CN113224990A - 应用于新能源汽车的转矩控制优化方法与装置 - Google Patents

Abstract

本申请公开了一种应用于新能源汽车的转矩控制优化方法与装置，其中，方法包括：在检测到当前运行工况为整车低速运行工况时，获取新能源汽车的实际加速度，并基于实际加速度识别转矩脉动与电流脉动的当前权重配比关系；若转矩脉动的权重配比高于电流脉动的权重配比，则根据预设的约束条件约束电流脉动的同时，优化新能源汽车的当前转矩脉动和当前电流脉动为最小值，否则根据预设的约束条件约束转矩脉动的同时，优化当前转矩脉动和当前电流脉动为最小值。本申请实施例的转矩控制优化方法可以有效缩短转矩响应时间，有效抑制转矩脉动，提升用户体验，解决了针对高转矩脉动抑制的同时，无法实现快速精确的跟踪响应的技术问题。

Description

应用于新能源汽车的转矩控制优化方法与装置

技术领域

本申请涉及新能源汽车电驱动技术领域，特别涉及一种应用于新能源汽车的转矩控制优化方法与装置。

背景技术

目前，PMSM(permanent-magnetsynchronousmotor，永磁同步电动机)转矩脉动抑制主要有两类方法：第一类是对电机本体进行优化设计，以获得更好的气隙磁场波形；第二类是根据谐波对于电磁转矩的影响建立一个数学表达式，在控制中作为约束以消除谐波。其中，因同样电机搭载在不同车型上的NVH(Noise、Vibration、Harshness，噪声、振动与声振粗糙度)效果不一定相同，出于整车项目考虑，基本都选用第二类方法。

相关技术中，转矩控制优化方式很多，例如以转矩脉动为目标，通过闭环自动调整注入电流谐波给定量，对转矩脉动进行抑制；基于气隙磁场畸变、齿槽转矩和电流畸变等多个因素实现永磁同步电机闭环抑制方法；又如根据转矩和磁链误差对定子电阻进行有效的补偿，对抑制转矩效果较为明显，均可以有效抑制转矩脉动。

然而，相关技术针对高转矩脉动抑制的同时，实现驱动电机快速精确的跟踪响应的问题无法得到有效解决，尤其是驱动电机转矩动态响应时间，会对整车动力性能和状态切换、动态协调控制的效果产生一定影响，亟待解决。

申请内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一目的在于提出一种应用于新能源汽车的转矩控制优化方法，该方法可以有效缩短转矩响应时间，有效抑制转矩脉动，提升用户体验。

本发明的第二个目的在于提出一种应用于新能源汽车的转矩控制优化装置。

本发明的第三个目的在于提出一种整车控制器。

为达到上述目的，本申请第一方面实施例提供一种应用于新能源汽车的转矩控制优化方法，包括以下步骤：

检测新能源汽车的当前运行工况；

在检测到所述当前运行工况为整车低速运行工况时，获取所述新能源汽车的实际加速度，并基于所述实际加速度识别转矩脉动与电流脉动的当前权重配比关系；以及

若所述转矩脉动的权重配比高于所述电流脉动的权重配比，则根据预设的约束条件约束所述电流脉动的同时，优化所述新能源汽车的当前转矩脉动和当前电流脉动为最小值，否则根据所述预设的约束条件约束所述转矩脉动的同时，优化所述当前转矩脉动和所述当前电流脉动为最小值。

可选地，所述基于所述实际加速度识别所述当前权重配比关系之前，还包括：

获取所述新能源汽车的整车相关参数；

基于所述新能源汽车的整车相关参数生成所述预设的约束条件中转矩脉动与驱动电机的出力约束条件和所述当前运行工况的响应时间约束条件。

可选地，所述基于所述实际加速度识别转矩脉动与电流脉动的当前权重配比关系，包括：

若所述实际加速度大于馈电额定阈值，且小于电动额定阈值，则判定所述新能源汽车处于恒速状态，其中，所述转矩脉动的权重配比高于所述电流脉动的权重配比；

若所述实际加速度小于所述馈电额定阈值，则判定所述新能源汽车处于紧急制动状态，其中，所述电流脉动的权重配比高于所述转矩脉动的权重配比；

若所述实际加速度大于发电额定阈值，则判定所述新能源汽车处于起车状态，其中，所述电流脉动的权重配比高于所述转矩脉动的权重配比。

可选地，所述若所述转矩脉动的权重配比高于所述电流脉动的权重配比，则根据预设的约束条件约束所述电流脉动的同时，优化所述新能源汽车的当前转矩脉动和当前电流脉动为最小值，包括：

采用基于在线调整PI增益的自适应PI控制器，使得最小化预设的成本函数，生成所述预设的约束条件内所述电流脉动的控制信号。

可选地，所述预设的成本函数为：

其中，，e^I为为实际电流与参考电流的差值，T为系统的采样周期。

可选地，所述根据所述预设的约束条件约束所述转矩脉动的同时，优化所述当前转矩脉动和所述当前电流脉动为最小值，包括：

通过使用自适应迭代学习的控制器输出的数据和上一个迭代周期的错误信息，按迭代学习定律生成在所述预设的约束条件内的下一个迭代周期的转矩脉动控制信号。

可选地，所述迭代学习定律为：

其中，δ₂为控制电流脉动的权重系数；K_g2为2×2的对角正定矩阵，确定收敛速度，sgn为符号向量，γ₂＝[γ₂₁ γ₂₂]^T为2×1的向量优化学习增益及松弛因子的矩阵。

为达到上述目的，本申请第二方面实施例提供一种应用于新能源汽车的转矩优化装置，包括：

检测模块，用于检测新能源汽车的当前运行工况；

识别模块，用于在检测到所述当前运行工况为整车低速运行工况时，获取所述新能源汽车的实际加速度，并基于所述实际加速度识别转矩脉动与电流脉动的当前权重配比关系；以及

优化模块，用于在若所述转矩脉动的权重配比高于所述电流脉动的权重配比，则根据预设的约束条件约束所述电流脉动的同时，优化所述新能源汽车的当前转矩脉动和当前电流脉动为最小值，否则根据所述预设的约束条件约束所述转矩脉动的同时，优化所述当前转矩脉动和所述当前电流脉动为最小值。

可选地，所述基于所述实际加速度识别所述当前权重配比关系之前，所述识别模块，还包括：

获取单元，用于获取所述新能源汽车的整车相关参数；

生成单元，用于基于所述新能源汽车的整车相关参数生成所述预设的约束条件中转矩脉动与驱动电机的出力约束条件和所述当前运行工况的响应时间约束条件。

为达到上述目的，本申请第三方面实施例提供一种整车控制器，包括：上述实施例所述的应用于新能源汽车的转矩优化装置。

在新能源汽车处于整车低速条件下的运行工况时，根据预设的约束条件控制电流脉动或转矩脉动，以最小转矩脉动和最小电流脉动为优化目标，优化电动汽车的当前转矩脉动和当前电流脉动，从而在有效缩短转矩响应时间的同时，有效抑制电驱动系统在低转速情况下的转矩脉动，提升用户体验。由此，解决了针对高转矩脉动抑制的同时，快速精确的跟踪响应的问题无法得到有效解决，尤其是驱动电机转矩动态响应时间，会对整车动力性能和状态切换、动态协调控制的效果产生一定影响的技术问题。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本申请实施例提供的一种应用于新能源汽车的转矩控制优化方法的流程图；

图2为根据本申请一个实施例的整车驱动系统的结构示意图；

图3为根据本申请一个实施例的PMSM的矢量控制系统的方框示意图；

图4为根据本申请一个实施例的转距脉动控制的方框示意图；

图5为根据本申请一个实施例的电流环波动控制的方框示意图；

图6为根据本申请一个实施例的基于自适应配比优化的控制的方框示意图；

图7为根据本申请一个实施例的转矩优化控制的方框示意图；

图8为根据本申请实施例的应用于新能源汽车的转矩控制优化装置的示例图；

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参照附图描述根据本发明实施例提出的应用于新能源汽车的转矩控制优化方法与装置，首先将参照附图描述根据本发明实施例提出的应用于新能源汽车的转矩控制优化方法。

具体而言，图1为本申请实施例所提供的一种应用于新能源汽车的转矩控制优化方法的流程示意图。

如图1所示，该应用于新能源汽车的转矩控制优化方法包括以下步骤：

在步骤S101中，检测新能源汽车的当前运行工况。

其中，新能源汽车可以为纯电动或部分混合动力汽车，新能源汽车的运行工况可以包括整车低速运行工况、紧急制动工况、起车工况等。

具体地，如图2所示，本申请实施例的目的在于通过优化控制器可以改善纯电动或部分混合动力汽车低速运行时的转矩脉动，进而减少整车抖动；同时改善系统响应速度，提升用户驾乘体验，以解决针对高转矩脉动抑制的同时，快速精确的跟踪响应的问题，尤其是驱动电机转矩动态响应时间，会对整车动力性能和状态切换、动态协调控制的效果产生一定影响的技术问题，确定本申请实施例的控制对象：动力传动系统中的永磁同步电机及电机控制器。

因此，针对新能源汽车纯电动及部分混合动力汽车(有纯电启动模式)在低速运行时典型工况的运行特点，本申请实施例首先检测新能源汽车的当前运行工况，当新能源汽车处于整车低速运行工况时，则检测到的新能源汽车的当前运行工况即为整车低速运行工况，当新能源汽车处于紧急制动工况时，则检测到的新能源汽车的当前运行工况即为紧急制动工况。

需要说明的是，上述仅为示例性的，不作为对本发明的限制，本领域技术人员可以根据实际情况进行处理，在此不做具体限定。

在步骤S102中，在检测到当前运行工况为整车低速运行工况时，获取新能源汽车的实际加速度，并基于实际加速度识别转矩脉动与电流脉动的当前权重配比关系。

可以理解的是，在根据步骤S101确定运行工况为整车低速运行工况时，本申请实施例可以检测新能源汽车的实际加速度，如通过油门踏板的开度得到，以根据实际加速度判断新能源汽车的当前工况，以针对相关工况实现准确地多目标转矩优化的目的。

可选地，基于实际加速度识别当前权重配比关系之前，还包括：获取新能源汽车的整车相关参数；基于新能源汽车的整车相关参数生成预设的约束条件中转矩脉动与驱动电机的出力约束条件和当前运行工况的响应时间约束条件。

具体而言，如图2所示，在VCU(Vehicle Control Unit，整车控制器)与PMSM通过CAN(CAN-CONTROLLER AREA NETWORK，控制器局部网)总线将相关指令与信息发送给MCU(Micro Control Unit，电机控制器)之后，本申请实施例可以设定转矩脉动与电机出力约束条件，各工况响应时间约束条件，提高优化的准确性，更加安全可靠，并且计算两个优化目标：转矩脉动与电流脉动，直接最小化转矩脉动，以实现减小整车低速抖动，及通过电流脉动最小化以实现减少电流环工作时间，进而提升系统的反应速度。

例如，通过VCU及电机采集系统相关参数：永磁同步电机的三相电流、温度信号、位置信号、转速信号、母线电流；VCU给出的转矩转速指令等，以在将这些数据通过通讯线缆发送控制器后，进行下述步骤：

(一)设定相关约束条件。

VCU需求转矩T_{m_ref}、电机实际输出转矩T_m上下限约束：

T_min≤T_{m_ref}≤T_max， (1)

T_min≤T_m≤T_max， (2)

其中，T_min，T_max分别为电机转矩的最小瞬时值和最大瞬时值，T_m＝K_tI_s，

I_s为定子电流，ρ为电机极数，λ_m为磁通量。

(二)考虑电驱动系统转矩脉动范围约束。

当电机系统响应VCU指令值时，可得：

T_m＝T_o+ΔT， (3)

其中，T_m为当前时刻的合成输出转矩；T_o为当前时刻转矩直流分量；ΔT为周期性转矩脉动产生的谐波分量之和。

周期性转矩脉动产生的谐波分量之和，本申请实施例可以用下式给出的低阶谐波分量表示为：

采用转矩脉动系数T_RF评价电机总体转矩脉动程度，其定义为：

其中，：

为电机角加速度，T₁为负载转矩，G₁为电机转动惯量；G₂为负载转动惯量。

采用转矩脉动系数与峰值转矩的乘积作为转矩脉动的限值，即：

|ΔT|≤T_RF×T_max， (6)

(三)考虑系统响应时间约束条件。

紧急制动工况中，当电驱动系统从零转矩过渡到最大馈电转矩的时间为t_sys1，应满足：

0<t_sys1≤t_generator+t_signal， (7)

其中，t_generator为电机反应时间，t_signal为信号采样周期。

起车工况中，当系统从零转矩过渡到最大馈电转矩的时间为t_sys2，应满足：

其中，X为电机过载系数；t_signal为信号采样周期。

可选地，基于实际加速度识别转矩脉动与电流脉动的当前权重配比关系，包括：若实际加速度大于馈电额定阈值，且小于电动额定阈值，则判定新能源汽车处于恒速状态，其中，转矩脉动的权重配比高于电流脉动的权重配比；若实际加速度小于馈电额定阈值，则判定新能源汽车处于紧急制动状态，其中，电流脉动的权重配比高于转矩脉动的权重配比；若实际加速度大于发电额定阈值，则判定新能源汽车处于起车状态，其中，电流脉动的权重配比高于转矩脉动的权重配比。

作为一种可能实现的方式，基于新能源汽车低速条件下的运行工况：根据加速度的取值将新能源汽车的工况分为紧急制动状态、起车状态、恒速状态，从而根据加速度情况进行权重配比控制，上述阈值由本领域技术人员根据实际情况进行配置，在此不作具体限定。

综上，基于其他相关实施例的说明可以理解到的是，如图3所示，本申请实施例所考虑的转矩优化问题，可作如下定义：通过各种调节手段，在满足转矩脉动与电机出力约束条件，在自适应加权模块中利用标量极值搜索优化缩放两个目标函数，使目标函数最优。由上可见，转矩优化问题实际上是一个典型的带约束的组合优化问题。

在实际执行过程中，根据检测到的电机实际转速与输入的基准转速相比较,利用转矩和转速的关系，通过转矩电流标定结果取得定子电流转矩分量的参考量，同时给定定子电流励磁分量。通过相电流检测电路提取电流，通过Clark变换将其变换到两相静止坐标系中，再通过Park变换，将它们转换到旋转坐标系中，再将坐标系中的电流信号与它们的参考电流分别进行比较，再通过控制器获得旋转坐标系下的电压信号。通过Park逆变换得到两相静止坐标系下的电压信号，将其送入SVPWM中产生控制脉冲，通过控制脉冲用于控制三相逆变器的各种开关状态，进而去得到控制定子三相对称绕组的实际电流。要实现一个较完整的双闭环控制系统，本申请实施例可以以内环电流环得到实际控制信号，用外环产生定子电流转矩分量的参考值。

在步骤S103中，若转矩脉动的权重配比高于电流脉动的权重配比，则根据预设的约束条件约束电流脉动的同时，优化新能源汽车的当前转矩脉动和当前电流脉动为最小值，否则根据预设的约束条件约束转矩脉动的同时，优化当前转矩脉动和当前电流脉动为最小值。

作为一种可能实现的方式，本申请实施例可以将自适应迭代学习控制方法与自适应比例积分控制器相结合进行多目标优化，下面进行举例描述。

可选地，在一些实施例中，若转矩脉动的权重配比高于电流脉动的权重配比，则根据预设的约束条件约束电流脉动的同时，优化新能源汽车的当前转矩脉动和当前电流脉动为最小值，包括：采用基于在线调整PI增益的自适应PI控制器，使得最小化预设的成本函数，生成预设的约束条件内电流脉动的控制信号。

可选地，根据预设的约束条件约束转矩脉动的同时，优化当前转矩脉动和当前电流脉动为最小值，包括：通过使用自适应迭代学习的控制器输出的数据和上一个迭代周期的错误信息，按迭代学习定律生成在预设的约束条件内的下一个迭代周期的转矩脉动控制信号。

可以理解的是，转速外环的主要作用提升系统的稳定性，所以在此阶段进行转矩脉动抑制。对于转矩脉动控制，提出了AILC(自适应迭代学习控制)方案并将其应用于系统。ILC(迭代学习控制)的主要思想是通过使用控制器输出的数据和来自上一个迭代周期的错误信息，根据迭代学习定律生成下一个迭代周期的控制信号。

如图4所示，AILC的迭代学习法则如下：

其中，

是学习增益，与转矩脉动误差e^T成正比。增益η是松弛因子，它削弱了非周期性干扰的累积效应。为了抑制转矩脉动，要求迭代周期的周期与转矩脉动的周期一致。因此，假设迭代周期为τ，则

可以等于转矩脉动的一阶谐波的周期。

经过计算，

所以收敛条件为：

因为K_t>0，

且当|1-η|<1时，跟踪误差e^T(k)将收敛于

为了抑制周期性的转矩脉动，希望η足够小。但是，在瞬态事件期间，系统无法呈现周期性。在这种情况下，当前迭代的控制信号将对下一个迭代产生更大的影响，这会导致更明显的非周期扰动累积效应。若当前迭代周期的控制信号几乎完全保留，将不可避免地导致更大的波动或更长的建立时间；因此，在瞬态过程中，η的值不能太小，并且期望在范围内有一个很大的值，而且ILC的学习增益

也是为了周期性地抑制转矩脉动，但是较大的

值，会使控制器变得不稳定，因此不能选择大的

值。

因此，在本申请的实施例中，为了防止瞬态稳定性能下降，提出了一种AILC。提出的方案利用方法对ILC增益

进行实时调整，其可以通过最小化以下成本函数来实现：

采用两个滑动表面σ11和σ12来优化参数学习增益和松弛因子。滑动表面的矢量定义为：

σ₁＝[σ₁₁ σ₁₂]， (11)

考虑驱动信号的矢量为：

p₁＝[p₁₁ p₁₂]， (12)

因此，用于调节ILC增益的自适应控制定律定义如下：

其中，δ₁是与控制转矩脉动的权重系数；K_g1是2×2的对角正定矩阵，确定收敛速度；sgn是符号向量；γ₁＝[γ₁₁ γ₁₂]^T是2×1的向量。通过强制J₁保留在递减的滑动矢量表面上来实现优化。

进一步地，电流内环的作用是消除电流过流影响，加快动态跟踪响应速度，提高系统的快速性，所以在此阶段进行电流脉动控制。

如图5所示，PI的学习法则如下：

本申请实施例可以基于在线调整PI增益的API(自适应PI)控制器实现的。通过API在跟踪精度和抗干扰性方面提高了控制器的性能，从而弥补了传统PI控制器的在动态系统中的缺点。

可选地，在一些实施例中，预设的成本函数可以为：

其中，e^I为实际电流与参考电流的差值，T为系统采样周期

其中，本申请实施例可以改变PI增益的输入矢量Ψ₂＝[K_P K_I]，以使J₂最小。进一步地，在一些实施例中，迭代学习定律为：

其中，δ₂为控制电流脉动的权重系数；K_g2为2×2的对角正定矩阵，确定收敛速度；sgn为符号向量；γ₂＝[γ₂₁ γ₂₂]^T为2×1的向量优化学习增益及松弛因子的矩阵。

由此，本领域技术人员应该理解到的是，如图6所示，假定两个控制目标，对于转矩脉动，希望最小化目标函数J₁；对于电流波动，希望最小化目标函数J₂。因此，此系统为多目标优化问题。

当电动机以恒定速度(稳定状态)工作时，J₁比J₂重要。因此，期望增加转矩脉动模块的效果，以使得自适应学习增益

和松弛因子η将具有更好的抑制转矩脉动的效果。在过渡过程中，系统无法呈现周期性，在这种情况下，期望减小松弛因子η的影响。另一方面，需要增加电流波动模块的作用，以便可以实现更快速的调节。

通过在两个目标函数J₁比J₂之间建立最佳折衷，并为系统计算一组最佳解，从而同时优化它们。因此，多目标问题定义为:

λ为最小范数元素，ξ表示矢量sgn的凸组合。为了计算多目标问题的解决方案，为每个目标函数分配一个权重以进行缩放。本申请实施例将多目标问题转换为单目标函数，如下所示：

由于有两个目标函数，令δ₁＝δ，δ₂＝1-δ，所以：

令

使用F-范数，得到：

设置多目标问题的权重，以便获得最小范数元素λ，即|||ξ||最小化。

本领域技术人员应该理解到的是，如图7所示，VCU给出电驱动系统相关指令后，信号进入PMSM矢量控制系统，基于整车低速条件下的运行工况，根据加速度的取值将整车分为紧急制动、起车、恒速状态：

当整车处于恒速状态时，转矩脉动权重高于电流脉动，系统判断转矩脉动必须小于式(6)定义的约束条件后进行电流脉动控制；最后进行式(17)定义的最小化控制；

当整车处于紧急制动或起车状态时，电流脉动权重高于转矩脉动，系统判断转矩脉动必须小于式(7)(8)定义的约束条件后进行转矩脉动控制；最后进行式(17)定义的最小化控制。

根据本申请实施例提出的应用于新能源汽车的转矩控制优化方法，在新能源汽车处于整车低速条件下的运行工况时，根据预设的约束条件控制电流脉动或转矩脉动，以最小转矩脉动和最小电流脉动为优化目标，优化电动汽车的当前转矩脉动和当前电流脉动，从而在有效缩短转矩响应时间的同时，有效抑制电驱动系统在低转速情况下的转矩脉动，提升用户体验。由此，解决了针对高转矩脉动抑制的同时，快速精确的跟踪响应的问题无法得到有效解决，尤其是驱动电机转矩动态响应时间，会对整车动力性能和状态切换、动态协调控制的效果产生一定影响的技术问题。

其次参照附图描述根据本申请实施例提出的应用于新能源汽车的转矩控制优化装置。

图8是本申请实施例的应用于新能源汽车的转矩控制优化装置的方框示意图。

如图8所示，该应用于新能源汽车的转矩控制优化装置10包括：检测模块100、识别模块200和优化模块300。

其中，检测模块100用于检测新能源汽车的当前运行工况；

识别模块200用于在检测到所述当前运行工况为整车低速运行工况时，获取所述新能源汽车的实际加速度，并基于所述实际加速度识别转矩脉动与电流脉动的当前权重配比关系；以及

优化模块300用于在若所述转矩脉动的权重配比高于所述电流脉动的权重配比，则根据预设的约束条件约束所述电流脉动的同时，优化所述新能源汽车的当前转矩脉动和当前电流脉动为最小值，否则根据所述预设的约束条件约束所述转矩脉动的同时，优化所述当前转矩脉动和所述当前电流脉动为最小值。

可选地，所述基于所述实际加速度识别所述当前权重配比关系之前，所述识别模块，还包括：

获取单元，用于获取所述新能源汽车的整车相关参数；

生成单元，用于基于所述新能源汽车的整车相关参数生成所述预设的约束条件中转矩脉动与驱动电机的出力约束条件和所述当前运行工况的响应时间约束条件。

需要说明的是，前述对应用于新能源汽车的转矩优化方法实施例的解释说明也适用于该实施例的应用于新能源汽车的转矩优化装置，此处不再赘述。

根据本申请实施例提出的应用于新能源汽车的转矩优化装置，，在新能源汽车处于整车低速条件下的运行工况时，根据预设的约束条件控制电流脉动或转矩脉动，以最小转矩脉动和最小电流脉动为优化目标，优化电动汽车的当前转矩脉动和当前电流脉动，从而在有效缩短转矩响应时间的同时，有效抑制电驱动系统在低转速情况下的转矩脉动，提升用户体验。由此，解决了针对高转矩脉动抑制的同时，快速精确的跟踪响应的问题无法得到有效解决，尤其是驱动电机转矩动态响应时间，会对整车动力性能和状态切换、动态协调控制的效果产生一定影响的技术问题。

本申请实施例还提出了一种整车控制器，其包括上述实施例所述的应用于新能源汽车的转矩控制优化装置。该整车控制器可以在新能源汽车处于整车低速条件下的运行工况时，根据预设的约束条件控制电流脉动或转矩脉动，以最小转矩脉动和最小电流脉动为优化目标，优化电动汽车的当前转矩脉动和当前电流脉动，从而在有效缩短转矩响应时间的同时，有效抑制电驱动系统在低转速情况下的转矩脉动，提升用户体验。由此，解决了针对高转矩脉动抑制的同时，快速精确的跟踪响应的问题无法得到有效解决，尤其是驱动电机转矩动态响应时间，会对整车动力性能和状态切换、动态协调控制的效果产生一定影响的技术问题。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或N个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种应用于新能源汽车的转矩优化方法，其特征在于，包括以下步骤：

检测新能源汽车的当前运行工况；

在检测到所述当前运行工况为整车低速运行工况时，获取所述新能源汽车的实际加速度，并基于所述实际加速度识别转矩脉动与电流脉动的当前权重配比关系；以及

若所述转矩脉动的权重配比高于所述电流脉动的权重配比，则根据预设的约束条件约束所述电流脉动的同时，优化所述新能源汽车的当前转矩脉动和当前电流脉动为最小值，否则根据所述预设的约束条件约束所述转矩脉动的同时，优化所述当前转矩脉动和所述当前电流脉动为最小值。

2.根据权利要求1所述的方法，其特征在于，所述基于所述实际加速度识别所述当前权重配比关系之前，还包括：

获取所述新能源汽车的整车相关参数；

基于所述新能源汽车的整车相关参数生成所述预设的约束条件中转矩脉动与驱动电机的出力约束条件和所述当前运行工况的响应时间约束条件。

3.根据权利要求1所述的方法，其特征在于，所述基于所述实际加速度识别转矩脉动与电流脉动的当前权重配比关系，包括：

若所述实际加速度大于馈电额定阈值，且小于电动额定阈值，则判定所述新能源汽车处于恒速状态，其中，所述转矩脉动的权重配比高于所述电流脉动的权重配比；

若所述实际加速度小于所述馈电额定阈值，则判定所述新能源汽车处于紧急制动状态，其中，所述电流脉动的权重配比高于所述转矩脉动的权重配比；

若所述实际加速度大于发电额定阈值，则判定所述新能源汽车处于起车状态，其中，所述电流脉动的权重配比高于所述转矩脉动的权重配比。

4.根据权利要求1所述的方法，其特征在于，所述若所述转矩脉动的权重配比高于所述电流脉动的权重配比，则根据预设的约束条件约束所述电流脉动的同时，优化所述新能源汽车的当前转矩脉动和当前电流脉动为最小值，包括：

采用基于在线调整PI增益的自适应PI控制器，使得最小化预设的成本函数，生成所述预设的约束条件内所述电流脉动的控制信号。

5.根据权利要求4所述的方法，其特征在于，所述预设的成本函数为：

其中，e^I为实际电流与参考电流的差值，T为系统采样周期。

6.根据权利要求1所述的方法，其特征在于，所述根据所述预设的约束条件约束所述转矩脉动的同时，优化所述当前转矩脉动和所述当前电流脉动为最小值，包括：

通过使用自适应迭代学习的控制器输出的数据和上一个迭代周期的错误信息，按迭代学习定律生成在所述预设的约束条件内的下一个迭代周期的转矩脉动控制信号。

7.根据权利要求6所述的方法，其特征在于，所述迭代学习定律为：

其中，δ₂为控制电流脉动的权重系数；K_g2为2×2的对角正定矩阵，确定收敛速度，sgn为符号向量，γ₂＝[γ₂₁ γ₂₂]^T为2×1的向量优化学习增益及松弛因子的矩阵。

8.一种应用于新能源汽车的转矩优化装置，其特征在于，包括：

检测模块，用于检测新能源汽车的当前运行工况；

识别模块，用于在检测到所述当前运行工况为整车低速运行工况时，获取所述新能源汽车的实际加速度，并基于所述实际加速度识别转矩脉动与电流脉动的当前权重配比关系；以及

优化模块，用于在若所述转矩脉动的权重配比高于所述电流脉动的权重配比，则根据预设的约束条件约束所述电流脉动的同时，优化所述新能源汽车的当前转矩脉动和当前电流脉动为最小值，否则根据所述预设的约束条件约束所述转矩脉动的同时，优化所述当前转矩脉动和所述当前电流脉动为最小值。

9.根据权利要求8所述的装置，其特征在于，所述基于所述实际加速度识别所述当前权重配比关系之前，所述识别模块，还包括：

获取单元，用于获取所述新能源汽车的整车相关参数；

生成单元，用于基于所述新能源汽车的整车相关参数生成所述预设的约束条件中转矩脉动与驱动电机的出力约束条件和所述当前运行工况的响应时间约束条件。

10.一种整车控制器，其特征在于，包括：如权利要求7-9任一项所述的应用于新能源汽车的转矩优化装置。

Images