与自车距离规划出最佳经济性车速曲线，控制车速跟随所述最佳经济性车速曲线倒拖发动机并进行动能回收。
较佳的，所述前车信息、自车信息均包含位置、矢量速度。
较佳的，所述车速轨迹规划与跟随模块包括MPC控制器；
所述MPC控制器选择MPC算法进行跟随控制，控制车速跟随所述最佳经济性车速曲线倒拖发动机并进行动能回收。
较佳的，所述MPC控制器包括AMPC算法模块、状态观测器、模型线性化模块；
所述状态观测器，基于卡尔曼滤波，根据电机回收扭矩实际测量输出y(k)，得到一组状态变量的最优估计值
所述模型线性化模块，用于对车辆纵向动力学模型进行线性化；
所述AMPC算法模块，用于根据线性化的车辆纵向动力学模型、最佳经济性车速曲线r(i)、状态变量的最优估计值
计算得到扭矩控制量w并控制电机回收扭矩。
较佳的，所述状态观测器，每个时间节点都需要利用模型预测值
和实际测量输出y(k)的协方差矩阵对观测增益矩阵K进行迭代计算，进而通过为模型预测值
计算公式得到一组状态变量的最优估计值
式中，K为观测增益矩阵。
21.根据权利要求19所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
wmin≤w≤wmax；
Δwmin≤Δw≤Δwmax；
其中，Q为目标函数，目标轨迹r(i)为最佳经济性车速曲线，yp(i|k)由线性化车辆纵向动力学模型实时迭代得到，p为正整数，w为扭矩控制量,wmax，wmin表示由电机和电池充电性能限制得到的电机需求扭矩上下限，Δwmax，Δwmin为考虑到驾驶性感受的电机需求扭矩变化率上下限；
所述AMPC算法模块，目标函数Q选择离散模型在预测时域窗口(Tp＝[k+1：k+p])内的输出量yp(i|k)与目标轨迹r(i)的差异值累加，基于目标函数Q、态变量的最优估计值
限制条件wmax，wmin，Δwmax，Δwmin，，采用基于拉格朗日算子的线性二次规划实现在每个预测时域内的寻优，得到对应预测时域内目标函数最小的控制变量序列，并把第一个值作为当前的扭矩控制量w发送给电机，到下一时刻再重复进行此过程。
较佳的，所述模型线性化模块，在预测时域中的每个时间点处，利用泰勒展开将车辆纵向动力学模型进行线性化。
为解决上述技术问题，本发明还提供了一种基于智能网联信息的新能源汽车滑行控制方法，其通过解析智能网联系统的环境感知系统采集的智能网联信息得到滑行控制参数；滑行控制参数包括车辆到前方减速区域距离sf、前方目标车速Vf；
当车辆到前方减速区域距离sf小于车辆以当前车速V0纯滑行到前方目标车速Vf的滑行距离s0，则通过驾驶员滑行模块输出滑行激活信号到所述车速轨迹规划与跟随模块，并输出驾驶员松开踏板提示信息；
车速轨迹规划与跟随模块在接收到所述滑行激活信号，并且在踏板松开后，根据优化算法规划最佳经济性车速曲线，根据所述最佳经济性车速曲线，控制车辆滑行及动能回收。
本发明还提供了一种配置有所述的基于智能网联信息的新能源汽车滑行控制系统的新能源汽车。
本发明，通过智能化网联功能的辅助，在驾驶员视距之外，根据前方减速场景信息自动输出驾驶员松开踏板提示信息，提早通知驾驶员可适时松开踏板进行滑行，并在松开踏板进入滑行后，自动规划跟随滑行工况下的最佳经济性车速曲线，使车辆以最节能的滑行方式行进至减速区域，避免驾驶员前段踩油门驱动后段踩刹车制动造成能耗转换损失，实现满足滑行距离和保证驾驶性的同时尽可能回收动能，提升整车续航里程，在保证驾驶性和安全性的前提下，最大体现滑行减速场景的节能潜力，有效提高车辆节能减排效果，解放驾驶员减速关注焦虑。
附图说明
为了更清楚地说明本发明的技术方案，下面对本发明所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为相同路程三种行驶工况下的油耗曲线；
图2为本发明的基于智能网联信息的新能源汽车滑行控制系统一实施例示意图；
图3为确定车速轨迹规划与跟随激活区间示意图。
具体实施方式
下面将结合附图，对本发明中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例一
如图2所示，基于智能网联信息的新能源汽车滑行控制系统包括智能网联系统、驾驶员滑行提醒模块及车速轨迹规划与跟随模块；
智能网联系统，用于解析环境感知系统采集的智能网联信息得到滑行控制参数；滑行控制参数包括车辆到前方减速区域距离sf、前方目标车速(减速区域最高限速)Vf；
驾驶员滑行模块，当车辆到前方减速区域距离sf小于车辆以当前车速V0纯滑行到前方目标车速Vf的滑行距离s0，则输出滑行激活信号到所述车速轨迹规划与跟随模块，并输出驾驶员松开踏板提示信息；
所述车速轨迹规划与跟随模块，在接收到所述滑行激活信号，并且在踏板松开后，根据优化算法规划最佳经济性车速曲线，根据所述最佳经济性车速曲线，控制车辆滑行及动能回收。
较佳的，当车辆到达前方减速区域，驾驶员滑行模块输出滑行退出信号到所述车速轨迹规划与跟随模块；
所述车速轨迹规划与跟随模块收到滑行退出信号后，退出车速轨迹规划与跟随功能。
实施例一的新能源汽车滑行控制系统，通过智能化网联功能的辅助，在驾驶员视距之外，根据前方减速场景信息自动输出驾驶员松开踏板提示信息，提早通知驾驶员可适时松开踏板进行滑行，并在松开踏板进入滑行后，自动规划跟随滑行工况下的最佳经济性车速曲线，使车辆以最节能的滑行方式行进至减速区域，避免驾驶员前段踩油门驱动后段踩刹车制动造成能耗转换损失，实现满足滑行距离和保证驾驶性的同时尽可能回收动能，提升整车续航里程，在保证驾驶性和安全性的前提下，最大体现滑行减速场景的节能潜力，有效提高车辆节能减排效果，解放驾驶员减速关注焦虑。
实施例二
基于实施例一的新能源汽车滑行控制系统，滑行控制参数还包括坡度角β；
式中，V0为当前车速，CD为风阻系数，ρ为空气密度，A为迎风面积，m为车辆质量，μ为滚阻系数，g为重力加速度，α为车辆加速度，v表示预测的滑行过程车速，是由纵向动力学公式算出的车辆加速度a和当前车速V0迭代计算得到，T表示离散时间间隔。
新能源汽车滑行控制系统，其车辆模型参数估计如下：
车辆在行驶过程中的受力分为三个方向——纵向、垂向和横向，与此相对应，车辆动力学的内容主要包括驱动和制动、车辆振动和行驶的操纵稳定性。在纵向动力学当中，车辆行驶过程中的加速度由车辆驱动力与行驶阻力之差决定，车辆纵向动力学模型即：
mα＝Ft-FR-Fw-Fi；
其中Ft为车辆驱动力，FR为滚动阻力，Fw为空气阻力，Fi为坡道阻力。若需要知悉前方车辆行驶速度轨迹，就必须要确定车辆的加速度，即需要确定式中驱动力和各行驶阻力的值。
车辆驱动力Ft可直接由动力输出装置(发动机或电机)经由传动链传递到轮端的扭矩得到。
坡道阻力Fi＝mgsinβ，主要由坡度角β决定，为主要行驶阻力项。
滚动阻力FR＝μmgcosβ，主要由坡度角β和滚阻系数μ决定，影响因素较多。
空气阻力
主要由风阻系数CD决定，其中空气密度ρ、迎风面积A均为定值。
影响以上阻力的几个重要参数包含车辆质量m、坡度角β、风阻系数CD和滚阻系数μ。
若由当前车速V0纯滑行到前方目标车速(减速区域最高限速)Vf的滑行距离s0与自车到前方减速区域距离sf相等，这种情况下能耗最低，因为根据能量守恒定律，车辆动能完全由道路阻力功消耗，无任何能量转换损失，即：
当识别到的滑行距离sf比s0小，说明车辆无法完全依靠行驶阻力在滑行距离sf的范围内当前车速V0下降到减速区域最高限速Vf，这时候就必须借助电机回收的减速作用增加减速度。考虑到驾驶员反应时间，一般建议在sf≤s0+δ的时刻提醒驾驶员松开油门踏板，δ为距离调整系数。
实施例三
基于实施例二的新能源汽车滑行控制系统，驾驶员滑行模块，当车辆到前方减速区域距离sf小于车辆以当前车速V0纯滑行到前方目标车速Vf的滑行距离s0，并且大于减速最小距离s1，0＜s1＜s0，则输出滑行激活信号到所述车速轨迹规划与跟随模块，并输出驾驶员松开踏板提示信息。
较佳的，驾驶员滑行模块根据电机最大回收扭矩Tmin和驾驶感受可接受的最大减速度αmax计算得到减速最小距离s1。
实施例三的新能源汽车滑行控制系统，考虑到电机回收扭矩限制以及驾驶感受差异，当自车与目标减速点距离太短时，车辆无法单纯依靠电机制动能力将车速降至目标车速以下，同时过大的减速度会引起驾驶员强烈的不适感，因此，如图3所示，只有当车辆在车速轨迹规划与跟随激活区间(车辆到前方减速区域距离sf小于车辆以当前车速V0纯滑行到前方目标车速Vf的滑行距离s0，并且大于减速最小距离s1)时，驾驶员滑行模块才输出驾驶员松开踏板提示信息，以实现满足滑行距离和保证驾驶性的同时尽可能回收动能。
实施例四
基于实施例三的新能源汽车滑行控制系统，所述驾驶员滑行模块，标定有风阻系数CD、空气密度ρ、迎风面积A、滚阻系数μ、电机最大回收扭矩Tmin及驾驶感受可接受的最大减速度αmax。
较佳的，所述驾驶员滑行模块，采用递推最小二乘法迭代计算得到车辆质量m，或者标定有车辆质量m。车辆质量m在行驶过程中变化不大(燃油车会随着燃油消耗降低)，因此计算频率不需要太高，所以一般可以采用递推最小二乘法迭代计算得到。
较佳的，所述滚阻系数μ，先采用滑行法得到车速曲线，然后拟合成车速的二次多项式后得到。滚阻系数μ在一般城市道路或高架道路上基本不变，可先采用滑行法得到车速曲线然后拟合成车速的二次多项式后得到。
实施例四的新能源汽车滑行控制系统，风阻系数CD受到天气环境影响，但变化幅度较小，且对加速度影响不大，可采用标定获取。
实施例五
基于实施例一的新能源汽车滑行控制系统，所述环境感知系统采集的智能网联信息包括前方交通信息、前方交通信号灯信息、导航信息等。
较佳的，所述环境感知系统包含高精度雷达、高解析度摄像头、高精度地图中的至少一种。
实施例五的新能源汽车滑行控制系统，智能网联系统通过解析环境感知系统采集的智能网联信息得到滑行控制参数，并将这些滑行控制参数作为功能算法所需的起始条件、应用场景以及完成条件。
实施例六
基于实施例一的新能源汽车滑行控制系统，所述新能源汽车为混合动力汽车，并且车辆动力链结构中电机和内燃机能解耦，车辆能通过电机单独驱动；或者所述新能源汽车为纯电动汽车；
所述车速轨迹规划与跟随模块，在接收到所述滑行激活信号并且在踏板松开后，根据踏板松开时刻的当前车速V0、前方目标车速Vf和自车到前方减速区域距离sf规划出匀减速车速曲线作为最佳经济性车速曲线，控制车速跟随所述最佳经济性车速曲线倒拖发动机并进行动能回收。
通常所说的混合动力汽车，一般是指油电混合动力汽车(Hybrid ElectricVehicle,HEV)，即采用传统的内燃机(柴油机或汽油机)和电动机作为动力源，也有的发动机经过改造使用其他替代燃料，例如压缩天然气、丙烷和乙醇燃料等。
实施例六的新能源汽车滑行控制系统，针对能由电动机单独驱动的新能源汽车，考虑到减速过程中驾驶感受的一致性，其车速轨迹规划与跟随模块，根据踏板松开时刻的当前车速V0、前方目标车速Vf和自车到前方减速区域距离sf规划出匀减速车速曲线作为对应最佳经济性车速曲线。
实施例七
基于实施例一的新能源汽车滑行控制系统，所述新能源汽车为混合动力汽车，并且动力链结构中电机和发动机无法脱离，所述车速轨迹规划与跟随模块，在接收到所述滑行激活信号并且在踏板松开后，规划出的最佳经济性车速曲线，以起始回收时刻为界，分为在先的纯滑行不回收阶段和在后的匀减速滑行回收阶段两个阶段；
所述车速轨迹规划与跟随模块，在纯滑行不回收阶段，控制对车辆不施加驱动力纯滑行；在匀减速滑行回收阶段，根据起始回收时刻的车速、起始回收时刻自车到前方减速区域距离、前方目标车速Vf规划出匀减速车速曲线作为匀减速滑行回收阶段最佳经济性车速曲线，控制车速跟随所述匀减速滑行回收阶段最佳经济性车速曲线倒拖发动机并进行动能回收。
实施例八
基于实施例六的新能源汽车滑行控制系统，所述车速轨迹规划与跟随模块，计算松踏板时刻车速减速到前方目标车速的时间，将该段时间按离散时间间隔T离散成多个离散时刻，再迭代计算把每个离散时刻当作起始回收时刻开始匀减速至前方目标车速的累计回收电能，将所有离散时刻中对应累计回收电能最多的离散时刻取出，作为起始回收时刻tstrt，即发动机起始被倒拖时刻；
第k个离散时刻对应累计回收电能Jk，由车辆动能减去滚阻功、风阻功、发动机起动能耗和发动机倒拖功后得到。
较佳的，确定起始回收时刻tstrt时，将使匀减速滑行回收阶段减速度绝对值大于设定加速度的离散时刻点，以及使自车从当前车速V0为减速到前方目标车速Vf时间超过设定时长的离散时刻点予以舍弃。考虑到减速时的驾驶感受，将减速度过大和滑行时间过长对应的离散时刻点予以舍弃。
较佳的，所述设定加速度在2米/平方秒～3米/平方秒之间。
在接收到所述滑行激活信号后，若动力链结构中电机和发动机无法脱离，以P0结构48V混合动力汽车为例，其在电机扭矩回收的过程中发动机也将被拖起并保持倒拖状态，因此必须考虑发动机被电机拖起能耗和倒拖功的损失。
为了减少发动机倒拖功的能量损失，应该尽可能晚得开始滑行回收；然而回收越晚，会造成车速下降得越慢，从而使得风阻功的累计损失变得很大，尤其是在起始车速较高的时候。因此，选择起始回收时刻需综合考虑这两方面因素来得到最大化累计回收电能；
实施例八的新能源汽车滑行控制系统，其车速轨迹规划与跟随模块，采用迭代计算的方式，计算并离散化松踏板时刻车速减速到目标车速的时间，再迭代计算在每个离散时刻开始匀减速至目标车速的累计回收电能，将所有离散时刻中对应累计回收电能最多的离散时刻取出，作为起始回收时刻tstrt，即发动机起始被倒拖时刻。
实施例九
基于实施例一的新能源汽车滑行控制系统，所述环境感知系统采集的智能网联信息包括前车信息、自车信息、前方交通信息、前方交通信号灯信息及导航信息；
所述车速轨迹规划与跟随模块，在接收到所述滑行激活信号并且在踏板松开后，根据踏板松开时刻的当前车速V0、前方目标车速Vf、自车到前方减速区域距离sf、前车车速、前车与自车距离规划出最佳经济性车速曲线，控制车速跟随所述最佳经济性车速曲线倒拖发动机并进行动能回收。
较佳的，所述前车信息、自车信息均包含位置、矢量速度。
实施例九的新能源汽车滑行控制系统，在规划最佳经济性车速曲线时，还考虑如果进入滑行后，前方忽然有前车插入或者前车突然减速的情况，为了保证与前车保持安全距离，采集前车的车速和前车与自车距离，根据与前车距离和前车车速动态的规划最佳经济性车速曲线，并注意前车场景和常规前方限速场景之间的切换逻辑设计。
实施例十
基于实施例一的新能源汽车滑行控制系统，所述车速轨迹规划与跟随模块包括MPC控制器；
所述MPC控制器选择MPC(模型预测控制)算法进行跟随控制，控制车速跟随所述最佳经济性车速曲线倒拖发动机并进行动能回收。
实施例十的新能源汽车滑行控制系统，当车速轨迹规划完成后，控制目标变更为使整车车速轨迹良好跟随规划车速轨迹，通过选择模型预测控制(Model PredictiveControl，以下简称MPC)算法进行跟随控制，将全局优化问题转换为预测视距内的局部优化问题，降低计算负荷，以便于满足在线实时控制，而且MPC算法鲁棒性强，可在线校正由于模型失配和环境干扰导致对理想状态的偏离，轨迹跟随控制效果较好。
实施例十一
基于实施例十的新能源汽车滑行控制系统，所述MPC控制器包括自适应模型预测控制(Adaptive MPC,AMPC)算法模块、状态观测器、模型线性化模块；
所述状态观测器，基于卡尔曼滤波，根据电机回收扭矩实际测量输出y(k)，得到一组状态变量的最优估计值
所述模型线性化模块，用于对车辆纵向动力学模型进行线性化；
所述AMPC算法模块，用于根据线性化的车辆纵向动力学模型、最佳经济性车速曲线r(i)、状态变量的最优估计值
计算得到扭矩控制量w并控制电机回收扭矩。
实施例十一的新能源汽车滑行控制系统，车辆纵向动力学模型中的状态量同时也是可观测的电机回收扭矩实际测量输出量，为了避免测量误差和模型误差带来的影响，需要将电机回收扭矩实际测量输出y(k)测量结果进行修正及滤波。
实施例十二
基于实施例十一的新能源汽车滑行控制系统，所述状态观测器，每个时间节点都需要利用模型预测值
和实际测量输出y(k)的协方差矩阵对观测增益矩阵K进行迭代计算，进而通过式(5)得到一组状态变量的最优估计值
式中，
为模型预测值，K为观测增益矩阵。
实施例十三
基于实施例十一的新能源汽车滑行控制系统，
wmin≤w≤wmax；
Δwmin≤Δw≤Δwmax；
其中，Q为目标函数，目标轨迹r(i)为最佳经济性车速曲线，yp(i|k)由线性化车辆纵向动力学模型实时迭代得到，p为正整数，w为扭矩控制量,wmax，wmin表示由电机和电池充电性能限制得到的电机需求扭矩上下限，Δwmax，Δwmin为考虑到驾驶性感受的电机需求扭矩变化率上下限；
所述AMPC算法模块，目标函数Q选择离散模型在预测时域窗口(Tp＝[k+1：k+p])内的输出量yp(i|k)与目标轨迹r(i)的差异值累加，基于目标函数Q、态变量的最优估计值
限制条件wmax，wmin，Δwmax，Δwmin，采用基于拉格朗日算子的线性二次规划实现在每个预测时域内的寻优，得到对应预测时域内目标函数最小的控制变量序列，并把第一个值作为当前的扭矩控制量w发送给电机，到下一时刻再重复进行此过程。
实施例十四
基于实施例十一的新能源汽车滑行控制系统，所述模型线性化模块，在预测时域中的每个时间点处，利用泰勒展开将车辆纵向动力学模型进行线性化。
实施例十二的新能源汽车滑行控制系统，考虑到车辆纵向动力学模型有强烈的非线性时变特征，但非线性MPC算法在嵌入式代码开发方面远不及线性MPC算法工程应用广泛和方便，因此在求解过程中，在预测时域中的每个时间点处，利用泰勒展开将模型进行线性化。
上述新能源汽车滑行控制系统，可应用于丰富多样的减速场景中实现预测性滑行回收功能，例如前方有限速区、慢速行驶车辆、弯道、拥堵、交通灯路口等等。不同的减速场景下功能具体实现内容有些许的差异，可以针对特定的减速场景开发相应的内容即可。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (45)
1.一种基于智能网联信息的新能源汽车滑行控制系统，其特征在于，其包括智能网联系统、驾驶员滑行提醒模块及车速轨迹规划与跟随模块；
智能网联系统，用于解析环境感知系统采集的智能网联信息得到滑行控制参数；滑行控制参数包括车辆到前方减速区域距离sf、前方目标车速Vf；
驾驶员滑行模块，当车辆到前方减速区域距离sf小于车辆以当前车速V0纯滑行到前方目标车速Vf的滑行距离s0，则输出滑行激活信号到所述车速轨迹规划与跟随模块，并输出驾驶员松开踏板提示信息；
所述车速轨迹规划与跟随模块，在接收到所述滑行激活信号，并且在踏板松开后，根据优化算法规划最佳经济性车速曲线，根据所述最佳经济性车速曲线，控制车辆滑行及动能回收。
2.根据权利要求1所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
当车辆到达前方减速区域，驾驶员滑行模块输出滑行退出信号到所述车速轨迹规划与跟随模块；
所述车速轨迹规划与跟随模块收到滑行退出信号后，退出车速轨迹规划与跟随功能。
3.根据权利要求1所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
滑行控制参数还包括坡度角β；
式中，V0为当前车速，CD为风阻系数，ρ为空气密度，A为迎风面积，m为车辆质量，μ为滚阻系数，g为重力加速度，α为车辆加速度，v表示预测的滑行过程车速，是由纵向动力学公式算出的车辆加速度a和当前车速V0迭代计算得到，T表示离散时间间隔。
4.根据权利要求1所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
驾驶员滑行模块，当车辆到前方减速区域距离sf小于车辆以当前车速V0纯滑行到前方目标车速Vf的滑行距离s0，并且大于减速最小距离s1，0＜s1＜s0，则输出滑行激活信号到所述车速轨迹规划与跟随模块，并输出驾驶员松开踏板提示信息。
5.根据权利要求4所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
驾驶员滑行模块根据电机最大回收扭矩Tmin和驾驶感受可接受的最大减速度αmax计算得到减速最小距离s1。
6.根据权利要求5所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
所述驾驶员滑行模块，标定有风阻系数CD、空气密度ρ、迎风面积A、滚阻系数μ、电机最大回收扭矩Tmin及驾驶感受可接受的最大减速度αmax。
7.根据权利要求3所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
所述驾驶员滑行模块，采用递推最小二乘法迭代计算得到车辆质量m，或者标定有车辆质量m。
8.根据权利要求3所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
所述滚阻系数μ，先采用滑行法得到车速曲线，然后拟合成车速的二次多项式后得到。
9.根据权利要求1所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
所述环境感知系统采集的智能网联信息包括前方交通信息、前方交通信号灯信息及导航信息。
10.根据权利要求1所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
所述环境感知系统包含高精度雷达、高解析度摄像头、高精度地图中的至少一种。
11.根据权利要求1所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
所述新能源汽车为混合动力汽车，并且车辆动力链结构中电机和内燃机能解耦，车辆能通过电机单独驱动；或者所述新能源汽车为纯电动汽车；
所述车速轨迹规划与跟随模块，在接收到所述滑行激活信号并且在踏板松开后，根据踏板松开时刻的当前车速V0、前方目标车速Vf和自车到前方减速区域距离sf规划出匀减速车速曲线作为最佳经济性车速曲线，控制车速跟随所述最佳经济性车速曲线倒拖发动机并进行动能回收。
12.根据权利要求1所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
所述新能源汽车为混合动力汽车，并且动力链结构中电机和发动机无法脱离，所述车速轨迹规划与跟随模块，在接收到所述滑行激活信号并且在踏板松开后，规划出的最佳经济性车速曲线，以起始回收时刻为界，分为在先的纯滑行不回收阶段和在后的匀减速滑行回收阶段两个阶段；
所述车速轨迹规划与跟随模块，在纯滑行不回收阶段，控制对车辆不施加驱动力纯滑行；在匀减速滑行回收阶段，根据起始回收时刻的车速、起始回收时刻自车到前方减速区域距离、前方目标车速Vf规划出匀减速车速曲线作为匀减速滑行回收阶段最佳经济性车速曲线，控制车速跟随所述匀减速滑行回收阶段最佳经济性车速曲线倒拖发动机并进行动能回收。
13.根据权利要求12所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
所述车速轨迹规划与跟随模块，计算松踏板时刻车速减速到前方目标车速的时间，将该段时间按离散时间间隔T离散成多个离散时刻，再迭代计算把每个离散时刻当作起始回收时刻开始匀减速至前方目标车速的累计回收电能，将所有离散时刻中对应累计回收电能最多的离散时刻取出，作为起始回收时刻tstrt，即发动机起始被倒拖时刻；
第k个离散时刻对应累计回收电能Jk，由车辆动能减去滚阻功、风阻功、发动机起动能耗和发动机倒拖功后得到。
14.根据权利要求13所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
确定起始回收时刻tstrt时，将使匀减速滑行回收阶段减速度绝对值大于设定加速度的离散时刻点，以及使自车从当前车速V0为减速到前方目标车速Vf时间超过设定时长的离散时刻点予以舍弃。
15.根据权利要求14所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
所述设定加速度在2米/平方秒～3米/平方秒之间。
16.根据权利要求1所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
所述环境感知系统采集的智能网联信息包括前车信息、自车信息、前方交通信息、前方交通信号灯信息及导航信息；
所述车速轨迹规划与跟随模块，在接收到所述滑行激活信号并且在踏板松开后，根据踏板松开时刻的当前车速V0、前方目标车速Vf、自车到前方减速区域距离sf、前车车速、前车与自车距离规划出最佳经济性车速曲线，控制车速跟随所述最佳经济性车速曲线倒拖发动机并进行动能回收。
17.根据权利要求16所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
所述前车信息、自车信息均包含位置、矢量速度。
18.根据权利要求1所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
所述车速轨迹规划与跟随模块包括MPC控制器；
所述MPC控制器选择MPC算法进行跟随控制，控制车速跟随所述最佳经济性车速曲线倒拖发动机并进行动能回收。
19.根据权利要求18所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
所述MPC控制器包括AMPC算法模块、状态观测器、模型线性化模块；
所述状态观测器，基于卡尔曼滤波，根据电机回收扭矩实际测量输出y(k)，得到一组状态变量的最优估计值
所述模型线性化模块，用于对车辆纵向动力学模型进行线性化；
所述AMPC算法模块，用于根据线性化的车辆纵向动力学模型、最佳经济性车速曲线r(i)、状态变量的最优估计值
计算得到扭矩控制量w并控制电机回收扭矩。
20.根据权利要求19所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
所述状态观测器，每个时间节点都需要利用模型预测值
和实际测量输出y(k)的协方差矩阵对观测增益矩阵K进行迭代计算，进而通过为模型预测值
计算公式得到一组状态变量的最优估计值
式中，K为观测增益矩阵。
21.根据权利要求19所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
wmin≤w≤wmax；
Δwmin≤Δw≤Δwmax；
其中，Q为目标函数，目标轨迹r(i)为最佳经济性车速曲线，yp(i|k)由线性化车辆纵向动力学模型实时迭代得到，p为正整数，w为扭矩控制量，wmax，wmin表示由电机和电池充电性能限制得到的电机需求扭矩上下限，Δwmax，Δwmin为考虑到驾驶性感受的电机需求扭矩变化率上下限；
所述AMPC算法模块，目标函数Q选择离散模型在预测时域窗口(Tp＝[k+1：k+p])内的输出量yp(i|k)与目标轨迹r(i)的差异值累加，基于目标函数Q、态变量的最优估计值
限制条件wmax，wmin，Δwmax，Δwmin，，采用基于拉格朗日算子的线性二次规划实现在每个预测时域内的寻优，得到对应预测时域内目标函数最小的控制变量序列，并把第一个值作为当前的扭矩控制量w发送给电机，到下一时刻再重复进行此过程。
22.根据权利要求19所述的基于智能网联信息的新能源汽车滑行控制系统，其特征在于，
所述模型线性化模块，在预测时域中的每个时间点处，利用泰勒展开将车辆纵向动力学模型进行线性化。
23.一种基于智能网联信息的新能源汽车滑行控制方法，其特征在于，通过解析智能网联系统的环境感知系统采集的智能网联信息得到滑行控制参数；滑行控制参数包括车辆到前方减速区域距离sf、前方目标车速Vf；
当车辆到前方减速区域距离sf小于车辆以当前车速V0纯滑行到前方目标车速Vf的滑行距离s0，则通过驾驶员滑行模块输出滑行激活信号到所述车速轨迹规划与跟随模块，并输出驾驶员松开踏板提示信息；
车速轨迹规划与跟随模块在接收到所述滑行激活信号，并且在踏板松开后，根据优化算法规划最佳经济性车速曲线，根据所述最佳经济性车速曲线，控制车辆滑行及动能回收。
24.根据权利要求23所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
当车辆到达前方减速区域，驾驶员滑行模块输出滑行退出信号到所述车速轨迹规划与跟随模块；
所述车速轨迹规划与跟随模块收到滑行退出信号后，退出车速轨迹规划与跟随功能。
25.根据权利要求23所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
滑行控制参数还包括坡度角β；
式中，V0为当前车速，CD为风阻系数，ρ为空气密度，A为迎风面积，m为车辆质量，μ为滚阻系数，g为重力加速度，α为车辆加速度，v表示预测的滑行过程车速，是由纵向动力学公式算出的车辆加速度a和当前车速V0迭代计算得到，T表示离散时间间隔。
26.根据权利要求23所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
当车辆到前方减速区域距离sf小于车辆以当前车速V0纯滑行到前方目标车速Vf的滑行距离s0，并且大于减速最小距离s1，0＜s1＜s0，则通过驾驶员滑行模块输出滑行激活信号到所述车速轨迹规划与跟随模块，并输出驾驶员松开踏板提示信息。
27.根据权利要求26所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
驾驶员滑行模块根据电机最大回收扭矩Tmin和驾驶感受可接受的最大减速度αmax计算得到减速最小距离s1。
28.根据权利要求27所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
所述驾驶员滑行模块，标定有风阻系数CD、空气密度ρ、迎风面积A、滚阻系数μ、电机最大回收扭矩Tmin及驾驶感受可接受的最大减速度αmax。
29.根据权利要求25所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
所述驾驶员滑行模块，采用递推最小二乘法迭代计算得到车辆质量m，或者标定有车辆质量m。
30.根据权利要求25所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
所述滚阻系数μ，先采用滑行法得到车速曲线，然后拟合成车速的二次多项式后得到。
31.根据权利要求23所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
所述环境感知系统采集的智能网联信息包括前方交通信息、前方交通信号灯信息及导航信息。
32.根据权利要求23所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
所述环境感知系统包含高精度雷达、高解析度摄像头、高精度地图中的至少一种。
33.根据权利要求23所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
所述新能源汽车为混合动力汽车，并且车辆动力链结构中电机和内燃机能解耦，车辆能通过电机单独驱动；或者所述新能源汽车为纯电动汽车；
所述车速轨迹规划与跟随模块，在接收到所述滑行激活信号并且在踏板松开后，根据踏板松开时刻的当前车速V0、前方目标车速Vf和自车到前方减速区域距离sf规划出匀减速车速曲线作为最佳经济性车速曲线，控制车速跟随所述最佳经济性车速曲线倒拖发动机并进行动能回收。
34.根据权利要求23所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
所述新能源汽车为混合动力汽车，并且动力链结构中电机和发动机无法脱离，所述车速轨迹规划与跟随模块，在接收到所述滑行激活信号并且在踏板松开后，规划出的最佳经济性车速曲线，以起始回收时刻为界，分为在先的纯滑行不回收阶段和在后的匀减速滑行回收阶段两个阶段；
所述车速轨迹规划与跟随模块，在纯滑行不回收阶段，控制对车辆不施加驱动力纯滑行；在匀减速滑行回收阶段，根据起始回收时刻的车速、起始回收时刻自车到前方减速区域距离、前方目标车速Vf规划出匀减速车速曲线作为匀减速滑行回收阶段最佳经济性车速曲线，控制车速跟随所述匀减速滑行回收阶段最佳经济性车速曲线倒拖发动机并进行动能回收。
35.根据权利要求34所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
所述车速轨迹规划与跟随模块，计算松踏板时刻车速减速到前方目标车速的时间，将该段时间按离散时间间隔T离散成多个离散时刻，再迭代计算把每个离散时刻当作起始回收时刻开始匀减速至前方目标车速的累计回收电能，将所有离散时刻中对应累计回收电能最多的离散时刻取出，作为起始回收时刻tstrt，即发动机起始被倒拖时刻；
第k个离散时刻对应累计回收电能Jk，由车辆动能减去滚阻功、风阻功、发动机起动能耗和发动机倒拖功后得到。
36.根据权利要求35所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
确定起始回收时刻tstrt时，将使匀减速滑行回收阶段减速度绝对值大于设定加速度的离散时刻点，以及使自车从当前车速V0为减速到前方目标车速Vf时间超过设定时长的离散时刻点予以舍弃。
37.根据权利要求36所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
所述设定加速度在2米/平方秒～3米/平方秒之间。
38.根据权利要求23所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
所述环境感知系统采集的智能网联信息包括前车信息、自车信息、前方交通信息、前方交通信号灯信息、导航信息；
所述车速轨迹规划与跟随模块，在接收到所述滑行激活信号并且在踏板松开后，根据踏板松开时刻的当前车速V0、前方目标车速Vf、自车到前方减速区域距离sf、前车车速、前车与自车距离规划出最佳经济性车速曲线，控制车速跟随所述最佳经济性车速曲线倒拖发动机并进行动能回收。
39.根据权利要求38所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
所述前车信息、自车信息均包含位置、矢量速度。
40.根据权利要求23所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
所述车速轨迹规划与跟随模块包括MPC控制器；
所述MPC控制器选择MPC算法进行跟随控制，控制车速跟随所述最佳经济性车速曲线倒拖发动机并进行动能回收。
41.根据权利要求40所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
所述MPC控制器包括AMPC算法模块、状态观测器、模型线性化模块；
所述状态观测器，基于卡尔曼滤波，根据电机回收扭矩实际测量输出y(k)，得到一组状态变量的最优估计值
所述模型线性化模块，用于对车辆纵向动力学模型进行线性化；
所述AMPC算法模块，用于根据线性化的车辆纵向动力学模型、最佳经济性车速曲线r(i)、状态变量的最优估计值
计算得到扭矩控制量w并控制电机回收扭矩。
42.根据权利要求41所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
所述状态观测器，每个时间节点都需要利用模型预测值
和实际测量输出y(k)的协方差矩阵对观测增益矩阵K进行迭代计算，进而通过为模型预测值
计算公式得到一组状态变量的最优估计值
式中，K为观测增益矩阵。
43.根据权利要求41所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
wmin≤w≤wmax；
Δwmin≤Δw≤Δwmax；
其中，Q为目标函数，目标轨迹r(i)为最佳经济性车速曲线，yp(i|k)由线性化车辆纵向动力学模型实时迭代得到，p为正整数，w为扭矩控制量，wmax，wmin表示由电机和电池充电性能限制得到的电机需求扭矩上下限，Δwmax，Δwmin为考虑到驾驶性感受的电机需求扭矩变化率上下限；
所述AMPC算法模块，目标函数Q选择离散模型在预测时域窗口(Tp＝[k+1：k+p])内的输出量yp(i|k)与目标轨迹r(i)的差异值累加，基于目标函数Q、态变量的最优估计值
限制条件wmax，wmin，Δwmax，Δwmin，，采用基于拉格朗日算子的线性二次规划实现在每个预测时域内的寻优，得到对应预测时域内目标函数最小的控制变量序列，并把第一个值作为当前的扭矩控制量w发送给电机，到下一时刻再重复进行此过程。
44.根据权利要求41所述的基于智能网联信息的新能源汽车滑行控制方法，其特征在于，
所述模型线性化模块，在预测时域中的每个时间点处，利用泰勒展开将车辆纵向动力学模型进行线性化。
45.一种配置有权利要求1到22任一项所述的基于智能网联信息的新能源汽车滑行控制系统的新能源汽车。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011633502.XA CN112660130A (zh) | 2020-12-31 | 2020-12-31 | 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 |
| EP21913285.9A EP4273011A1 (en) | 2020-12-31 | 2021-09-27 | New energy vehicle coasting control system and method based on intelligent networking information, and new energy vehicle |
| PCT/CN2021/121062 WO2022142540A1 (zh) | 2020-12-31 | 2021-09-27 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011633502.XA CN112660130A (zh) | 2020-12-31 | 2020-12-31 | 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 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112660130A true CN112660130A (zh) | 2021-04-16 |
Family
ID=75413263
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011633502.XA Pending CN112660130A (zh) | 2020-12-31 | 2020-12-31 | 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 |
Country Status (3)
| Country | Link |
|---|---|
| EP (1) | EP4273011A1 (zh) |
| CN (1) | CN112660130A (zh) |
| WO (1) | WO2022142540A1 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113370800A (zh) * | 2021-06-04 | 2021-09-10 | 北京新能源汽车股份有限公司 | 车辆的扭矩控制方法、装置及车辆 |
| CN114148351A (zh) * | 2022-02-07 | 2022-03-08 | 杭州宏景智驾科技有限公司 | 一种应用于自动驾驶的预测性动力链节能控制方法 |
| WO2022142540A1 (zh) * | 2020-12-31 | 2022-07-07 | 联合汽车电子有限公司 | 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 |
| CN115675098A (zh) * | 2022-11-15 | 2023-02-03 | 长安大学 | 基于用户特征差异的智能网联汽车动能回收系统、方法、设备及存储介质 |
| CN115675098B (zh) * | 2022-11-15 | 2024-04-26 | 长安大学 | 基于用户特征差异的智能网联汽车动能回收系统、方法、设备及存储介质 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN116431974B (zh) * | 2023-05-10 | 2023-10-03 | 常州工学院 | 基于多源信息融合的电动汽车能源控制调节系统及方法 |
| CN116612648B (zh) * | 2023-05-15 | 2024-03-26 | 深圳市显科科技有限公司 | 基于情报板的道路阶段性动态交通疏堵提示方法及装置 |
| CN116861199B (zh) * | 2023-09-04 | 2024-01-02 | 中汽研汽车检验中心（天津）有限公司 | 一种燃油清净增效剂的减排测评方法、设备和存储介质 |
| CN117549916B (zh) * | 2024-01-12 | 2024-03-19 | 中印云端(深圳)科技有限公司 | 一种基于物联网的新能源汽车智能控制系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103523016A (zh) * | 2012-07-04 | 2014-01-22 | 罗伯特·博世有限公司 | 用于在滑行期间运行车辆的方法 |
| CN105501222A (zh) * | 2014-10-13 | 2016-04-20 | 现代自动车株式会社 | 环境友好型车辆的用于引导驾驶者进入滑行的装置及方法 |
| CN106043300A (zh) * | 2015-04-13 | 2016-10-26 | 福特环球技术公司 | 用于车辆巡航控制的方法和系统 |
| CN108216238A (zh) * | 2016-12-15 | 2018-06-29 | 现代自动车株式会社 | 用于控制环保型车辆的滑行行驶的方法 |
| US20190001984A1 (en) * | 2017-06-28 | 2019-01-03 | Hyundai Motor Company | Control method for coasting of eco-friendly vehicle |
| US20190256096A1 (en) * | 2016-09-21 | 2019-08-22 | Cpt Group Gmbh | Driver Assistance System |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6354241B2 (ja) * | 2014-03-25 | 2018-07-11 | いすゞ自動車株式会社 | ハイブリッド車両及びその制御方法 |
| KR20160082907A (ko) * | 2015-01-01 | 2016-07-11 | 김성봉 | 에너지 재활용 자동차 발전시스템 |
| CN114801757A (zh) * | 2016-11-09 | 2022-07-29 | 华为技术有限公司 | 车辆制动能量的回收方法和装置 |
| CN108515960B (zh) * | 2018-03-27 | 2020-04-21 | 吉利汽车研究院（宁波）有限公司 | 滑行能量回收方法、装置及系统 |
| CN110422050A (zh) * | 2019-04-30 | 2019-11-08 | 武汉理工大学 | 一种电动汽车滑行制动能量回收方法 |
| CN111038512B (zh) * | 2019-12-25 | 2022-06-28 | 联合汽车电子有限公司 | 车辆减速控制方法及整车控制器 |
| CN112660130A (zh) * | 2020-12-31 | 2021-04-16 | 联合汽车电子有限公司 | 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 |
-
2020
- 2020-12-31 CN CN202011633502.XA patent/CN112660130A/zh active Pending
-
2021
- 2021-09-27 EP EP21913285.9A patent/EP4273011A1/en active Pending
- 2021-09-27 WO PCT/CN2021/121062 patent/WO2022142540A1/zh unknown
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103523016A (zh) * | 2012-07-04 | 2014-01-22 | 罗伯特·博世有限公司 | 用于在滑行期间运行车辆的方法 |
| CN105501222A (zh) * | 2014-10-13 | 2016-04-20 | 现代自动车株式会社 | 环境友好型车辆的用于引导驾驶者进入滑行的装置及方法 |
| CN106043300A (zh) * | 2015-04-13 | 2016-10-26 | 福特环球技术公司 | 用于车辆巡航控制的方法和系统 |
| US20190256096A1 (en) * | 2016-09-21 | 2019-08-22 | Cpt Group Gmbh | Driver Assistance System |
| CN108216238A (zh) * | 2016-12-15 | 2018-06-29 | 现代自动车株式会社 | 用于控制环保型车辆的滑行行驶的方法 |
| US20190001984A1 (en) * | 2017-06-28 | 2019-01-03 | Hyundai Motor Company | Control method for coasting of eco-friendly vehicle |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022142540A1 (zh) * | 2020-12-31 | 2022-07-07 | 联合汽车电子有限公司 | 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 |
| CN113370800A (zh) * | 2021-06-04 | 2021-09-10 | 北京新能源汽车股份有限公司 | 车辆的扭矩控制方法、装置及车辆 |
| CN114148351A (zh) * | 2022-02-07 | 2022-03-08 | 杭州宏景智驾科技有限公司 | 一种应用于自动驾驶的预测性动力链节能控制方法 |
| CN114148351B (zh) * | 2022-02-07 | 2022-04-29 | 杭州宏景智驾科技有限公司 | 一种应用于自动驾驶的预测性动力链节能控制方法 |
| CN115675098A (zh) * | 2022-11-15 | 2023-02-03 | 长安大学 | 基于用户特征差异的智能网联汽车动能回收系统、方法、设备及存储介质 |
| CN115675098B (zh) * | 2022-11-15 | 2024-04-26 | 长安大学 | 基于用户特征差异的智能网联汽车动能回收系统、方法、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022142540A1 (zh) | 2022-07-07 |
| EP4273011A1 (en) | 2023-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112660130A (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 | |
| US8271154B2 (en) | Method for controlling a hybrid drive in a rail vehicle | |
| CN109910890B (zh) | 一种基于道路地形信息的卡车预测节能系统及控制方法 | |
| CN111867911A (zh) | 车辆控制方法和设备 | |
| US20180356835A1 (en) | Method for Moving, in Particular Controlling or Regulating, a Line of Vehicles | |
| CN104417558B (zh) | 减速度设定系统、方法以及程序 | |
| CN103085816A (zh) | 一种用于无人驾驶车辆的轨迹跟踪控制方法及控制装置 | |
| SE533965C2 (sv) | Modul i ett styrsystem för ett fordon | |
| CN111002993B (zh) | 一种基于场景识别的自动驾驶低油耗运动规划方法及系统 | |
| CN108489500A (zh) | 一种基于能耗经济性的全局路径规划方法及系统 | |
| CN113788021A (zh) | 一种结合前车速度预测的自适应跟车巡航控制方法 | |
| 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 | |
| CN111923896B (zh) | 基于滚动动态规划的hev车辆能量管理方法 | |
| CN109229160A (zh) | 应对恶劣天气的列车自动控制方法、装置及车载设备 | |
| CN112722011B (zh) | 重载列车自动驾驶节能控制方法及装置 | |
| D'Amato et al. | Development of a cruise controller based on current road load information with integrated control of variable velocity set-point and gear shifting | |
| CN109398426A (zh) | 一种定时条件下基于离散蚁群算法的节能驾驶策略寻优方法 | |
| CN108944905A (zh) | 一种基于模型预测控制的phev红绿灯路口通过控制方法 | |
| CN112580251B (zh) | 基于交通信息和模型预测控制的混动汽车能量管理方法 | |
| Shen et al. | Energy-efficient cruise control using optimal control for a hybrid electric vehicle | |
| US10495013B2 (en) | Control of preparatory measures in a vehicle | |
| 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 | |
| WO2021098956A1 (de) | Ermittlung einer trajektorie für ein erstes fahrzeug unter berücksichtigung des fahrverhaltens eines zweiten fahrzeugs | |
| Kraus et al. | A New Approach to an Adaptive and Predictive Operation Strategy for PHEVs | |
| CN114585977A (zh) | 基于模型预测性调整机动车的多个部件 |
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 |