CN113895513B - 一种基于长短时融合的电-液集成转向系统能量管理方法 - Google Patents

一种基于长短时融合的电-液集成转向系统能量管理方法 Download PDF

Info

Publication number
CN113895513B
CN113895513B CN202111177986.6A CN202111177986A CN113895513B CN 113895513 B CN113895513 B CN 113895513B CN 202111177986 A CN202111177986 A CN 202111177986A CN 113895513 B CN113895513 B CN 113895513B
Authority
CN
China
Prior art keywords
steering
torque
energy
time
data
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
CN202111177986.6A
Other languages
English (en)
Other versions
CN113895513A (zh
Inventor
周小川
张自宇
栾众楷
赵万忠
王春燕
文凯
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.)
Nanjing Tianhang Intelligent Equipment Research Institute Co ltd
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing Tianhang Intelligent Equipment Research Institute Co ltd
Nanjing University of Aeronautics and Astronautics
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 Nanjing Tianhang Intelligent Equipment Research Institute Co ltd, Nanjing University of Aeronautics and Astronautics filed Critical Nanjing Tianhang Intelligent Equipment Research Institute Co ltd
Priority to CN202111177986.6A priority Critical patent/CN113895513B/zh
Publication of CN113895513A publication Critical patent/CN113895513A/zh
Application granted granted Critical
Publication of CN113895513B publication Critical patent/CN113895513B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D5/00—Power-assisted or power-driven steering
    • B62D5/06—Power-assisted or power-driven steering fluid, i.e. using a pressurised fluid for most or all the force required for steering a vehicle
    • B62D5/061—Power-assisted or power-driven steering fluid, i.e. using a pressurised fluid for most or all the force required for steering a vehicle provided with effort, steering lock, or end-of-stroke limiters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D3/00—Steering gears
    • B62D3/02—Steering gears mechanical
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D5/00—Power-assisted or power-driven steering
    • B62D5/04—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear
    • B62D5/0403—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear characterised by constructional features, e.g. common housing for motor and gear box
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D5/00—Power-assisted or power-driven steering
    • B62D5/04—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear
    • B62D5/0457—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear characterised by control features of the drive means as such
    • B62D5/046—Controlling the motor
    • B62D5/0463—Controlling the motor calculating assisting torque from the motor based on driver input
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D5/00—Power-assisted or power-driven steering
    • B62D5/06—Power-assisted or power-driven steering fluid, i.e. using a pressurised fluid for most or all the force required for steering a vehicle
    • B62D5/062—Details, component parts
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D6/00—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明公开了一种基于长短时融合的电‑液集成转向系统能量管理方法，属于车辆转向技术领域。为了解决现有能量管理技术不适用于电液复合式转向系统的问题，本发明通过对车辆未来长时域内的车速、转矩和能耗进行预测，基于动态规划算法，以系统切换频率、系统能耗和电机超载周期等为目标，规划出未来长时域内的最优模式序列，同时在动态规划的内层嵌入等效油耗最小策略进行短时域下的转矩分配求解，通过长短时域下的模式规划和短时域下的转矩分配，不仅最大化降低了系统的能耗，而且保证了系统的工作安全性、驾驶员感受和同时也降低了控制系统的开发难度。

Description

一种基于长短时融合的电-液集成转向系统能量管理方法
技术领域
本发明属于车辆转向技术领域，具体指代一种基于长短时融合的电-液集成转向系统能量管理方法。
背景技术
随着国家汽车“新四化”及双碳政策的提出，各行各业都在寻求节能减排技术的突破，而对于汽车行业而言其一直是国家节能减排的重头戏。目前各大车企均在力求车辆电动化技术，由于乘用车体积小质量轻，目前已经基本可以实现电动化。然而对于具有体积大、质量大等特点商用车和专用车来说，受限于目前电池及电机功率等级限制，还难以实现整车的电动化，尤其是其核心底盘部件之一的转向系统，更是受制于车辆前轴载荷过大而无法实现完全的电动化，因此由于其采用液压转向系统而带来的能耗问题也无法得到解决。严重制约了商用车及专用车转向系统的电动化发展。
对于这一问题，目前有研究人员提出了一种电液复合式的转向系统，借鉴于混合动力技术的成功案例，其在原有液压助力转向系统中加入一套电动助力转向系统，使得系统拥有了电动转向模式、液压转向模式和电液复合转向模式，利用电动助力转向系统的节能优势，通过对两套系统进行有效的能量管理，在不同的工况下选择合适的模式，可以实现降低转向系统能耗的目的。
目前对于电液复合式的转向系统的能量管理策略的研究还较少，大部分的能量管理策略是针对混合动力而言的，主要有基于规划、规则和优化等类型的能量管理方法，但由于转向系统和驱动系统结构及工况的差异性，原有的能量管理方法不能直接套用在电液复合式转向系统上。此外，考虑到转向过程中转矩变化率要高于车速变化率，且由于电动助力转向机构的助力带宽较窄，因此常常面临模式切换的情况，但由于转向系统直接连接到驾驶员，其频繁的切换不仅会对系统执行机构带来损伤，也会加大控制系统的开发难度。因此在电液复合式转向系统的能量管理方法中要求不仅要有对模式的规划，也要有对需求目标的分配，但现有的能量管理方法仅仅包含对需求目标的分配。
发明内容
针对于上述现有技术的不足，本发明的目的在于提供且现有的能量管理策略多是针对的目标的分配，以解决现有技术中存在的能量管理策略仅仅包含对需求目标的分配，缺少对系统模式的规划，不适用于电液复合式转向系统的问题。本发明通过对车辆未来长时域内的车速、转矩和能耗进行预测，基于动态规划算法，以系统切换频率、系统能耗和电机超载周期等为目标，规划出未来长时域内的最优模式序列，同时在动态规划的内层嵌入等效油耗最小策略进行短时域下的转矩分配求解，通过长短时域下的模式规划和短时域下的转矩分配，不仅最大化降低了系统的能耗，而且保证了系统的工作安全性、驾驶员感受和同时也降低了控制系统的开发难度。
为达到上述目的，本发明采用的技术方案如下：
本发明中电-液集成转向系统包括：机械传动模块、电动助力模块、液压助力模块和控制模块；
所述机械传动模块包括：方向盘、转向轴、万向节、循环球转向器、转向摇臂、转向直拉杆、转向节臂、左转向节、左梯形臂、转向横拉杆、右梯形臂、右转向节、左车轮和右车轮；
所述转向轴上端与所述方向盘相连，下端通过所述万向节与所述循环球转向器的上输入端连接；
所述转向摇臂的输入端与所述循环球转向器的输出端连接，输出端通过所述转向直拉杆与所述转向节臂相连；
所述左转向节与所述左车轮相连，其上固定有所述转向节臂和左梯形臂；
所述转向横拉杆的两端分别与所述左梯形臂和右梯形臂相连；
所述右转向节与所述右车轮相连，其上固定有所述右梯形臂；
所述电动助力模块包括：助力电机、行星齿轮减速器和电磁制动块；
所述行星齿轮减速器包括太阳轮、行星轮、行星架和齿圈；
所述太阳轮的输入端与所述助力电机的输出端固定连接，输出端与所述行星轮啮合；
所述齿轮外圈上压靠着所述电磁制动块，且不通电时处于压靠制动状态，其内圈与所述行星轮啮合；
所述行星架的输入端与所述行星轮固定相连，其输出端与所述循环球转向器的下输入端固定相连；
所述液压助力模块包括：动力缸、轴承、转向螺杆、转向螺母、齿扇、循环球、循环球导管、转向阀、卸荷阀、单向阀、限压阀、油壶、液压管路、齿轮泵和液压电机；
所述动力缸为所述循环球转向器的内腔；
所述轴承位于所述动力缸内，并套装在所述转向螺杆的上下两端；
所述转向螺杆的上下输入端即为所述循环球转向器的上下输入端，其输出端通过所述循环球与所述转向螺母啮合；
所述循环球导管安装在所述转向螺母上，用做循环球循环流动的通道；
所述齿扇的输入端与所述转向螺母上加工的齿条啮合，其输出端与所述转向摇臂相连；
所述卸荷阀安装在所述转向螺母内，用于当转向螺母移动至极限位置时平衡其两侧的压力；
所述齿轮泵的输入端与所述液压电机的输出端相连，其进油口通过液压管路与所述油壶相连，出油口与所述转向阀相连；
所述油壶的回油口与所述转向阀通过液压管路相连，其出油口与所述齿轮泵通过液压管路相连；
所述限压阀和单向阀安装在用于连接齿轮泵出油口与转向阀的液压管路和用于连接转向阀和油壶回油口的液压管路之间，前者用于限制液压管路内液压油的压力，后者为了防止液压管路出现真空；
所述控制模块包括：电子控制单元、方向盘转角传感器、转矩传感器、车速传感器；
所述电子控制单元的输入端与所述方向盘转角传感器、转矩传感器、车速传感器电气相连，其输出端与所述助力电机、液压电机电气连接，转向时根据从各传感器得到的车辆转态参数，进行助力控制；
所述方向盘转角传感器安装在方向盘上，用于获得车辆转向时的方向盘转角信号，并将方向盘转角信号传递到所述电子控制单元。
所述转矩传感器安装在所述转向轴上，用于获取转矩信号，并将转矩信号传递给所述电子控制单元；
所述车速传感器安装在车辆上，用于将获得的车速信号传递到所述电子控制单元；
此外，本发明还提供了一种基于长短时融合的电-液集成转向系统能量管理方法，包含以下步骤：
(1)采集实际道路行驶数据或使用开放的驾驶数据库，并从中提取方向盘转矩T、方向盘转矩变化率
Figure BDA0003296250150000041
转向能量W以及转向功率
Figure BDA0003296250150000042
等信息，采用滤波算法对数据进行预处理；
(2)根据步骤(1)中处理好的方向盘转矩变化率
Figure BDA0003296250150000043
和转向功率
Figure BDA0003296250150000044
将所有数据分为N类转向工况，并根据各工况对应的方向盘转矩变化率
Figure BDA0003296250150000045
和转向功率
Figure BDA0003296250150000046
的频率确定两者在不同工况下对应的混合高斯分布函数；
(3)采用隐马尔可夫理论，训练对应各工况的工况识别模型，实际应用时，实时采集步骤(1)中同样的数据信息序列，并将实时数据信息序列输入至训练好的工况识别模型中，选取当前时刻对应概率最大的工况作为当前识别出的工况；
(4)根据步骤(3)中识别得到的工况，从步骤(3)中确定的各工况对应的混合高斯分布函数，找出其对应的方向盘转矩变化率
Figure BDA0003296250150000047
和转向功率
Figure BDA0003296250150000048
的混合高斯分布函数；
(5)根据步骤(4)中确定的混合高斯分布函数，和当前方向盘转矩T和转向能量W为起始时刻预测未来长时域内的转矩和能量轨迹；
(6)建立动态规划求解模型，代入步骤(5)中预测的转矩和能量轨迹信息，采用动态规划算法求解出最优的转向模式序列；
(7)在计算电液复合转向模式下系统实际转向能耗时，在内层采用等效油耗最小策略求解短时域内对应最低能耗的转矩分配系数，作为外层模式规划求解模型中的每一步规划目标的计算依据；
(8)根据步骤(6)和步骤(7)导出最终的转向模式序列和序列中电液复合模式下对应的转矩发配系数，完成电-液集成转向系统的能量管理，其中步骤(6)中求解出的转向模式序列作为未来模式切换控制的依据，步骤(7)中求解得到的转矩分配系数作为电液复合转向模式下各子系统控制目标的计算依据。
进一步地，所述步骤(1)中的滤波算法选用限幅限速滤波算法，具体步骤如下：
(11)对采集的数据按时间进行编号，并做限幅滤波处理，记录下异常数据编号，滤波计算如下：
Figure BDA0003296250150000049
式中，X为采集的数据向量，ΔX为采集的数据幅值上限变量，Xk为编号为k的数据向量，Xk-1为编号为k-1的数据向量。
(12)对采集的数据按步骤(1)中的编号，做限速滤波处理，记录下异常数据编号，滤波计算方法如下：
Figure BDA0003296250150000051
式中，Xk-2为编号为k-2的数据向量。
(13)并行执行步骤(1)和(2)，合并步骤(1)和(2)中所有异常数据编号，剔除异常数据，用异常数据前面一个正常数据按照之前的变化率进行数据填充。
进一步地，所述步骤(2)中方向盘转矩变化率
Figure BDA0003296250150000052
和转向功率
Figure BDA0003296250150000053
在N中工况下对应的混合高斯分布函数表示为：
Figure BDA0003296250150000054
式中，
Figure BDA0003296250150000055
和
Figure BDA0003296250150000056
分别为h(h＝1,2,...,N)工况下转矩变化率和转向功率对应的混合高斯分布函数，λr和λq分别为转矩变化率和转向功率对应的混合高斯分布函数中各高斯分布的系数，
Figure BDA0003296250150000057
和
Figure BDA0003296250150000058
分别为转矩变化率的均值和方差，
Figure BDA0003296250150000059
和
Figure BDA00032962501500000510
分别为转向功率的均值和方差，R和Q分别为转矩变化率和转向功率对应的混合高斯分布函数中高斯分布的个数，exp为自然常数e的指数函数，G为单个的高斯分布函数。
进一步地，所述步骤(3)中工况识别模型训练步骤为：
(31)将N种工况定为隐马尔可夫模型的隐藏状态H，将处理好的方向盘转矩T、方向盘转矩变化率
Figure BDA00032962501500000511
转向能量W以及转向功率
Figure BDA00032962501500000513
等信息作为对应的观测变量O，表示为：
Figure BDA00032962501500000512
(32)将现有数据中的80％用于训练工况识别模型，20％用于验证模型，并以15个采样序列作为输入数据序列，采用EM算法训练出工况识别模型参数λ，完成各工况识别模型的训练；
进一步地，所述步骤(5)中转矩和能量轨迹预测的具体步骤为：
(51)以当前方向盘转矩Tt、方向盘转矩变化率
Figure BDA0003296250150000061
转向能量Wt以及转向功率
Figure BDA0003296250150000062
迭代出下一时刻的方向盘转矩Tt+1和转向能量Wt+1信息，采样间隔为Δt：
Figure BDA0003296250150000063
(52)根据工况识别模型识别出的工况确定的混合高斯分布函数，结合随机数发生器确定t+1时刻的方向盘转矩变化率
Figure BDA0003296250150000064
和转向功率
Figure BDA0003296250150000065
更新t+2时刻的方向盘转矩Tt+2和转向能量Wt+2：
Figure BDA0003296250150000066
(53)循环步骤(52)，进行多步的预测，实现长时域下的转矩和能量轨迹的预测。
进一步地，所述步骤(6)中的动态规划求解模型的建立步骤为：
(61)将转向模式mode定义为数字，电动转向模式为1，电液复合转向模式为2，液压转向模式为3，每一步的决策输出为转向模式对应的数字；
(62)规划目标选择系统切换频率pn、系统能耗E和电机超载周期MT：
Figure BDA0003296250150000067
式中，TP为规划周期，tp为当前时刻，Ee为电动转向模块实际能耗，Eh为液压转向模块实际能耗，Temax为电动转向电机额定转矩。
(63)确定参数约束，根据步骤(61)和(62)建立最终的动态规划求解模型为：
Figure BDA0003296250150000068
式中，Treq和Wreq分别为预测得到的未来长时域内的转矩和转向能量的每一规划时刻的预测值，w1、w2、w3分别为权重系数，∑L[x(k),u(k),k]和θ(x(N),N)分别是w1pn+w3MT,w2E的离散表达形式，x(0)是t0转矩和转向能量的初始状态；Jπ(x(0),Treq,Wreq)表示系统在给定条件x(0)、Treq和Wreq下启动，随后遵循策略π时产生的预期成本。
本发明提出能量管理方法融合了长时域的模式规划和短时域的转矩分配，具有多输入双输出的特点，综合考虑了转向模式和转矩分配对系统能耗等多种因素的影响，不仅可以实现最大化降低系统的能耗，而且可以保证系统的工作安全性、驾驶员感受，同时也能够降低控制系统的开发难度。
附图说明
图1为本发明的能量管理方法流程图；
图2为本发明中电-液集成转向系统示意图；
图3为本发明的行星齿轮减速器结构示意图；
图中，1-方向盘，2-方向盘转角传感器，3-转矩传感器，4-转向轴，5-万向节，6-轴承，7-齿扇，8-转向摇臂，9-转向直拉杆，10-左车轮，11-左转向节，12-左梯形臂，13-转向节臂，14-转向横拉杆，15-电磁制动块，16-转向阀，17-助力电机，18-行星齿轮减速器，19-循环球，20-卸荷阀，21-电子控制单元，22-齿轮泵，23-车速传感器，24-右梯形臂，25-右转向节，26-右车轮，27-液压电机，28-循环球导管，29-转向螺母，30-单向阀，31-液压管路，32-限压阀，33-油壶，34-动力缸，35-循环球转向器，36-转向螺杆，37-齿圈，38-太阳轮，39-行星轮，40-行星架。
具体实施方式
为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。
实施例
本发明通过对车辆未来长时域内的车速、转矩和能耗进行预测，基于动态规划算法，以系统切换频率、系统能耗和电机超载周期等为目标，规划出未来长时域内的最优模式序列，同时在动态规划的内层嵌入等效油耗最小策略进行短时域下的转矩分配求解，通过长短时域下的模式规划和短时域下的转矩分配，不仅最大化降低了系统的能耗，而且保证了系统的工作安全性、驾驶员感受和同时也降低了控制系统的开发难度。
为达到上述目的，本发明采用的技术方案如下：
本发明中电-液集成转向系统包括：机械传动模块、电动助力模块、液压助力模块和控制模块；
所述机械传动模块包括：方向盘、转向轴、万向节、循环球转向器、转向摇臂、转向直拉杆、转向节臂、左转向节、左梯形臂、转向横拉杆、右梯形臂、右转向节、左车轮和右车轮；
所述转向轴上端与所述方向盘相连，下端通过所述万向节与所述循环球转向器的上输入端连接；
所述转向摇臂的输入端与所述循环球转向器的输出端连接，输出端通过所述转向直拉杆与所述转向节臂相连；
所述左转向节与所述左车轮相连，其上固定有所述转向节臂和左梯形臂；
所述转向横拉杆的两端分别与所述左梯形臂和右梯形臂相连；
所述右转向节与所述右车轮相连，其上固定有所述右梯形臂；
所述电动助力模块包括：助力电机、行星齿轮减速器和电磁制动块；
所述行星齿轮减速器包括太阳轮、行星轮、行星架和齿圈；
所述太阳轮的输入端与所述助力电机的输出端固定连接，输出端与所述行星轮啮合；
所述齿轮外圈上压靠着所述电磁制动块，且不通电时处于压靠制动状态，其内圈与所述行星轮啮合；
所述行星架的输入端与所述行星轮固定相连，其输出端与所述循环球转向器的下输入端固定相连；
所述液压助力模块包括：动力缸、轴承、转向螺杆、转向螺母、齿扇、循环球、循环球导管、转向阀、卸荷阀、单向阀、限压阀、油壶、液压管路、齿轮泵和液压电机；
所述动力缸为所述循环球转向器的内腔；
所述轴承位于所述动力缸内，并套装在所述转向螺杆的上下两端；
所述转向螺杆的上下输入端即为所述循环球转向器的上下输入端，其输出端通过所述循环球与所述转向螺母啮合；
所述循环球导管安装在所述转向螺母上，用做循环球循环流动的通道；
所述齿扇的输入端与所述转向螺母上加工的齿条啮合，其输出端与所述转向摇臂相连；
所述卸荷阀安装在所述转向螺母内，用于当转向螺母移动至极限位置时平衡其两侧的压力；
所述齿轮泵的输入端与所述液压电机的输出端相连，其进油口通过液压管路与所述油壶相连，出油口与所述转向阀相连；
所述油壶的回油口与所述转向阀通过液压管路相连，其出油口与所述齿轮泵通过液压管路相连；
所述限压阀和单向阀安装在用于连接齿轮泵出油口与转向阀的液压管路和用于连接转向阀和油壶回油口的液压管路之间，前者用于限制液压管路内液压油的压力，后者为了防止液压管路出现真空；
所述控制模块包括：电子控制单元、方向盘转角传感器、转矩传感器、车速传感器；
所述电子控制单元的输入端与所述方向盘转角传感器、转矩传感器、车速传感器电气相连，其输出端与所述助力电机、液压电机电气连接，转向时根据从各传感器得到的车辆转态参数，进行助力控制；
所述方向盘转角传感器安装在方向盘上，用于获得车辆转向时的方向盘转角信号，并将方向盘转角信号传递到所述电子控制单元。
所述转矩传感器安装在所述转向轴上，用于获取转矩信号，并将转矩信号传递给所述电子控制单元；
所述车速传感器安装在车辆上，用于将获得的车速信号传递到所述电子控制单元；
此外，本发明还提供了一种基于长短时融合的电-液集成转向系统能量管理方法，包含以下步骤：
(1)采集实际道路行驶数据或使用开放的驾驶数据库，并从中提取方向盘转矩T、方向盘转矩变化率
Figure BDA0003296250150000091
转向能量W以及转向功率
Figure BDA0003296250150000092
等信息，采用滤波算法对数据进行预处理；
(2)根据步骤(1)中处理好的方向盘转矩变化率
Figure BDA0003296250150000093
和转向功率
Figure BDA0003296250150000094
将所有数据分为N类转向工况，并根据各工况对应的方向盘转矩变化率
Figure BDA0003296250150000095
和转向功率
Figure BDA0003296250150000096
的频率确定两者在不同工况下对应的混合高斯分布函数；
(3)采用隐马尔可夫理论，训练对应各工况的工况识别模型，实际应用时，实时采集步骤(1)中同样的数据信息序列，并将实时数据信息序列输入至训练好的工况识别模型中，选取当前时刻对应概率最大的工况作为当前识别出的工况；
(4)根据步骤(3)中识别得到的工况，从步骤(3)中确定的各工况对应的混合高斯分布函数，找出其对应的方向盘转矩变化率
Figure BDA0003296250150000101
和转向功率
Figure BDA0003296250150000102
的混合高斯分布函数；
(5)根据步骤(4)中确定的混合高斯分布函数，和当前方向盘转矩T和转向能量W为起始时刻预测未来长时域内的转矩和能量轨迹；
(6)建立动态规划求解模型，代入步骤(5)中预测的转矩和能量轨迹信息，采用动态规划算法求解出最优的转向模式序列；
(7)在计算电液复合转向模式下系统实际转向能耗时，在内层采用等效油耗最小策略求解短时域内对应最低能耗的转矩分配系数，作为外层模式规划求解模型中的每一步规划目标的计算依据；
(8)根据步骤(6)和步骤(7)导出最终的转向模式序列和序列中电液复合模式下对应的转矩发配系数，完成电-液集成转向系统的能量管理，其中步骤(6)中求解出的转向模式序列作为未来模式切换控制的依据，步骤(7)中求解得到的转矩分配系数作为电液复合转向模式下各子系统控制目标的计算依据。
进一步地，所述步骤(1)中的滤波算法选用限幅限速滤波算法，具体步骤如下：
(11)对采集的数据按时间进行编号，并做限幅滤波处理，记录下异常数据编号，滤波计算如下：
Figure BDA0003296250150000103
式中，X为采集的数据向量，ΔX为采集的数据幅值上限变量，Xk为编号为k的数据向量，Xk-1为编号为k-1的数据向量。
(12)对采集的数据按步骤(1)中的编号，做限速滤波处理，记录下异常数据编号，滤波计算方法如下：
Figure BDA0003296250150000104
式中，Xk-2为编号为k-2的数据向量。
(13)并行执行步骤(1)和(2)，合并步骤(1)和(2)中所有异常数据编号，剔除异常数据，用异常数据前面一个正常数据按照之前的变化率进行数据填充。
进一步地，所述步骤(2)中方向盘转矩变化率
Figure BDA0003296250150000111
和转向功率
Figure BDA0003296250150000112
在N中工况下对应的混合高斯分布函数表示为：
Figure BDA0003296250150000113
式中，
Figure BDA0003296250150000114
和
Figure BDA0003296250150000115
分别为h(h＝1,2,...,N)工况下转矩变化率和转向功率对应的混合高斯分布函数，λr和λq分别为转矩变化率和转向功率对应的混合高斯分布函数中各高斯分布的系数，
Figure BDA0003296250150000116
和
Figure BDA0003296250150000117
分别为转矩变化率的均值和方差，
Figure BDA0003296250150000118
和
Figure BDA0003296250150000119
分别为转向功率的均值和方差，R和Q分别为转矩变化率和转向功率对应的混合高斯分布函数中高斯分布的个数，exp为自然常数e的指数函数，G为单个的高斯分布函数。
进一步地，所述步骤(3)中工况识别模型训练步骤为：
(31)将N种工况定为隐马尔可夫模型的隐藏状态H，将处理好的方向盘转矩T、方向盘转矩变化率
Figure BDA00032962501500001110
转向能量W以及转向功率
Figure BDA00032962501500001111
等信息作为对应的观测变量O，表示为：
Figure BDA00032962501500001112
(32)将现有数据中的80％用于训练工况识别模型，20％用于验证模型，并以15个采样序列作为输入数据序列，采用EM算法训练出工况识别模型参数λ，完成各工况识别模型的训练；
进一步地，所述步骤(5)中转矩和能量轨迹预测的具体步骤为：
(51)以当前方向盘转矩Tt、方向盘转矩变化率
Figure BDA00032962501500001113
转向能量Wt以及转向功率
Figure BDA00032962501500001114
迭代出下一时刻的方向盘转矩Tt+1和转向能量Wt+1信息，采样间隔为Δt：
Figure BDA00032962501500001115
(52)根据工况识别模型识别出的工况确定的混合高斯分布函数，结合随机数发生器确定t+1时刻的方向盘转矩变化率
Figure BDA00032962501500001116
和转向功率
Figure BDA00032962501500001117
更新t+2时刻的方向盘转矩Tt+2和转向能量Wt+2：
Figure BDA0003296250150000121
(53)循环步骤(52)，进行多步的预测，实现长时域下的转矩和能量轨迹的预测。
进一步地，所述步骤(6)中的动态规划求解模型的建立步骤为：
(61)将转向模式mode定义为数字，电动转向模式为1，电液复合转向模式为2，液压转向模式为3，每一步的决策输出为转向模式对应的数字；
(62)规划目标选择系统切换频率pn、系统能耗E和电机超载周期MT：
Figure BDA0003296250150000122
式中，TP为规划周期，tp为当前时刻，Ee为电动转向模块实际能耗，Eh为液压转向模块实际能耗，Temax为电动转向电机额定转矩。
(63)确定参数约束，根据步骤(61)和(62)建立最终的动态规划求解模型为：
Figure BDA0003296250150000123
式中，Treq和Wreq分别为预测得到的未来长时域内的转矩和转向能量的每一规划时刻的预测值，w1、w2、w3分别为权重系数，∑L[x(k),u(k),k]和θ(x(N),N)分别是w1pn+w3MT,w2E的离散表达形式，x(0)是t0转矩和转向能量的初始状态；Jπ(x(0),Treq,Wreq)表示系统在给定条件x(0)、Treq和Wreq下启动，随后遵循策略π时产生的预期成本。
本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (5)

1.一种基于长短时融合的电-液集成转向系统能量管理方法，其特征在于，包含以下步骤：
1采集实际道路行驶数据或使用开放的驾驶数据库，并从中提取方向盘转矩T、方向盘转矩变化率
Figure FDA0003779803630000011
转向能量W以及转向功率
Figure FDA0003779803630000012
信息，采用滤波算法对数据进行预处理；
2根据步骤1中处理好的方向盘转矩变化率
Figure FDA0003779803630000013
和转向功率
Figure FDA0003779803630000014
将所有数据分为N类转向工况，并根据各工况对应的方向盘转矩变化率
Figure FDA0003779803630000015
和转向功率
Figure FDA0003779803630000016
的频率确定两者在不同工况下对应的混合高斯分布函数；
3采用隐马尔可夫理论，训练对应各工况的工况识别模型，实际应用时，实时采集步骤1中同样的数据信息序列，并将实时数据信息序列输入至训练好的工况识别模型中，选取当前时刻对应概率最大的工况作为当前识别出的工况；
4根据步骤3中识别得到的工况，从步骤3中确定的各工况对应的混合高斯分布函数，找出其对应的方向盘转矩变化率
Figure FDA0003779803630000017
和转向功率
Figure FDA0003779803630000018
的混合高斯分布函数；
5根据步骤4中确定的混合高斯分布函数，和当前方向盘转矩T和转向能量W为起始时刻预测未来长时域内的转矩和能量轨迹；
6建立动态规划求解模型，代入步骤5中预测的转矩和能量轨迹信息，采用动态规划算法求解出最优的转向模式序列；
7在计算电液复合转向模式下系统实际转向能耗时，在内层采用等效油耗最小策略求解短时域内对应最低能耗的转矩分配系数，作为外层模式规划求解模型中的每一步规划目标的计算依据；
8根据步骤6和步骤7导出最终的转向模式序列和序列中电液复合模式下对应的转矩分配系数，完成电-液集成转向系统的能量管理，其中步骤6中求解出的转向模式序列作为未来模式切换控制的依据，步骤7中求解得到的转矩分配系数作为电液复合转向模式下各子系统控制目标的计算依据。
2.根据权利要求1所述的一种基于长短时融合的电-液集成转向系统能量管理方法，其特征在于，所述步骤1中的滤波算法选用限幅限速滤波算法，具体步骤如下：
11对采集的数据按时间进行编号，并做限幅滤波处理，记录下异常数据编号，滤波计算如下：
Figure FDA0003779803630000021
式中，X为采集的数据向量，ΔX为采集的数据幅值上限变量，Xk为编号为k的数据向量，Xk-1为编号为k-1的数据向量；
12对采集的数据按步骤11中的编号，做限速滤波处理，记录下异常数据编号，滤波计算方法如下：
Figure FDA0003779803630000022
式中，Xk-2为编号为k-2的数据向量；
13并行执行步骤11和12，合并步骤11和12中所有异常数据编号，剔除异常数据，用异常数据前面一个正常数据按照之前的变化率进行数据填充；
所述步骤2中方向盘转矩变化率
Figure FDA0003779803630000023
和转向功率
Figure FDA0003779803630000024
在N种工况下对应的混合高斯分布函数表示为：
Figure FDA0003779803630000025
式中，
Figure FDA0003779803630000026
和
Figure FDA0003779803630000027
分别为h(h＝1,2,...,N)工况下转矩变化率和转向功率对应的混合高斯分布函数，λr和λq分别为转矩变化率和转向功率对应的混合高斯分布函数中各高斯分布的系数，
Figure FDA0003779803630000028
和
Figure FDA0003779803630000029
分别为转矩变化率的均值和方差，
Figure FDA00037798036300000210
和
Figure FDA00037798036300000211
分别为转向功率的均值和方差，R和Q分别为转矩变化率和转向功率对应的混合高斯分布函数中高斯分布的个数，exp为自然常数e的指数函数，G为单个的高斯分布函数。
3.根据权利要求1所述的一种基于长短时融合的电-液集成转向系统能量管理方法，其特征在于，所述步骤3中工况识别模型训练步骤为：
31将N种工况定为隐马尔可夫模型的隐藏状态H，将处理好的方向盘转矩T、方向盘转矩变化率
Figure FDA00037798036300000212
转向能量W以及转向功率
Figure FDA00037798036300000213
信息作为对应的观测变量O，表示为：
Figure FDA00037798036300000214
32将现有数据中的80％用于训练工况识别模型，20％用于验证模型，并以15个采样序列作为输入数据序列，采用EM算法训练出工况识别模型参数λ，完成各工况识别模型的训练。
4.根据权利要求1所述的一种基于长短时融合的电-液集成转向系统能量管理方法，其特征在于，所述步骤5中转矩和能量轨迹预测的具体步骤为：
51以当前方向盘转矩Tt、方向盘转矩变化率
Figure FDA0003779803630000031
转向能量Wt以及转向功率
Figure FDA0003779803630000038
迭代出下一时刻的方向盘转矩Tt+1和转向能量Wt+1信息，采样间隔为Δt：
Figure FDA0003779803630000032
52根据工况识别模型识别出的工况确定的混合高斯分布函数，结合随机数发生器确定t+1时刻的方向盘转矩变化率
Figure FDA0003779803630000033
和转向功率
Figure FDA0003779803630000034
更新t+2时刻的方向盘转矩Tt+2和转向能量Wt+2：
Figure FDA0003779803630000035
53循环步骤52，进行多步的预测，实现长时域下的转矩和能量轨迹的预测。
5.根据权利要求1所述的一种基于长短时融合的电-液集成转向系统能量管理方法，其特征在于，所述步骤6中的动态规划求解模型的建立步骤为：
61将转向模式mode定义为数字，电动转向模式为1，电液复合转向模式为2，液压转向模式为3，每一步的决策输出为转向模式对应的数字；
62规划目标选择系统切换频率pn、系统能耗E和电机超载周期MT：
Figure FDA0003779803630000036
式中，TP为规划周期，tp为当前时刻，Ee为电动转向模块实际能耗，Eh为液压转向模块实际能耗，Temax为电动转向电机额定转矩；
63确定参数约束，根据步骤61和62建立最终的动态规划求解模型为：
Figure FDA0003779803630000037
式中，Tpre和Wpre分别为预测得到的未来长时域内的转矩和转向能量的每一规划时刻的预测值，w1、w2、w3分别为权重系数，∑L[x(k),u(k),k]和θ(x(N),N)分别是w1pn+w3MT,w2E的离散表达形式，x(0)是t0转矩和转向能量的初始状态；Jπ(x(0),Tpre,Wpre)表示系统在给定条件x(0)、Tpre和Wpre下启动，随后遵循策略π时产生的预期成本。
CN202111177986.6A 2021-10-09 2021-10-09 一种基于长短时融合的电-液集成转向系统能量管理方法 Active CN113895513B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111177986.6A CN113895513B (zh) 2021-10-09 2021-10-09 一种基于长短时融合的电-液集成转向系统能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111177986.6A CN113895513B (zh) 2021-10-09 2021-10-09 一种基于长短时融合的电-液集成转向系统能量管理方法

Publications (2)

Publication Number Publication Date
CN113895513A CN113895513A (zh) 2022-01-07
CN113895513B true CN113895513B (zh) 2022-10-28

Family

ID=79190888

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111177986.6A Active CN113895513B (zh) 2021-10-09 2021-10-09 一种基于长短时融合的电-液集成转向系统能量管理方法

Country Status (1)

Country Link
CN (1) CN113895513B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201611341D0 (en) * 2016-06-30 2016-08-17 Charge Automotive Ltd Electro-hydraulic power steering system
CN106184351A (zh) * 2016-07-11 2016-12-07 南京航空航天大学 一种电‑液复合动力转向系统的多目标优化方法
JP2016208645A (ja) * 2015-04-21 2016-12-08 トヨタ自動車株式会社 自動車
CN106800040A (zh) * 2017-02-24 2017-06-06 南京航空航天大学 一种汽车电控复合转向系统及其多目标优化方法
CN110239512A (zh) * 2019-05-10 2019-09-17 浙江吉利控股集团有限公司 一种混合动力车辆的能量管理方法及系统
CN113212546A (zh) * 2021-05-21 2021-08-06 南京航空航天大学 一种商用车电液复合转向系统及其分段能量管理方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016208645A (ja) * 2015-04-21 2016-12-08 トヨタ自動車株式会社 自動車
GB201611341D0 (en) * 2016-06-30 2016-08-17 Charge Automotive Ltd Electro-hydraulic power steering system
CN106184351A (zh) * 2016-07-11 2016-12-07 南京航空航天大学 一种电‑液复合动力转向系统的多目标优化方法
CN106800040A (zh) * 2017-02-24 2017-06-06 南京航空航天大学 一种汽车电控复合转向系统及其多目标优化方法
CN110239512A (zh) * 2019-05-10 2019-09-17 浙江吉利控股集团有限公司 一种混合动力车辆的能量管理方法及系统
CN113212546A (zh) * 2021-05-21 2021-08-06 南京航空航天大学 一种商用车电液复合转向系统及其分段能量管理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
电液复合转向系统不确定性优化设计研究;周小川;《工程科技Ⅱ辑》;20210715(第07期);全文 *

Also Published As

Publication number Publication date
CN113895513A (zh) 2022-01-07

Similar Documents

Publication Publication Date Title
CN104210383B (zh) 一种四轮独立驱动电动汽车转矩分配控制方法及系统
CN110936824B (zh) 一种基于自适应动态规划的电动汽车双电机控制方法
CN104627167B (zh) 一种考虑电池寿命的混合动力车能量管理方法及系统
CN106347449B (zh) 一种人机共驾型电动助力转向系统及模式切换方法
CN105151040B (zh) 基于功率谱自学习预测的混合动力汽车能量管理方法
CN106428197A (zh) 基于多模式转向系统助力耦合器的控制器及控制方法
CN113635879B (zh) 一种车辆制动力分配方法
WO2023056751A1 (zh) 一种电液集成式转向系统及其多参数耦合优化方法
CN110450794A (zh) 一种基于最优蠕滑速度搜寻与跟踪的优化粘着控制方法
CN105015544A (zh) 一种电动汽车全自动泊车过程中的车速控制系统及方法
CN113212546B (zh) 一种商用车电液复合转向系统及其分段能量管理方法
CN112918458B (zh) 一种全工况下的智能线控底盘能耗预测优化方法
CN106741132B (zh) 一种多模式主动转向系统的控制器及其控制方法
Chen et al. Regenerative braking control strategy for distributed drive electric vehicles based on slope and mass co-estimation
CN113895513B (zh) 一种基于长短时融合的电-液集成转向系统能量管理方法
CN108313057A (zh) 基于mpc和凸优化算法的纯电动汽车自适应巡航控制方法
CN113276829B (zh) 一种基于工况预测的车辆行驶节能优化变权重方法
CN204821553U (zh) 一种电动汽车全自动泊车过程中的车速控制系统
TW201327079A (zh) 電動車之節能動力控制方法
CN110254429A (zh) 一种电动汽车蠕行控制方法
CN114228507B (zh) 利用前车信息的智能电驱动车辆再生制动控制方法
CN113682152B (zh) 一种分布式驱动汽车牵引力控制方法
CN115782851A (zh) 基于dmpc的混合动力汽车能量管理控制方法
CN112896299B (zh) 一种基于转向运动闭环的电动助力转向系统控制策略
CN115122937A (zh) 一种适用于全工况的再生制动方法及机电系统

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