CN113682292A - Cvt并联型混合动力汽车的实时预测能量管理方法及装置 - Google Patents

Cvt并联型混合动力汽车的实时预测能量管理方法及装置 Download PDF

Info

Publication number
CN113682292A
CN113682292A CN202110267519.6A CN202110267519A CN113682292A CN 113682292 A CN113682292 A CN 113682292A CN 202110267519 A CN202110267519 A CN 202110267519A CN 113682292 A CN113682292 A CN 113682292A
Authority
CN
China
Prior art keywords
cvt
energy management
real
engine
vehicle
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.)
Granted
Application number
CN202110267519.6A
Other languages
English (en)
Other versions
CN113682292B (zh
Inventor
马泽涛
舒杰
崔琼
刘梦华
黄磊
王浩
吴昌宏
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.)
Guangzhou Institute of Energy Conversion of CAS
Original Assignee
Guangzhou Institute of Energy Conversion of CAS
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 Guangzhou Institute of Energy Conversion of CAS filed Critical Guangzhou Institute of Energy Conversion of CAS
Priority to CN202110267519.6A priority Critical patent/CN113682292B/zh
Publication of CN113682292A publication Critical patent/CN113682292A/zh
Application granted granted Critical
Publication of CN113682292B publication Critical patent/CN113682292B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60W20/00—Control systems specially adapted for hybrid vehicles
    • B60W20/10—Controlling the power contribution of each of the prime movers to meet required power demand
    • B60W20/11—Controlling the power contribution of each of the prime movers to meet required power demand using model predictive control [MPC] strategies, i.e. control methods based on models predicting performance
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0031—Mathematical model of the vehicle
    • B60W2050/0034—Multiple-track, 2D vehicle model, e.g. four-wheel model

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种CVT并联型混合动力汽车的实时预测能量管理方法，包括如下步骤：S1：建立整车纵向动力学模型；S2：定义混合动力模式下的复合功率源，S3：离线优化混合动力模式和纯电动模式下的工作点；S4：建立模型预测控制的优化问题，并采用最小化原理与动态规划相结合的全局优化算法来求解；S5：构建基于模型预测控制的实时能量管理。本发明通过提出CVT混合动力传动系的复合功率源定义，简化CVT并联型混合动力汽车的控制模型，可以综合未来工况求解当前的最优控制量，进一步降低整车油耗，同时采用最小化原理与动态规划相结合的全局优化算法，来减少模型预测控制的运算量，减轻了整车控制器的运算负担，从而减少了控制器成本。

Description

CVT并联型混合动力汽车的实时预测能量管理方法及装置
技术领域
本发明涉及新能源汽车相关技术领域，特别是涉及一种CVT并联型混合动力汽车的实时预测能量管理方法。
背景技术
采用机械无级变速器(Continuous variable transmission,CVT)的并联型混合动力汽车，其发动机转速和转矩可以实现与车轮的完全解耦，从而实现整车的高效运行。尤其地，当采用基于模型预测控制的能量管理策略时，可以综合未来工况求解当前的最优控制量，进一步降低整车油耗，然而，现有技术中并没有公开基于模型预测控制CVT并联型混合动力汽车的实时预测能量管理方法。
发明内容
本发明的目的在于克服上述现有技术的不足，提供一种CVT并联型混合动力汽车的实时预测能量管理方法，以降低整车油耗，并减少模型预测控制的运算量，减轻了整车控制器的运算负担，从而减少了控制器成本。
为实现上述目的，本发明的技术方案是：
第一方面，本发明实施例提供了一种CVT并联型混合动力汽车的实时预测能量管理方法，包括如下步骤：
S1：建立整车纵向动力学模型；
S2：定义混合动力模式下的复合功率源，
S3：离线优化混合动力模式和纯电动模式下的工作点；
S4：建立模型预测控制的优化问题，并采用最小化原理与动态规划相结合的全局优化算法来求解；
S5：构建基于模型预测控制的实时能量管理。
进一步地，所述S1中CVT并联型混合动力汽车的整车纵向动力学模型可以表示为：
Te(t)+Tm(t)＝Td′(t) (1)
Figure RE-GDA0003036970810000021
ωe(t)＝ωm(t)＝ωd′(t)＝ic(t)ωd(t) (3)
Figure RE-GDA0003036970810000022
Figure RE-GDA0003036970810000023
其中，Te、Tm、Td′和Td分别为发动机转矩、电机转矩和等效至CVT输入端与主减速器输入端的需求转矩；ωe、ωm、ωd′和ωd分别为发动机转速、电机转速和CVT输入端与主减速器输入端的转速；if和ic分别为主减速器和CVT的速比， r为车轮半径；ρ为空气密度，Cd为风阻系数，A为迎风面积，v为车速，θ为道路坡度，g为重力加速度，m为整车质量，ηf和ηc分别分主减速器和CVT的效率。
进一步，所述S2中混合动力模式下的复合功率源是将发动机、电机和无级变速器即CVT看成一个整体，其净输出功率可以表示为：
Figure RE-GDA0003036970810000024
其中，Pc是复合功率源的净输出功率，Bm为电机的功率损耗函数，可以是拟合函数也可以是表格；
进一步，所述S3中混合动力模式和纯电动模式下的工作点优化问题可以表示为：
(1)、混合动力模式下的工作点优化问题可以表示为：
Figure RE-GDA0003036970810000025
subject to:(1)～(6)
max{ωemin,ωdicmin}≤ωe≤min{ωemax,ωmmax,ωdicmax} (7-b)
Pc(t)∈Pc,ωd(t)∈Ωd,Td(t)∈Td (7-c)
Figure RE-GDA0003036970810000031
Figure RE-GDA0003036970810000032
Figure RE-GDA0003036970810000033
Figure RE-GDA0003036970810000034
其中，
Figure RE-GDA0003036970810000035
是在(ωd,Td)下输出Pc时的最优转速工作点，
Figure RE-GDA0003036970810000036
是发动机燃油消耗率，
Figure RE-GDA0003036970810000037
是汽车在工况点(ωd,Td)下复合功率源输出功率为Pc时的最小燃油消耗率，
Figure RE-GDA0003036970810000038
和
Figure RE-GDA0003036970810000039
为复合功率源在(ωd,Td)下的功率上下限，Ωd、Td和Pc为划分网格点的集合，Pc(ωe,ωd,Td)为可行工作点下复合功率源的输出功率，icmin和icmax是主减速器的最小和最大速比，ωemin和ωemax是发动机最小和最大转速，ωmmax是电机最大转速；
通过离线计算，
Figure RE-GDA00030369708100000310
可以预存成四维表格，
Figure RE-GDA00030369708100000311
和
Figure RE-GDA00030369708100000312
可以预存成三维表格，分别由能量管理策略调用；当工况点不在所划分的网格点上时，可以采用插值法得到
Figure RE-GDA00030369708100000313
和
Figure RE-GDA00030369708100000314
当整车不存在满足(ωd,Td)下复合功率源输出Pc的工作点时，令
Figure RE-GDA00030369708100000315
为无穷大；
(2)、纯电动模式下的工作点优化问题可以表示为：
Figure RE-GDA00030369708100000316
subject to:(1)～(5)
ωdicmin≤ωm≤min{ωemax,ωmmax,ωdicmax} (8-b)
Figure RE-GDA00030369708100000317
Pm(t)＝Tm(t)ωm(t)+Bm(t) (8-d)
ωd(t)∈Ωd,Td(t)∈Td (8-e)
Figure RE-GDA00030369708100000318
其中，
Figure RE-GDA00030369708100000319
是(ωd,Td)下纯电动模式时的最优电机转左，Pm是电机功率，
Figure RE-GDA00030369708100000320
是最优电机功率；
通过离线计算，
Figure RE-GDA00030369708100000321
可以预存成三维表格，由能量管理策略调用，当工况点不在所划分的网格点上时，可以采用插值法得到
Figure RE-GDA00030369708100000322
当纯电动模式下无法在(ωd,Td)下驱动整车时，令
Figure RE-GDA00030369708100000323
为无穷大；
进一步，所述S4中模型预测控制的优化问题可以表示为：
Figure RE-GDA0003036970810000041
subject to:
x(t)＝1:Pc(t)+Pb(t)＝Td(t)ωd(t)+Bb(t) (9-b)
Figure RE-GDA0003036970810000042
Figure RE-GDA0003036970810000043
x(t+)＝x(t)+ux(t) (9-e)
x(t)∈{0,1} (9-f)
ux(t)∈{-1,0,1} (9-g)
Ebmin≤Eb(t)≤Ebmax (9-h)
Figure RE-GDA0003036970810000044
Eb(t)＝Ebf (9-j)
其中，J是目标函数即油耗，t0和tf是起始与终止时间，Eb为蓄电池的剩余能量，Ebf为蓄电池需达到的终值状态，Ebmin和Ebmax是荷电状态的上下限，x是发动机的开关状态，ux是发动机开关控制动作，t+表示时刻t的下一采样时刻，Bb是蓄电池的损耗，μ为发动机开关切换的处罚系数；
进一步，所述S5中的模型预测控制包括以下步骤：
S51：采用神经网络或者深度学习预测从t0至tf的需求车速
Figure RE-GDA0003036970810000045
依照式(4) 和(5)计主减速器输入端的需求转速
Figure RE-GDA0003036970810000046
和需求转矩
Figure RE-GDA0003036970810000047
S52：将
Figure RE-GDA0003036970810000048
Eb(t0)和x(t0)作为输入，采用动态规划或者动态规划与庞特里亚金最小化原理相结合的方法求解权利要求4中如式(9)所示的优化问题；
S53：利用S52中求得的控制量Pc(t0)，Pm(t0)和ux(t0)，通过反向寻优求解发动机转矩指令Tecmd(t0)、电机转矩指令Tmcmd(t0)和CVT速比指令iccmd(t0)，并让各部件执行指令；
进一步，所述S53中通过反向寻优的CVT速比指令iccmd(t0)不满足CVT速比变化需求|iccmd(t0)-ic(t0)|≤Δc时，令iccmd(t0)＝ic(t0)+sign(iccmd(t0)-ic(t0))×Δc作为已知量，结合S52中求得的控制量Pc(t0)，Pm(t0)和ux(t0)，重新反向求得发动机转矩指令 Tecmd(t0)、电机转矩指令Tmcmd(t0)，并让各部件执行指令；
其中，Δc为CVT所允许的最大变化率。
第二方面，本发明实施例提供了一种CVT并联型混合动力汽车的实时预测能量管理装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上任一所述方法的步骤。
第三方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上任一所述方法的步骤。
本发明与现有技术相比，其有益效果在于：
本发明所提供的一种CVT并联型混合动力汽车的实时预测能量管理方法，在综合考虑发动机、电机和CVT等部件的非线性效率的前提下，通过提出CVT 混合动力传动系的复合功率源定义，简化CVT并联型混合动力汽车的控制模型，可以综合未来工况求解当前的最优控制量，进一步降低整车油耗，同时采用最小化原理与动态规划相结合的全局优化算法，来减少模型预测控制的运算量，减轻了整车控制器的运算负担，从而减少了控制器成本。
附图说明
图1为本发明实施例提供的的CVT并联型混合动力汽车的实时预测能量管理方法的流程图。
图2为发明中应用于CVT并联型混合动力汽车的预测能量管理控制框图。
图3为发明中应用的CVT并联型混合动力汽车。
图4为本发明实施例提供的CVT并联型混合动力汽车的实时预测能量管理装置组成示意图。
具体实施方式
实施例1：
图1为本发明的总体实施步骤，图2为发明中应用于CVT并联型混合动力汽车的预测能量管理控制框图，图3为发明中应用的CVT并联型混合动力汽车。
CVT并联型混合动力汽车的实时预测能量管理方法在实施时具体包括以下步骤：
S1：获取参数，建立整车纵向动力学模型；
S2：定义混合动力模式下的复合功率源；
S3：离线优化混合动力模式和纯电动模式下的工作点；
S4：建立模型预测控制的优化问题，并采用最小化原理与动态规划相结合的全局优化算法来求解；
S5：构建基于模型预测控制的实时能量管理，将其应用于CVT并联型混合动力汽车中。
本方法在综合考虑发动机、电机和CVT等部件的非线性效率的前提下，通过提出CVT混合动力传动系的复合功率源定义，简化CVT并联型混合动力汽车的控制模型，可以综合未来工况求解当前的最优控制量，进一步降低整车油耗，同时采用最小化原理与动态规划相结合的全局优化算法，来减少模型预测控制的运算量，减轻了整车控制器的运算负担，从而减少了控制器成。
具体地，所述S1中CVT并联型混合动力汽车的整车纵向动力学模型可以表示为：
Te(t)+Tm(t)＝Td′(t) (1)
Figure RE-GDA0003036970810000061
ωe(t)＝ωm(t)＝ωd′(t)＝ic(t)ωd(t) (3)
Figure RE-GDA0003036970810000062
Figure RE-GDA0003036970810000063
其中，Te、Tm、Td′和Td分别为发动机转矩、电机转矩和等效至CVT输入端与主减速器输入端的需求转矩；ωe、ωm、ωd′和ωd分别为发动机转速、电机转速和CVT输入端与主减速器输入端的转速；if和ic分别为主减速器和CVT的速比， r为车轮半径；ρ为空气密度，Cd为风阻系数，A为迎风面积，v为车速，θ为道路坡度，g为重力加速度，m为整车质量，ηf和ηc分别分主减速器和CVT的效率。
所述S2中混合动力模式下的复合功率源是将发动机、电机和无级变速器即CVT看成一个整体，其净输出功率可以表示为：
Figure RE-GDA0003036970810000071
其中，Pc是复合功率源的净输出功率，Bm为电机的功率损耗函数，可以是拟合函数也可以是表格；
所述S3中，混合动力模式和纯电动模式下的工作点优化问题可以表示为：
(1)、混合动力模式下的工作点优化问题可以表示为：
Figure RE-GDA0003036970810000072
subject to:(1)～(6)
max{ωemin,ωdicmin}≤ωe≤min{ωemax,ωmmax,ωdicmax} (7-b)
Pc(t)∈Pc,ωd(t)∈Ωd,Td(t)∈Td (7-c)
Figure RE-GDA0003036970810000073
Figure RE-GDA0003036970810000074
Figure RE-GDA0003036970810000075
Figure RE-GDA0003036970810000076
其中，
Figure RE-GDA0003036970810000077
是在(ωd,Td)下输出Pc时的最优转速工作点，
Figure RE-GDA0003036970810000078
是发动机燃油消耗率，
Figure RE-GDA0003036970810000079
是汽车在工况点(ωd,Td)下复合功率源输出功率为Pc时的最小燃油消耗率，
Figure RE-GDA00030369708100000710
和
Figure RE-GDA00030369708100000711
为复合功率源在(ωd,Td)下的功率上下限，Ωd、Td和Pc为划分网格点的集合，Pc(ωe,ωd,Td)为可行工作点下复合功率源的输出功率，icmin和icmax是主减速器的最小和最大速比，ωemin和ωemax是发动机最小和最大转速，ωmmax是电机最大转速；
通过离线计算，
Figure RE-GDA00030369708100000712
可以预存成四维表格，
Figure RE-GDA00030369708100000713
和
Figure RE-GDA00030369708100000714
可以预存成三维表格，分别由能量管理策略调用；当工况点不在所划分的网格点上时，可以采用插值法得到
Figure RE-GDA00030369708100000715
和
Figure RE-GDA00030369708100000716
当整车不存在满足(ωd,Td)下复合功率源输出Pc的工作点时，令
Figure RE-GDA00030369708100000717
为无穷大；
(2)、纯电动模式下的工作点优化问题可以表示为：
Figure RE-GDA0003036970810000081
subject to:(1)～(5)
ωdicmin≤ωm≤min{ωemax,ωmmax,ωdicmax} (8-b)
Figure RE-GDA0003036970810000082
Pm(t)＝Tm(t)ωm(t)+Bm(t) (8-d)
ωd(t)∈Ωd,Td(t)∈Td (8-e)
Figure RE-GDA0003036970810000083
其中，
Figure RE-GDA0003036970810000084
是(ωd,Td)下纯电动模式时的最优电机转左，Pm是电机功率，
Figure RE-GDA0003036970810000085
是最优电机功率；
通过离线计算，
Figure RE-GDA0003036970810000086
可以预存成三维表格，由能量管理策略调用，当工况点不在所划分的网格点上时，可以采用插值法得到
Figure RE-GDA0003036970810000087
当纯电动模式下无法在(ωd,Td)下驱动整车时，令
Figure RE-GDA0003036970810000088
为无穷大；
进一步，所述S4中模型预测控制的优化问题可以表示为：
Figure RE-GDA0003036970810000089
subject to:
x(t)＝1:Pc(t)+Pb(t)＝Td(t)ωd(t)+Bb(t) (9-b)
Figure RE-GDA00030369708100000810
Figure RE-GDA00030369708100000811
x(t+)＝x(t)+ux(t) (9-e)
x(t)∈{0,1} (9-f)
ux(t)∈{-1,0,1} (9-g)
Ebmin≤Eb(t)≤Ebmax (9-h)
Figure RE-GDA00030369708100000812
Eb(t)＝Ebf (9-j)
其中，J是目标函数即油耗，t0和tf是起始与终止时间，Eb为蓄电池的剩余能量，Ebf为蓄电池需达到的终值状态，Ebmin和Ebmax是荷电状态的上下限，x是发动机的开关状态，ux是发动机开关控制动作，t+表示时刻t的下一采样时刻，Bb是蓄电池的损耗，μ为发动机开关切换的处罚系数；
进一步，所述S5中的模型预测控制包括以下步骤，如图2所示：
S51：采用神经网络或者深度学习预测从t0至tf的需求车速
Figure RE-GDA0003036970810000091
依照式(4) 和(5)计主减速器输入端的需求转速
Figure RE-GDA0003036970810000092
和需求转矩
Figure RE-GDA0003036970810000093
S52：将
Figure RE-GDA0003036970810000094
Eb(t0)和x(t0)作为输入，采用动态规划或者动态规划与庞特里亚金最小化原理相结合的方法求解权利要求4中如式(9)所示的优化问题；
S53：利用S52中求得的控制量Pc(t0)，Pm(t0)和ux(t0)，通过反向寻优求解发动机转矩指令Tecmd(t0)、电机转矩指令Tmcmd(t0)和CVT速比指令iccmd(t0)，并让各部件执行指令；
进一步，所述S53中通过反向寻优的CVT速比指令iccmd(t0)不满足CVT速比变化需求|iccmd(t0)-ic(t0)|≤Δc时，令iccmd(t0)＝ic(t0)+sign(iccmd(t0)-ic(t0))×Δc作为已知量，结合S52中求得的控制量Pc(t0)，Pm(t0)和ux(t0)，重新反向求得发动机转矩指令 Tecmd(t0)、电机转矩指令Tmcmd(t0)，并让各部件执行指令；
其中，Δc为CVT所允许的最大变化率。
实施例2：
参阅图4所示，本实施例提供的CVT并联型混合动力汽车的实时预测能量管理装置包括处理器、存储器以及存储在该存储器中并可在所述处理器上运行的计算机程序，例如CVT并联型混合动力汽车的实时预测能量管理程序。该处理器执行所述计算机程序时实现上述实施例1步骤，例如图1所示的步骤。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述CVT并联型混合动力汽车的实时预测能量管理装置中的执行过程。
所述CVT并联型混合动力汽车的实时预测能量管理装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述CVT并联型混合动力汽车的实时预测能量管理装置可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，图4仅仅是CVT并联型混合动力汽车的实时预测能量管理装置的示例，并不构成CVT并联型混合动力汽车的实时预测能量管理装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述CVT并联型混合动力汽车的实时预测能量管理装置还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可以是所述CVT并联型混合动力汽车的实时预测能量管理装置的内部存储元，例如CVT并联型混合动力汽车的实时预测能量管理装置的硬盘或内存。所述存储器也可以是所述CVT并联型混合动力汽车的实时预测能量管理装置的外部存储设备，例如所述CVT并联型混合动力汽车的实时预测能量管理装置上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字 (Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器还可以既包括所述CVT并联型混合动力汽车的实时预测能量管理装置的内部存储单元也包括外部存储设备。所述存储器用于存储所述计算机程序以及所述CVT并联型混合动力汽车的实时预测能量管理装置所需的其他程序和数据。所述存储器52还可以用于暂时地存储已经输出或者将要输出的数据。
实施例3：
本实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现实施例1所述方法的步骤。
所示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：具有一个或多个布线的电连接部(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，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再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。
上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。

Claims (10)

1.一种CVT并联型混合动力汽车的实时预测能量管理方法，其特征在于，所述方法包括：
S1：获取参数，建立整车纵向动力学模型；
S2：定义混合动力模式下的复合功率源；
S3：离线优化混合动力模式和纯电动模式下的工作点；
S4：建立模型预测控制的优化问题，并采用最小化原理与动态规划相结合的全局优化算法来求解；
S5：构建基于模型预测控制的实时能量管理，将其应用于CVT并联型混合动力汽车中。
2.根据权利要求1所述的CVT并联型混合动力汽车的实时预测能量管理方法，其特征在于，在所述步骤S1中，整车纵向动力学模型为：
Te(t)+Tm(t)＝Td′(t) (1)
Figure FDA0002972526920000011
ωe(t)＝ωm(t)＝ωd′(t)＝ic(t)ωd(t) (3)
Figure FDA0002972526920000012
Figure FDA0002972526920000013
其中，Te、Tm、Td′和Td分别为发动机转矩、电机转矩和等效至CVT输入端与主减速器输入端的需求转矩；ωe、ωm、ωd′和ωd分别为发动机转速、电机转速和CVT输入端与主减速器输入端的转速；if和ic分别为主减速器和CVT的速比，r为车轮半径；ρ为空气密度，Cd为风阻系数，A为迎风面积，v为车速，θ为道路坡度，g为重力加速度，m为整车质量，ηf和ηc分别分主减速器和CVT的效率。
3.根据权利要求2所述的CVT并联型混合动力汽车的实时预测能量管理方法，其特征在于，在所述步骤S2中，混合动力模式下的复合功率源是将发动机、电机和CVT看成一个整体，其净输出功率表示为：
Figure FDA0002972526920000021
其中，Pc是复合功率源的净输出功率，Bm为电机的功率损耗函数。
4.根据权利要求3所述的CVT并联型混合动力汽车的实时预测能量管理方法，其特征在于，所述S3中，混合动力模式下的工作点优化表示为：
Figure FDA0002972526920000022
subject to:(1)～(6)
max{ωemin,ωdicmin}≤ωe≤min{ωemax,ωmmax,ωdicmax} (7-b)
Pc(t)∈Pc,ωd(t)∈Ωd,Td(t)∈Td (7-c)
Figure FDA0002972526920000023
Figure FDA0002972526920000024
Figure FDA0002972526920000025
Figure FDA0002972526920000026
其中，
Figure FDA0002972526920000027
是在(ωd,Td)下输出Pc时的最优转速工作点，
Figure FDA0002972526920000028
是发动机燃油消耗率，
Figure FDA0002972526920000029
是汽车在工况点(ωd,Td)下复合功率源输出功率为Pc时的最小燃油消耗率，
Figure FDA00029725269200000210
和
Figure FDA00029725269200000211
为复合功率源在(ωd,Td)下的功率上下限，Ωd、Td和Pc为划分网格点的集合，Pc(ωe,ωd,Td)为可行工作点下复合功率源的输出功率，icmin和icmax是主减速器的最小和最大速比，ωemin和ωemax是发动机最小和最大转速，ωmmax是电机最大转速；
通过离线计算，
Figure FDA00029725269200000212
预存成四维表格，
Figure FDA00029725269200000213
和
Figure FDA00029725269200000214
预存成三维表格，分别由能量管理策略调用；当工况点不在所划分的网格点上时，可以采用插值法得到
Figure FDA00029725269200000215
和
Figure FDA00029725269200000216
当整车不存在满足(ωd,Td)下复合功率源输出Pc的工作点时，令
Figure FDA00029725269200000217
为无穷大。
5.根据权利要求4所述的CVT并联型混合动力汽车的实时预测能量管理方法，其特征在于，所述S3中，纯电动模式下的工作点优化表示为：
Figure FDA00029725269200000218
subject to:(1)～(5)
ωdicmin≤ωm≤min{ωemax,ωmmax,ωdicmax} (8-b)
Figure FDA0002972526920000031
Pm(t)＝Tm(t)ωm(t)+Bm(t) (8-d)
ωd(t)∈Ωd,Td(t)∈Td (8-e)
Figure FDA0002972526920000032
其中，
Figure FDA0002972526920000033
是(ωd,Td)下纯电动模式时的最优电机转左，Pm是电机功率，
Figure FDA0002972526920000034
是最优电机功率；
通过离线计算，
Figure FDA0002972526920000035
预存成三维表格，由能量管理策略调用，当工况点不在所划分的网格点上时，采用插值法得到
Figure FDA0002972526920000036
当纯电动模式下无法在(ωd,Td)下驱动整车时，令
Figure FDA0002972526920000037
为无穷大。
6.根据权利要求5所述的CVT并联型混合动力汽车的实时预测能量管理方法，其特征在于：所述S4中，模型预测控制的优化问题,表示为：
Figure FDA0002972526920000038
subject to:
x(t)＝1:Pc(t)+Pb(t)＝Td(t)ωd(t)+Bb(t) (9-b)
Figure FDA0002972526920000039
Figure FDA00029725269200000310
x(t+)＝x(t)+ux(t) (9-e)
x(t)∈{0,1} (9-f)
ux(t)∈{-1,0,1} (9-g)
Ebmin≤Eb(t)≤Ebmax (9-h)
Figure FDA00029725269200000311
Eb(t)＝Ebf (9-j)
其中，J是目标函数即油耗，t0和tf是起始与终止时间，Eb为蓄电池的剩余能量，Ebf为蓄电池需达到的终值状态，Ebmin和Ebmax是荷电状态的上下限，x是发动机的开关状态，ux是发动机开关控制动作，t+表示时刻t的下一采样时刻，Bb是蓄电池的损耗，μ为发动机开关切换的处罚系数。
7.根据权利要求6所述的CVT并联型混合动力汽车的实时预测能量管理方法，其特征在于：所述S5中的模型预测控制包括以下步骤：
S51：采用神经网络或者深度学习预测从t0至tf的需求车速
Figure FDA0002972526920000041
依照式(4)和(5)计主减速器输入端的需求转速
Figure FDA0002972526920000042
和需求转矩
Figure FDA0002972526920000043
S52：将
Figure FDA0002972526920000044
Eb(t0)和x(t0)作为输入，采用动态规划或者动态规划与庞特里亚金最小化原理相结合的方法求解如式(9)所示的优化问题；
S53：利用S52中求得的控制量Pc(t0)，Pm(t0)和ux(t0)，通过反向寻优求解发动机转矩指令Tecmd(t0)、电机转矩指令Tmcmd(t0)和CVT速比指令iccmd(t0)，并让各部件执行指令；所述各部件包括发动机、电机和CVT。
8.根据权利要求7所述的CVT并联型混合动力汽车的实时预测能量管理方法，其特征在于：所述S53中通过反向寻优的CVT速比指令iccmd(t0)不满足CVT速比变化需求|iccmd(t0)-ic(t0)|≤Δc时，令iccmd(t0)＝ic(t0)+sign(iccmd(t0)-ic(t0))×Δc作为已知量，结合S52中求得的控制量Pc(t0)，Pm(t0)和ux(t0)，重新反向求得发动机转矩指令Tecmd(t0)、电机转矩指令Tmcmd(t0)，并让各部件执行指令；
其中，Δc为CVT所允许的最大变化率。
9.一种CVT并联型混合动力汽车的实时预测能量管理装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一所述方法的步骤。
CN202110267519.6A 2021-03-11 2021-03-11 Cvt并联型混合动力汽车的实时预测能量管理方法及装置 Active CN113682292B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110267519.6A CN113682292B (zh) 2021-03-11 2021-03-11 Cvt并联型混合动力汽车的实时预测能量管理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110267519.6A CN113682292B (zh) 2021-03-11 2021-03-11 Cvt并联型混合动力汽车的实时预测能量管理方法及装置

Publications (2)

Publication Number Publication Date
CN113682292A true CN113682292A (zh) 2021-11-23
CN113682292B CN113682292B (zh) 2023-03-28

Family

ID=78576287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110267519.6A Active CN113682292B (zh) 2021-03-11 2021-03-11 Cvt并联型混合动力汽车的实时预测能量管理方法及装置

Country Status (1)

Country Link
CN (1) CN113682292B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016159830A (ja) * 2015-03-04 2016-09-05 三菱電機株式会社 ハイブリッド車両用エネルギーマネジメント装置
CN106926841A (zh) * 2017-03-10 2017-07-07 江苏大学 一种双行星排式混合动力汽车能量管理控制方法
CN107284441A (zh) * 2017-06-07 2017-10-24 同济大学 实时工况自适应的插电式混合动力汽车能量优化管理方法
WO2018104850A1 (en) * 2016-12-08 2018-06-14 Kpit Technologies Limited Model predictive based control for automobiles
CN109334654A (zh) * 2018-09-21 2019-02-15 江苏大学 一种带变速箱档位控制的并联式混合动力汽车能量管理方法
CN110395243A (zh) * 2019-07-23 2019-11-01 南昌工程学院 一种cvt插电式四驱混合动力汽车的cvt速比优化及能量管理方法
CN111301398A (zh) * 2020-02-28 2020-06-19 武汉理工大学 一种cvt插电式混合动力汽车能量管理方法及系统
CN111547041A (zh) * 2020-05-26 2020-08-18 上海应用技术大学 一种并行混合动力汽车的协同优化能量管理方法
CN112193232A (zh) * 2020-09-23 2021-01-08 江苏大学 一种混合动力汽车自适应能量管理系统及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016159830A (ja) * 2015-03-04 2016-09-05 三菱電機株式会社 ハイブリッド車両用エネルギーマネジメント装置
WO2018104850A1 (en) * 2016-12-08 2018-06-14 Kpit Technologies Limited Model predictive based control for automobiles
CN106926841A (zh) * 2017-03-10 2017-07-07 江苏大学 一种双行星排式混合动力汽车能量管理控制方法
CN107284441A (zh) * 2017-06-07 2017-10-24 同济大学 实时工况自适应的插电式混合动力汽车能量优化管理方法
CN109334654A (zh) * 2018-09-21 2019-02-15 江苏大学 一种带变速箱档位控制的并联式混合动力汽车能量管理方法
CN110395243A (zh) * 2019-07-23 2019-11-01 南昌工程学院 一种cvt插电式四驱混合动力汽车的cvt速比优化及能量管理方法
CN111301398A (zh) * 2020-02-28 2020-06-19 武汉理工大学 一种cvt插电式混合动力汽车能量管理方法及系统
CN111547041A (zh) * 2020-05-26 2020-08-18 上海应用技术大学 一种并行混合动力汽车的协同优化能量管理方法
CN112193232A (zh) * 2020-09-23 2021-01-08 江苏大学 一种混合动力汽车自适应能量管理系统及方法

Also Published As

Publication number Publication date
CN113682292B (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
CN109204314B (zh) 推进高效的自主驾驶策略
Larsson et al. Analytic solutions to the dynamic programming subproblem in hybrid vehicle energy management
Wei et al. Model-based fuel optimal control of hybrid electric vehicle using variable structure control systems
CN106080585B (zh) 一种双行星排式混合动力汽车非线性模型预测控制方法
CN110194171A (zh) 驾驶需求扭矩的确定方法、装置、车辆及存储介质
DE102013223980A1 (de) Tourbezogene Energiemanagement-Steuerung
DE102005058676A1 (de) Vorrichtung und Verfahren zur Leistungssteuerung für ein elektrisches System eines Fahrzeugs
Ritzmann et al. Fuel-optimal power split and gear selection strategies for a hybrid electric vehicle
Ahn et al. Engine optimal operation lines for power-split hybrid electric vehicles
CN110341693A (zh) 双电机增程驱动混合动力车辆串联模式进入方法及系统
CN111823883A (zh) 一种纯电动汽车的功率分配方法
CN113682292B (zh) Cvt并联型混合动力汽车的实时预测能量管理方法及装置
CN113799760A (zh) 汽车能量管理方法、装置、设备及计算机可读存储介质
CN113263918A (zh) 能量回收控制方法及装置
Onori et al. Equivalent consumption minimization strategy
CN111873818A (zh) 增程器能量管理方法、装置、车辆和存储介质
CN116373840A (zh) 一种混合动力汽车在线自适应能量管理方法及系统
Gorelik et al. Connected energy management system for automated electric vehicles with fail-operational powertrain and powernet
CN116176557A (zh) 一种混合动力越野车的能量管理方法、装置及电子设备
Zhang et al. Closed-form solution to the dynamic programming for a heavy-duty parallel hybrid vehicle energy management
Pan et al. Battery state-of-charge pulse-and-glide strategy development of hybrid electric vehicles for VTS motor vehicle challenge
Ruan et al. Optimization of acceleration motion trajectory of SHEV based on radau pseudospectral method
Healy et al. An efficiency optimized gear-shift map to maximise the performance of a modular e-axle
CN116653911B (zh) 混动系统控制方法、装置、计算机可读介质及电子设备
Khodabakhshian et al. Improvement of fuel efficiency and drivability using simple prediction for gear changing

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