CN113525343A - 一种增程式电动汽车能量流优化控制方法 - Google Patents

Abstract

本发明公开了一种增程式电动汽车能量流优化控制方法，包括以下步骤：整车能量需求大于内部电池组所能提供能量，确定增程器系统的状态方程；优化目标增程器系统的性能指标，得到增程器系统性能的泛函指标描述；得到离散化后的泛函性能指标和哈密顿函数；求解对应泛函梯度；对增程器内发动机和发电机的扭矩控制矢量进行饱和处理；给定经验值迭代最大值，最终得到使得增程器最优控制变量；将最优控制变量传入增程器内部发动机和发电机，对电动汽车进行控制。本发明将增程器的性能使用具体的函数表示出来进行量化，并通过优化算法进行优化得到最优控制变量并输入到发动机与发电机中得到增程器的最优性能，从而减少整车油耗增加汽车的行驶里程。

Description

一种增程式电动汽车能量流优化控制方法

技术领域

本发明涉及一种增程式电动汽车能量流优化控制方法。

背景技术

汽车动力系统随着科技的快速发展而飞速发展，混合动力汽车已经成为现阶段降低油耗增加汽车行程的最有效的技术之一。增程式电动汽车就是将车载充电器加载到纯电动汽车上，让它能够不仅拥有纯电动汽车的优点，还能够克服纯电动汽车续航里程不足的缺陷，从而在很大程度上提升了电动汽车的续航能力。因此，如何根据增程式电动汽车内部控制器的能量需求提高增程器的性能使得汽车行程能够更远，是提高增程式电动汽车汽车能量利用率、效率的关键课题。

发明内容

为了解决上述技术问题，本发明提供一种算法简单、控制精度高的增程式电动汽车能量流优化控制方法。

本发明解决上述技术问题的技术方案是：一种增程式电动汽车能量流优化控制方法，包括以下步骤：

步骤一：判断整车能量需求是否大于内部电池组所能提供能量，若是，则进入步骤二；

步骤二：获取增程器系统需求能量、增程器能量输出、增程器能量损失、发动机转速和对应时刻，确定增程器系统的状态方程；

步骤三：优化目标增程器系统的性能指标，并进一步得到增程器系统性能的泛函指标描述；

步骤四：进行离散化处理，得到离散化后的泛函性能指标，并构造哈密顿函数；

步骤五：求解对应泛函梯度；

步骤六：对增程器内发动机和发电机的扭矩控制矢量进行饱和处理，使得其转矩转速在实际范围内；

步骤七：给定经验值迭代最大值，使得在指定的时间内结束迭代的同时保持收敛保证实时性，最终得到使得增程器最优控制变量；

步骤八：将最优控制变量传入增程器内部发动机和发电机，对电动汽车进行控制。

上述增程式电动汽车能量流优化控制方法，所述步骤二中，获取增程器系统需求能量W_cmd、增程器能量输出W_g、增程器能量损失W₁、转速ω和对应时刻t_f；增程器系统内发动机和ISG电机为同轴刚性连接其转速相同，其中发动机通过转矩给定的模式，通过对电控单元发送发动机转矩指令T_e来实现输出的控制，相应的ISG电机控制器通过电动机转矩指令T_g实现控制；

发动机和发电机的转速、转矩与效率之间存在对应关系，发动机效率η_e(ω,T_e)和发电机效率η_g(ω,T_g)采用二维数据表来表示，其中，增程控制系统用如下的状态方程表示：

其中，J_m为转动惯量，B为粘滞摩擦系数。

上述增程式电动汽车能量流优化控制方法，所述步骤三中，增程器系统的性能用以下指标J进行量化：

J＝ε₁(W_g-W_cmd)²+ε₂W₁ ²

以上的指标J尽可能小，以使得增程器产生的能量接近给定值的同时能量损失尽可能小，其中ε₁和ε₂表示权重，为两个常数；

对变量采用向量化表示，使得x＝[ω W_g W₁]^T和u＝[T_e T_g]^T，系统的状态方程表示为如下的约束方程形式：

其中，f[x(t),u(t),t]＝[f₁(·) f₂(·) f₃(·)]^T，具体变量f₁(·)、f₂(·)、f₃(·)表述为：

x₁指的是向量x的第一个量ω，x₂指的是向量x的第二个量W_g，x₃指的是向量x的第三个量W₁，u₁指的是向量u的第一个量T_e,u₂指的是向量u的第二个量T_g；

进一步的，增程器系统性能的泛函指标描述为：

上述增程式电动汽车能量流优化控制方法，所述步骤四中，在增程器的控制过程当中，控制器按照末端时刻节拍不断发送能量需求指令，在每个控制周期内，初始状态为x(t₀)＝[ω₀ 0 0]^T，其中，t₀为初始转速，即为上一时刻的最终转速，并设定初始输出能量和损失能量为0，电动汽车增程器燃油效率优化控制问题为一个固定始端、可变终端的终端型最优控制问题；

发动机效率η_e(ω,T_e)和发电机效率η_g(ω,T_g)为离线测量的万有特性曲线，为了控制的实现，进行离散化处理，将公式

进行离散化表示为如下的方程：

x(k+1)＝F[x(k),u(k),k]·Δt+x(k)

连续时间t离散化为N个点，参数k表示离散化后的第k点；其中，Δt为一个采样节拍周期占用的时间，且有如下关系：

k＝0,1,2…,N-1,f[x(t),u(t),t]＝[f_1k(·) f_2k(·) f_3k(·)]^T

函数具体表述为：

离散系统下的性能指标表达为泛函如下：

构造如下哈密顿函数：

H_k＝λ^T(k+1)F[x(k),u(k),k]

H_k表示表示在k时的哈密顿函数，λ表示哈密顿函数的伴随量；

伴随方程如下：

其中，

λ(k)表示k时的伴随量；

公式

可得如下边界方程：

λ(N)表示代表离散化后的最大点N，即最终时刻的伴随量。

上述增程式电动汽车能量流优化控制方法，所述步骤五中，对应泛函J的梯度为：

为了方便计算，对

的计算进行如下处理：

对其采用线性插值进行计算得到如下公式：

其中，ω_b，ω_s是x₁(k)上下两个方向取的发电机转速，效率表中的转速有效数据，Δω＝ω_b-ω_s，T_b和T_s是u₂(k)上下两个方向上取的发电机转矩，效率表中的转矩有效数据，η_g[ω_s,u₂(k)]的计算过程与上述流程相同；对于发动机效率取如下公式：

采用线性插值方法得到：

其中，ΔT＝T_b-T_s，η_e[x₁(k),T_s]的计算过程与上述流程相同。

上述增程式电动汽车能量流优化控制方法，所述步骤六中，由于受到物理上的限制，发动机和发电机的扭矩控制矢量u＝[T_e T_g]^T并不能在空间类任意取值，其受到发电机和发动机最大和最小转矩的限制，而发动机和发电机的最大转矩是转速的函数，标示为T_emax(ω)和T_gmax(ω)，最小转矩都定义为0，并在控制工程中，对控制变量做如下的饱和处理：

与此同时，增程器的转速也受到最高和最低转速的限制，ω_max为发动机和发电机最高转速的较小者，ω_min为发动机怠速。

上述增程式电动汽车能量流优化控制方法，所述步骤七中，在x₁(k)>ω_max的情况下，需在k-1时刻减小发动机转矩的同时增加k-1时刻的发电机转矩，并对k时刻的增程器转速进行重新计算；而在x₁(k)<ω_min的情况下，需在k时刻增大发动机转矩的同时减小发电机转矩，以便k时刻的增程器转速得到提高；即当x₁(k)>ω_max时，重新计算如下公式：

当x₁(k)<ω_min的时候，重新计算如下公式：

上面两个公式中，τ为控制变量的计算步长，采用如下公式更新：

τ＝(T_emax[x₁(k)]+T_gmax[x₁(k)])/200

增程式电动汽车车型的效率参数，结合多项式拟合方法得到的发动机和发电机转矩边界发动机的最大转矩特性拟合公式为：

T_emax(ω)＝ρ₄ω⁴+ρ₃ω³+ρ₂ω²+ρ₁ω¹+ρ₀

发电机的最大转矩特性采用分段拟合方法，拟合公式为：

其中，ρ₀、ρ₁、ρ₂、ρ₃、ρ₄、p₀、p₁、q₁、q₂均为中间变量，是根据实际增程式电动汽车中发动机与发动机的转矩边界图计算而来。

本发明的有益效果在于：本发明将增程器的性能使用具体的函数表示出来进行量化，并通过一种多目标优化算法进行优化得到最优控制变量发动机与发电机的扭矩，最终将最优控制变量通过增程式优化控制器输入到发动机与发电机中得到增程器的最优性能，从而减少整车油耗增加汽车的行驶里程。

附图说明

图1为本发明的流程图。

图2为增程控制器工作原理示意图。

图3为全局优化流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

如图1所示，一种增程式电动汽车能量流优化控制方法，包括以下步骤：

步骤一：判断整车能量需求是否大于内部电池组所能提供能量，若是，则进入步骤二。

步骤二：获取增程器系统需求能量、增程器能量输出、增程器能量损失、发动机转速和对应时刻，确定增程器系统的状态方程。

获取增程器系统需求能量W_cmd、增程器能量输出W_g、增程器能量损失W₁、发动机转速ω和对应时刻t_f。

增程式优化控制器的工作原理如图2所示，增程器系统内发动机和ISG电机为同轴刚性连接，其中发动机通过转矩给定的模式，通过对电控单元发送发动机转矩指令T_e来实现输出的控制，相应的ISG电机控制器通过电动机转矩指令T_g实现控制；

发动机和发电机的转速、转矩与效率之间存在对应关系，发动机效率η_e(ω,T_e)和发电机效率η_g(ω,T_g)采用二维数据表来表示，其中，增程控制系统用如下的状态方程表示：

其中，J_m为转动惯量，B为粘滞摩擦系数。

步骤三：优化目标增程器系统的性能指标，并进一步得到增程器系统性能的泛函指标描述。

增程器系统的性能用以下指标J进行量化：

J＝ε₁(W_g-W_cmd)²+ε₂W₁ ²

以上的指标J尽可能小，以使得增程器产生的能量接近给定值的同时能量损失尽可能小，其中ε₁和ε₂表示权重，为两个常数；

对变量采用向量化表示，使得x＝[ω W_g W₁]^T和u＝[T_e T_g]^T，系统的状态方程表示为如下的约束方程形式：

其中，f[x(t),u(t),t]＝[f₁(·) f₂(·) f₃(·)]^T，具体变量f₁(·)、f₂(·)、f₃(·)表述为：

x₁指的是向量x的第一个量ω，x₂指的是向量x的第二个量W_g，x₃指的是向量x的第三个量W₁，u₁指的是向量u的第一个量T_e,u₂指的是向量u的第二个量T_g；

进一步的，增程器系统性能的泛函指标描述为：

步骤四：进行离散化处理，得到离散化后的泛函性能指标，并构造哈密顿函数。

在增程器的控制过程当中，控制器按照末端时刻节拍不断发送能量需求指令，在每个控制周期内，初始状态为x(t₀)＝[ω₀00]^T，其中，t₀为初始转速，即为上一时刻的最终转速，并设定初始输出能量和损失能量为0，电动汽车增程器燃油效率优化控制问题为一个固定始端、可变终端的终端型最优控制问题；

发动机效率η_e(ω,T_e)和发电机效率η_g(ω,T_g)为离线测量的万有特性曲线，为了控制的实现，进行离散化处理，将公式

进行离散化表示为如下的方程：

x(k+1)＝F[x(k),u(k),k]·Δt+x(k)

连续时间t离散化为N个点，参数k表示离散化后的第k点；其中，Δt为一个采样节拍周期占用的时间，且有如下关系：

k＝0,1,2…,N-1,f[x(t),u(t),t]＝[f₁(·) f₂(·) f₃(·)]^T

函数具体表述为：

离散系统下的性能指标表达为泛函如下：

构造如下哈密顿函数：

H_k＝λ^T(k+1)F[x(k),u(k),k]

H_k表示表示在k时的哈密顿函数，λ表示哈密顿函数的伴随量；

伴随方程如下：

其中，

λ(k)表示k时的伴随量；

公式

可得如下边界方程：

λ(N)表示代表离散化后的最大点N，即最终时刻的伴随量。

步骤五：求解对应泛函梯度。

对应泛函J的梯度为：

为了方便计算，对

的计算进行如下处理：

对其采用线性插值进行计算得到如下公式：

其中，ω_b，ω_s是x₁(k)上下两个方向取的发电机转速，效率表中的转速有效数据，Δω＝ω_b-ω_s，T_b和T_s是u₂(k)上下两个方向上取的发电机转矩，效率表中的转矩有效数据，η_g[ω_s,u₂(k)]的计算过程与上述流程相同；对于发动机效率取如下公式：

采用线性插值方法得到：

其中，ΔT＝T_b-T_s，η_e[x₁(k),T_s]的计算过程与上述流程相同。

步骤六：对增程器内发动机和发电机的扭矩控制矢量进行饱和处理，使得其转矩转速在实际范围内。

由于受到物理上的限制，发动机和发电机的扭矩控制矢量u＝[T_e T_g]^T并不能在空间类任意取值，其受到发电机和发动机最大和最小转矩的限制，而发动机和发电机的最大转矩是转速的函数，标示为T_emax(ω)和T_gmax(ω)，最小转矩都定义为0，并在控制工程中，对控制变量做如下的饱和处理：

与此同时，增程器的转速也受到最高和最低转速的限制，ω_max为发动机和发电机最高转速的较小者，ω_min为发动机怠速。

步骤七：给定经验值迭代最大值，使得在指定的时间内结束迭代的同时保持收敛保证实时性，最终得到使得增程器最优控制变量。

在x₁(k)>ω_max的情况下，需在k-1时刻减小发动机转矩的同时增加k-1时刻的发电机转矩，并对k时刻的增程器转速进行重新计算；而在x₁(k)<ω_min的情况下，需在k时刻增大发动机转矩的同时减小发电机转矩，以便k时刻的增程器转速得到提高；即当x₁(k)>ω_max时，重新计算如下公式：

当x₁(k)<ω_min的时候，重新计算如下公式：

上面两个公式中，τ为控制变量的计算步长，采用如下公式更新：

τ＝(T_emax[x₁(k)]+T_gmax[x₁(k)])/200

增程式电动汽车车型的效率参数，结合多项式拟合方法得到的发动机和发电机转矩边界发动机的最大转矩特性拟合公式为：

T_emax(ω)＝ρ₄ω⁴+ρ₃ω³+ρ₂ω²+ρ₁ω¹+ρ₀

发电机的最大转矩特性采用分段拟合方法，拟合公式为：

其中，ρ₀、ρ₁、ρ₂、ρ₃、ρ₄、p₀、p₁、q₁、q₂均为中间变量，是根据实际增程式电动汽车中发动机与发动机的转矩边界图计算而来，全局优化具体流程图如图3所示，i_max由经验值确定,它应能够在大多数情况使在特定的时间内结束迭代的同时保证收敛，保证增程器燃油效率优化控制系统的实时性。

步骤八：将最优控制变量传入增程器内部发动机和发电机，对电动汽车进行控制。

本发明将增程器的性能使用具体的函数表示出来进行量化，并通过一种多目标优化算法进行优化得到最优控制变量发动机与发电机的扭矩，最终将最优控制变量通过增程式优化控制器输入到发动机与发电机中得到增程器的最优性能，从而减少整车油耗增加汽车的行驶里程。算法当中的迭代最大值i_max由经验值确定,它应能够在大多数情况使在特定的时间内结束迭代的同时保证收敛，保证增程器燃油效率优化控制系统的实时性。

Claims (7)

1.一种增程式电动汽车能量流优化控制方法，其特征在于，包括以下步骤：

步骤一：判断整车能量需求是否大于内部电池组所能提供能量，若是，则进入步骤二；

步骤二：获取增程器系统需求能量、增程器能量输出、增程器能量损失、发动机转速和对应时刻，确定增程器系统的状态方程；

步骤三：优化目标增程器系统的性能指标，并进一步得到增程器系统性能的泛函指标描述；

步骤四：进行离散化处理，得到离散化后的泛函性能指标，并构造哈密顿函数；

步骤五：求解对应泛函梯度；

步骤六：对增程器内发动机和发电机的扭矩控制矢量进行饱和处理，使得其转矩转速在实际范围内；

步骤七：给定经验值迭代最大值，使得在指定的时间内结束迭代的同时保持收敛保证实时性，最终得到使得增程器最优控制变量；

步骤八：将最优控制变量传入增程器内部发动机和发电机，对电动汽车进行控制。

2.根据权利要求1所述的增程式电动汽车能量流优化控制方法，其特征在于，所述步骤二中，获取增程器系统需求能量W_cmd、增程器能量输出W_g、增程器能量损失W₁、转速ω和对应时刻t_f；增程器系统内发动机和ISG电机为同轴刚性连接其转速相同，其中发动机通过转矩给定的模式，通过对电控单元发送发动机转矩指令T_e来实现输出的控制，相应的ISG电机控制器通过电动机转矩指令T_g实现控制；

发动机和发电机的转速、转矩与效率之间存在对应关系，发动机效率η_e(ω,T_e)和发电机效率η_g(ω,T_g)采用二维数据表来表示，其中，增程控制系统用如下的状态方程表示：

其中，J_m为转动惯量，B为粘滞摩擦系数。

3.根据权利要求2所述的增程式电动汽车能量流优化控制方法，其特征在于，所述步骤三中，增程器系统的性能用以下指标J进行量化：

J＝ε₁(W_g-W_cmd)²+ε₂W₁ ²

以上的指标J尽可能小，以使得增程器产生的能量接近给定值的同时能量损失尽可能小，其中ε₁和ε₂表示权重，为两个常数；

对变量采用向量化表示，使得x＝[ω W_g W₁]^T和u＝[T_e T_g]^T，系统的状态方程表示为如下的约束方程形式：

其中，f[x(t),u(t),t]＝[f₁(·) f₂(·) f₃(·)]^T，具体变量f₁(·)、f₂(·)、f₃(·)表述为：

x₁指的是向量x的第一个量ω，x₂指的是向量x的第二个量W_g，x₃指的是向量x的第三个量W₁，u₁指的是向量u的第一个量T_e,u₂指的是向量u的第二个量T_g；

进一步的，增程器系统性能的泛函指标描述为：

4.根据权利要求3所述的增程式电动汽车能量流优化控制方法，其特征在于，所述步骤四中，在增程器的控制过程当中，控制器按照末端时刻节拍不断发送能量需求指令，在每个控制周期内，初始状态为x(t₀)＝[ω₀ 0 0]^T，其中，t₀为初始转速，即为上一时刻的最终转速，并设定初始输出能量和损失能量为0，电动汽车增程器燃油效率优化控制问题为一个固定始端、可变终端的终端型最优控制问题；

发动机效率η_e(ω,T_e)和发电机效率η_g(ω,T_g)为离线测量的万有特性曲线，为了控制的实现，进行离散化处理，将公式

进行离散化表示为如下的方程：

x(k+1)＝F[x(k),u(k),k]·Δt+x(k)

连续时间t离散化为N个点，参数k表示离散化后的第k点；其中，Δt为一个采样节拍周期占用的时间，且有如下关系：

k＝0,1,2…,N-1,f[x(t),u(t),t]＝[f_1k(·) f_2k(·) f_3k(·)]^T

函数具体表述为：

离散系统下的性能指标表达为泛函如下：

构造如下哈密顿函数：

H_k＝λ^T(k+1)F[x(k),u(k),k]

H_k表示表示在k时的哈密顿函数，λ表示哈密顿函数的伴随量；

伴随方程如下：

其中，

λ(k)表示k时的伴随量；

公式

可得如下边界方程：

λ(N)表示代表离散化后的最大点N，即最终时刻的伴随量。

5.根据权利要求4所述的增程式电动汽车能量流优化控制方法，其特征在于，所述步骤五中，对应泛函J的梯度为：

为了方便计算，对

的计算进行如下处理：

对其采用线性插值进行计算得到如下公式：

其中，ω_b，ω_s是x₁(k)上下两个方向取的发电机转速，效率表中的转速有效数据，Δω＝ω_b-ω_s，T_b和T_s是u₂(k)上下两个方向上取的发电机转矩，效率表中的转矩有效数据，η_g[ω_s,u₂(k)]的计算过程与上述流程相同；对于发动机效率取如下公式：

采用线性插值方法得到：

其中，ΔT＝T_b-T_s，η_e[x₁(k),T_s]的计算过程与上述流程相同。

6.根据权利要求5所述的增程式电动汽车能量流优化控制方法，其特征在于，所述步骤六中，由于受到物理上的限制，发动机和发电机的扭矩控制矢量u＝[T_e T_g]^T并不能在空间类任意取值，其受到发电机和发动机最大和最小转矩的限制，而发动机和发电机的最大转矩是转速的函数，标示为T_emax(ω)和T_gmax(ω)，最小转矩都定义为0，并在控制工程中，对控制变量做如下的饱和处理：

与此同时，增程器的转速也受到最高和最低转速的限制，ω_max为发动机和发电机最高转速的较小者，ω_min为发动机怠速。

7.根据权利要求6所述的增程式电动汽车能量流优化控制方法，其特征在于，所述步骤七中，在x₁(k)>ω_max的情况下，需在k-1时刻减小发动机转矩的同时增加k-1时刻的发电机转矩，并对k时刻的增程器转速进行重新计算；而在x₁(k)<ω_min的情况下，需在k时刻增大发动机转矩的同时减小发电机转矩，以便k时刻的增程器转速得到提高；即当x₁(k)>ω_max时，重新计算如下公式：

当x₁(k)<ω_min的时候，重新计算如下公式：

上面两个公式中，τ为控制变量的计算步长，采用如下公式更新：

τ＝(T_emax[x₁(k)]+T_gmax[x₁(k)])/200

增程式电动汽车车型的效率参数，结合多项式拟合方法得到的发动机和发电机转矩边界发动机的最大转矩特性拟合公式为：

T_emax(ω)＝ρ₄ω⁴+ρ₃ω³+ρ₂ω²+ρ₁ω¹+ρ₀

发电机的最大转矩特性采用分段拟合方法，拟合公式为：

其中，ρ₀、ρ₁、ρ₂、ρ₃、ρ₄、p₀、p₁、q₁、q₂均为中间变量，是根据实际增程式电动汽车中发动机与发动机的转矩边界图计算而来。

Images