CN114379533B - 一种面向智能交通的整车能量快速规划方法 - Google Patents

Abstract

本发明公开了一种面向智能交通的整车能量快速规划方法，先将每一步长内控制量的求解看作是一个子问题，根据约束条件确定每个动力部件在各个步长内的可行工作点的范围，离散化后确认全部可行的工作点组合，生成瞬时油耗‑SOC变化率点簇；确认各个油耗区间内的候选混动工作方案，剔除不规则候选混动工作方案后根据能耗特性对混动工作方案进行排序，估计全程以纯电模式行驶所需总电能；最后根据全部子问题的混动工作方案排序，每次执行一个步长子问题的纯电行驶方案到混动工作方案的替换并更新数据，直到SOC满足提前设定好的条件。满足SOC条件后，根据每个子问题是否发生过替换和替换发生的次数，输出最优控制量，完成短期内整车能量快速规划。

Description

一种面向智能交通的整车能量快速规划方法

技术领域：

本发明涉及一种面向智能交通的整车能量快速规划方法。

背景技术：

随着车辆排放法规的日益严格，汽车动力系统的电动化、交通系统的信息化和智能化同时为汽车的节能控制带来了新的机遇和更加严峻的挑战：在此背景下，基于导航系统、高精度地图和车对车通信(V2V)、车对基础设施通信(V2I)技术，综合考虑外部交通信息与车辆各动力部件的工作效率特性，根据获取的外部道路智能交通信息对车辆动力系统进行优化控制，最终可以实现整车全局燃油经济性的提升；尤其是对汽车短期未来车速的预测或规划，使得一些需要全局工况作为已知信息的算法能够融合到在线应用中。但是基于智能交通信息，建立车辆动力学实时优化控制仍面临巨大的挑战：(1)在车辆可规划未来车速的情况下，如何充分利用未来车速信息优化动力系统的能量分配，实现燃油经济性最大程度的提升。(2)由于车载级的控制单元较弱的计算能力，一些计算密度较大的最优控制算法难以在车载控制单元上实时应用。

能量规划的作用是根据驾驶员发出的加速和制动踏板信号，以及当前车速，动力电池剩余电量等车辆运行状态信息，通过车载控制器(HCU)的计算规划，将驾驶员的加速/制动的功率需求合理分配至车辆的各个动力源(发动机和电机)。现有的能量规划方法主要有基于规则的方法和基于优化算法的方法，前者大多依靠专家经验以及动力部件的静态效率制定各种控制门限值，由于编程简单，实用性强，已得到广泛的商业应用，但是基于规则的策略往往动态特性不佳，且在不同风格的工况下燃油经济性的表现也有很大的差距，很难实现实时的近似最优的控制；基于优化的能量规划现仍处于探索阶段，可以分为基于全局优化和基于瞬时优化的策略，基于全局优化的代表性方法是离线全局动态规划(DP)，它假设全局工况已知，遍历每条可行的系统状态转移路径并计算相应的成本函数，最后返回最优的控制序列，其缺点是计算量大且随系统控制量的增加呈指数增加；基于瞬时优化的策略主要是由庞特里亚金极小值原理(PMP)衍生出的等效燃油消耗最小策略(ECMS)，它将PMP的协同状态引入油电等效的概念，将每一时刻的燃油消耗和电能消耗由等效因子转换为等效燃油消耗，把全局燃油消耗优化问题最终简化成为每一时刻的等效油耗最小化问题；然而PMP或ECMS的控制效果严重依赖额外的控制参数(协同状态或等效因子)的自适应实时调节，而这些额外参数又与行驶工况密切相关，且难以提取它们之间显式的函数关系。

除此之外，基于智能算法和基于智能交通系统的能量规划是近年来研究的热点，前者多依靠神经网络强大的非线性表征能力，如融合人工神经网络进行道路工况识别或驾驶风格识别的控制规则，此类算法虽然无需具体模型，且具有启发式优势，但其控制效果和鲁棒性都有待提高；而对于基于智能交通系统的能量规划策略，充分融合智能交通信息、实时性好的车辆动力学优化控制是提高整车燃油经济性的一个重要研究方向。

发明内容：

本发明是为了解决上述现有技术存在的问题而提供一种面向智能交通的整车能量快速规划方法。

本发明所采用的技术方案有：

一种面向智能交通的整车能量快速规划方法，包括如下步骤：

步骤1)初始化问题：将每一步长内控制量的求解看作是一个子问题，根据约束条件确定在各个步长内每个动力部件控制量的可行范围，将可行范围离散化后确认全部可行的工作点组合，生成瞬时油耗-SOC变化率点簇；

步骤2)生成候选方案：根据可行工作点组合的瞬时油耗-SOC变化率点簇的下边缘点，确认各个油耗区间内的候选混动工作方案，剔除不规则候选混动工作方案，之后根据电量消耗与燃油消耗的特性对下边缘点对应的混动工作方案进行排序，估算全程以纯电模式行驶所需总电能；

步骤3)递归替换候选方案：根据全部子问题的混动工作方案排序，每次执行一个步长子问题的纯电行驶方案到混动工作方案的替换，并更新电量总消耗、燃油总消耗、候选混动模式方案的数据，直到SOC满足提前设定好的条件；满足SOC条件后，根据每个子问题是否发生过替换和替换发生的次数，输出最优控制量，至此完成短期内的整车能量快速规划。

进一步地，步骤1)中约束条件为：根据由整车纵向动力学计算得到的需求转矩约束和车辆各动力源部件的转矩、转速约束，为子问题确定所有模式下的可行控制量组合，控制量组合为工作挡位、发动机和驱动电机的转矩组合。

进一步地，步骤1)中瞬时油耗-SOC变化率点簇的生成方法为：根据可行控制量组合中的发动机工作点，在发动机油耗二维查表Map中插值计算瞬时燃油消耗作为点的横坐标；根据可行控制量组合中的电动机工作点，在发动机油耗二维查表Map中插值计算电机效率，由下式计算电动机工作点对应的SOC变化ΔSOC，作为点的纵坐标；

其中：ω_EM1、ω_EM2表示两个电机的转速，T_EM1、T_EM2表示两个电机的转矩；η_EM，P_EM分别为电机效率和功率；I为电池电流，Q为电池的额定容量，V_oc表示电池的开路电压，R_in和P_bat表示电池内阻和电池功率，Δt表示采样步长。

进一步地，对于按生成的瞬时油耗-SOC变化率点簇，仅为纯电驱动模式保留点簇在纵轴上最下方的那个点作为子问题的纯电驱动模式最优方案，仅为混动模式保留每个模式对应点簇的下边缘的点。

进一步地，步骤2)中油耗区间的定义为

其中为瞬时燃油消耗量的采样步长，/>表示以/>步长对/>的范围进行等距采样后，第k个采样点处的数值。

进一步地，步骤2基于下式，根据保留的每个混动模式对应点簇的下边缘的点，确认每个混动模式在油耗区间内的候选混动工作方案u：

所述步骤2)基于以下规则过滤每个混动模式的不规则候选工作方案：不满足下式的候选混动工作方案与其对应的点簇的下边缘的点会被忽略：

其中θ的定义如下：

对每个混动模式，以瞬时油耗-SOC变化率点簇与纵轴交点的最低点为公共起点，将保留的每个混动模式对应点簇的下边缘的点，从左到右依次连接起来，得到的分段线性包络线的每段的斜率为θ，由下式计算：

其中ΔSOC_k表示下边缘点中，瞬时燃油消耗率为的混动工作方案对应的ΔSOC。

进一步地，所述步骤2)中，对全程行驶所需总电能SOC_EV的估计，是基于每个采样点车辆都以纯电驱动模式最优方案运行的假设，累加纯电驱动模式最优方案对应的ΔSOC获得的，在此假设下，全程燃油消耗总量m_fuel＝0。

进一步地，所述步骤2)中混动方案排序过程为：完成过滤每个混动模式的不规则候选工作方案后，每个混动模式对应下边缘点连线的左侧第一段具有最大的θ绝对值，把它定义为该模式的第一斜率包络线，第一段连线右端的瞬时油耗-SOC变化率点对应的候选混动方案，定义为该模式的第一候选混动方案；定义下边缘点连线的左侧第二段定义为第二斜率包络线，其右端对应第二候选混动方案，以此类推，对剩余的下边缘点连线进行定义。

进一步地，步骤3)中的模式替换过程具体为：在第一次模式替换发生之前，所有子问题对应的步长均以纯电驱动模式最优方案工作；在全部子问题的所有工作模式的第一斜率包络线间搜索，假设第i个子问题的某混动模式的第一斜率包络线具有最大的斜率θ绝对值，则将此混动模式定义为混动k模式，并用混动k模式的第一候选混动方案替换第i个子问题中已有的纯电驱动模式最优方案，其余未进行替换过程的子问题对应步长仍以纯电驱动模式最优方案工作；完成一次子问题的纯电驱动模式最优方案到候选混动方案的替换后，为第i个子问题的全程电量总消耗SOC_EV、全程燃油总消耗m_fuel、候选混动模式方案数据进行更新。

进一步地，所述全程电量总消耗SOC_EV、全程燃油总消耗m_fuel、候选混动模式方案数据的更新过程具体为：

按照下式将全程行驶所需总电能SOC_EV的估计值更新为SOC'_EV，完成全程电量总消耗的更新：

其中表示第i个子问题的纯电驱动模式最优方案对应的SOC变化量，/>表示第i个子问题的混动k模式的第一候选混动方案对应的SOC变化量；

将混动k模式第一候选混动方案对应的瞬时燃油消耗累加到全程燃油总消耗m_fuel中，完成全程燃油总消耗的更新；

将用于计算第i个子问题分段线性包络线每段的斜率θ时，使用的对应于纯电驱动模式最优方案的公共起始点，更新为混动k模式的第一候选混动方案对应的瞬时油耗-SOC变化率点，再次对每个混动模式的下边缘点进行过滤；然后对经过再次过滤的每个混动模式的下边缘点对应的混动方案进行排序，即将每个模式下边缘点连线的左侧第一段定义为该模式的第一斜率包络线，第一段连线右端的瞬时油耗-SOC变化率点对应的候选混动方案，定义为该模式的新的第一候选混动方案，完成候选混动模式方案数据的更新。

进一步地，所述步骤3)中的输出最优控制量的过程具体为：

首先判断更新后的SOC'_EV是否满足下式约束：

车辆为PHEV类型

若未满足上式要求，则根据更新后的候选混动模式方案数据，重新执行模式替换过程，直到上式约束被满足；其中SOC(0)表示行程起始时的电池SOC，SOC(t_f)表示行程结束时的电池SOC，为充分利用电池电能，一般设置为SOC的下限值，L_total和L_travelled分别表示预期行驶里程与已行驶里程，可通过GPS系统和智能交通信息获取；

若满足上式要求，则按以下规则输出最优控制量：

若某子问题从未发生纯电驱动模式最优方案到候选混动方案的替换，则该子问题对应步长以纯电驱动模式最优方案运行；若某子问题发生过一次替换，则该子问题对应的步长以混动k模式和混动k模式对应第一候选混动方案运行；若某子问题发生过一次以上的替换，则该子问题对应的步长以最后替换纯电驱动模式最优方案的混动模式与其对应的第一候选混动方案运行。

本发明首先初始化问题，将每一步长内控制量的求解看作是一个子问题，根据约束条件确定每个动力部件在各个步长内的可行工作点的范围，离散化后确认全部可行的工作点组合，生成瞬时油耗-SOC变化率点簇；然后确认各个油耗区间内的候选混动工作方案，剔除不规则候选混动工作方案，之后根据能耗(电量消耗、燃油消耗)特性对混动工作方案进行排序，估计全程以纯电模式行驶所需总电能(对应SOC的总变化)；最后根据全部子问题的混动工作方案排序，每次执行一个步长子问题的纯电行驶方案到混动工作方案的替换，并更新电量总消耗、燃油总消耗、候选混动模式方案的数据，直到SOC满足提前设定好的条件；满足SOC条件后，根据每个子问题是否发生过替换和替换发生的次数，输出最优控制量，至此完成短期内的整车能量快速规划。由此产生的有益效果为：本发明方法能够实现较高的车辆燃油经济性；且实施时无需引入额外的控制参数，与传统全局优化求解方法动态规划相比，大幅提升了计算效率，因此对车载计算单元的计算能力依赖小，具有实际应用的潜力。

附图说明：

图1为整车能量快速规划方法的求解流程示意图；

图2为发动机油耗查表Map和电机效率查表Map示意图；

图3为某子问题的瞬时油耗-SOC变化率点簇示意图；

图4为某模式对应的纯电驱动模式最优方案、候选混动方案的瞬时油耗-SOC变化率点示意图；

图5为进行点过滤后某子问题内全部混动模式对应的凸的分段线性包络线；

图6为用于存储候选方案的数据结构的示意图。

具体实施方式：

下面结合附图对本发明作进一步的说明。

如图1所示，本发明一种面向智能交通的整车能量快速规划方法，对于某具体行驶工况，假设在每个控制采样点时刻车辆都能够接收智能交通信息并规划未来N个采样点的车速序列[v_p(1),v_p(2),v_p(3),...,v_p(N)]，由车辆纵向动力学式(1)可计算此车速序列对应的需求转矩序列：

其中，T_dem为需求转矩，m_v为车辆总质量，g为重力加速度，μ_r为滚动阻力系数，θ为道路坡度，C_D为车辆空气风阻系数，A为车辆前向迎风面积，v_v为车速，R_w为车轮半径。

假设除发动机外，车辆至少装备有一个驱动电机；除纯电驱动模式外，车辆有至少一个其他运行模式，如串联(增程)、并联等驱动模式，且每种模式都有传动比不同的挡位。

第一步：划分子问题，对于规划好车速的未来N个采样点，将每个步长的控制量求解看作是一个子问题，当所需驱动转矩小于0且电池SOC低于SOC上限值时，由电机进行制动能量回收。当所需驱动转矩大于0时，首先根据需求驱动转矩约束式(1)，各动力部件的物理约束式(2)，车速，以及发动机和驱动电机的转矩转速耦合关系，为每个子问题确定每个模式内离散化的可行控制量组合(即工作挡位、发动机和驱动电机转矩的组合)；附图2为发动机油耗查表Map和两电机效率查表Map的示意图，其中的三点为某个发动机和驱动电机转矩的可行组合的示意图。除纯电驱动模式以外，其余都是发动机参与驱动的混合动力模式/>然后由发动机油耗查表Map和两电机效率查表Map，采用二维插值方法计算每个子问题的所有可行控制量组合对应的瞬时油耗/>和电机效率值，根据式(3)计算每个子问题的所有可行控制量组合对应的SOC变化率(ΔSOC)，得到每个子问题的瞬时油耗-SOC变化率点簇，如附图3所示。

其中ω_EM1、ω_EM2、ω_ICE分别表示电机1、电机2、发动机的转速，T_EM1、T_EM2、T_ICE分别表示电机1、电机2、发动机的转矩；ω_{EM1_max}、ω_{EM2_max}、ω_{ICE_max}分别表示电机1、电机2、发动机的最大转速；T_{ICE_max}(ω_EM1(t))、T_{EM1_max}(ω_EM1(t))、T_{EM2_max}(ω_EM1(t))、T_{EM1_min}(ω_EM1(t))、T_{EM2_min}(ω_EM1(t))分别表示发动机最大转矩、电机1和电机2的最大转矩与最小转矩，可通过对外特性曲线的插值获得；SOC_min和SOC_max分别表示电池SOC的允许下限值与上限值；η_EM，P_EM分别为电机效率和功率；I为电池电流，Q为电池的额定容量，V_oc表示电池的开路电压，R_in和P_bat表示电池内阻和电池功率，Δt表示采样步长。

瞬时油耗-SOC变化率点簇与左侧坐标轴的交点对应纯电驱动模式的转矩组合方案，为每个子问题保留点簇与左侧坐标轴交点最下方的点作为纯电驱动模式最优方案。对于其他(/>即对应各混动模式转矩组合方案)部分的瞬时油耗-SOC变化率点簇，为每个混动模式保留其对应部分点簇的下边缘点，若固定瞬时燃油消耗，则下边缘上的点对应的转矩组合方案能使得电能消耗量最小(或者电能再生量最大)。

第二步：对于每个混动模式对应点簇的下边缘点进行初步筛选。首先将每个混动模式对应点簇的瞬时燃油消耗量分布区间以固定步长进行离散得到n个油耗区间：在离散的油耗点的左右半个离散步长的油耗区间/>内，按照式(5)，选择每个油耗区间内部最低的下边缘点(即ΔSOC最低的瞬时油耗-SOC变化率点)，记录此点对应的控制量组合作为当前模式在对应油耗区间内的候选混动方案；在所有油耗区间/>内重复式(5)确定候选混动方案的过程。

最终为该子问题求解出每个混动模式在各个油耗区间内的候选混动方案。对于每个混动工作模式，将它的一个纯电驱动模式最优方案、多个候选混动方案的瞬时油耗-SOC变化率点用直线依次连接起来，得到m(m＝混动模式个数)条分段线性的包络线，它们的左侧起点都对应纯电驱动模式最优方案；附图4为某子问题中单个模式对应的一个纯电驱动模式最优方案、多个候选混动方案的瞬时油耗-SOC变化率点的示意图。

定义包络线上原始瞬时油耗-SOC变化率点与其左侧相邻一段线性包络线的斜率θ，如式(6)所示，其中k为离散油耗点的索引；斜率θ的绝对值越大说明在相同的SOC变化下燃油消耗量越小；为除去每条包络线中的不规则点(凹点)，使用式(7)定义的两个条件对m条分段线性包络线上的瞬时油耗-SOC变化率点进行过滤，删除不符合条件(7)的点，然后为各混动模式重新连接剩余的瞬时油耗-SOC变化率点，得到全部混动模式对应的m条凸的分段线性包络线，如附图5所示。

对于每个子问题的任意一条分段线性包络线，经(7)的过滤处理后，它每一段的斜率θ的绝对值从最左侧点到最右侧是严格递减的，因此最左侧第一段包络线的斜率绝对值是最大的，把它定义为该子问题在该混动模式下的第一斜率包络线，第一斜率包络线右侧末端的瞬时油耗-SOC变化率点对应的候选混动方案，称为该子问题在该混动模式下的第一候选混动方案；相应的，左侧第二段包络线定义为第二斜率包络线，其右侧末端点对应第二候选混动方案，……，左侧第n段包络线定义为第n斜率包络线，其右侧末端点对应第n候选混动方案。将子问题的每个混动模式的第一，二，…，n候选混动方案的有关数据存储在如附图6所示的结构中，其中的数据包括每个油耗区间内的S_i，即第i候选混动方案对应的瞬时燃油消耗量和SOC变化；每个油耗区间内的U_i，即第i候选混动方案对应的控制量组合(工作挡位，发动机、电动机转矩)。

假设车辆在每个步长都以纯电驱动模式最优方案运行，然后对每个子问题的纯电驱动模式最优方案对应的SOC变化(电量消耗)进行累加，计算得到车辆全程以纯电动模式行驶所需要的SOC变化总量SOC_EV，此时燃油消耗总量m_fuel＝0。

第三步：

定义“模式替换过程”如下：对所有子问题(步长)，每次执行一个步长子问题的纯电行驶方案到混动工作方案的替换。首先在所有子问题的全部工作模式的第一斜率包络线之间进行搜索：假设在第i个子问题中某混动模式对应的第一斜率包络线的斜率θ绝对值最大，则将此第一斜率包络线对应的混动模式定义为混动k模式，用混动k模式的第一候选混动方案替换之前假设中的纯电驱动模式最优方案，并根据此第一候选混动方案对应的SOC变化量ΔSOC与瞬时燃油消耗量由式(8)更新SOC_EV为SOC'_EV，并累加该步长瞬时燃油消耗量/>至燃油消耗总量m_fuel，式(8)中/>即表示第i个子问题纯电驱动模式最优方案对应的SOC变化量，/>即表示第i个子问题的混动k模式的第一候选混动方案对应的SOC变化量；然后将第i个子问题的所有(共m条)分段线性包络线的公共起始点，将原来的瞬时油耗-SOC变化率点簇与左侧坐标轴交点中的最低点(对应纯电驱动模式最优方案)，全部更新为混动k模式的第一候选混动方案对应的瞬时油耗-SOC变化率点，之后对这重新构建的m条分段线性包络线，再次进行第二步中式(7)定义的滤波过程，经过公共起点更新并再次滤波后的每条包络线与进行模式替换之前的包络线具有相似的性质：每条分段线性包络线的斜率θ的绝对值从最左侧点到最右侧点也是严格递减的，因此最左侧第一段包络线的斜率绝对值也是最大的；按照第二步中的规则，仍把各混动模式的左侧第一段包络线定义为该混动模式下的第一斜率包络线，将第一斜率包络线右侧末端的瞬时油耗-SOC变化率点对应的候选混动方案，定义为新的该混动模式下的第一候选混动方案。由于“模式替换过程”之后的第一候选混动模式方案的更新(表现为m条分段线性包络线公共起始点的更新)，可能会存在执行过不止一次“模式替换过程”的子问题。

第四步，判断更新后的SOC变化总量是否满足SOC规划条件(9)，若不满足，则重复进行第三步中定义的“模式替换过程”的步骤，直至最后更新后的SOC变化总量满足SOC规划条件(9)。条件(9)满足后，仍可能存在一些没有进行过“模式替换过程”的子问题，对于这些子问题对应的步长，系统以该子问题的纯电驱动模式最优方案运行，对于进行过“模式替换过程”的子问题对应的步长，系统以该子问题最新的混动k模式与最新的混动k模式的第一候选混动方案运行(即对于进行过不止一次“模式替换过程”的子问题对应的步长，以最后一次替换纯电行驶方案的混动工作方案运行)，至此完成对未来N个采样点的能量规划，得到全部步长子问题中可作用于车辆的最优工作模式序列和最优控制量组合序列；在未来N个采样点时刻，将这最优工作模式序列和最优控制量组合序列施加于被控车辆动力系统各个动力部件；在下个N个采样点的车速序列规划好后，同样执行本方法，直到完成整个行程。

其中行程结束后的SOC变化量SOC'_EV为负时表示电池电量高于行程开始时的电量，反之则表示行程中消耗了一部分电量。对于PHEV类型的车辆，SOC(0)表示行程起始时的SOC，SOC(t_f)表示行程结束时的SOC，为充分利用电池电能，一般设置为SOC的下限值，L_total和L_travelled分别表示预期行驶里程与已行驶里程，可通过GPS系统和智能交通信息获取。

本方法能够实现较高的车辆燃油经济性；且实施时避免引入额外的控制参数，有较高的计算效率，因此对车载计算单元的计算能力依赖小，具有实际应用的潜力。

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 (10)

1.一种面向智能交通的整车能量快速规划方法，其特征在于：包括如下步骤：

步骤1)初始化问题：将每一步长内控制量的求解看作是一个子问题，根据约束条件确定在各个步长内每个动力部件控制量的可行范围，将可行范围离散化后确认全部可行的工作点组合，生成瞬时油耗-SOC变化率点簇；

步骤2)生成候选方案：根据可行工作点组合的瞬时油耗-SOC变化率点簇的下边缘点，确认各个油耗区间内的候选混动工作方案，剔除不规则候选混动工作方案，之后根据电量消耗与燃油消耗的特性对下边缘点对应的混动工作方案进行排序，估算全程以纯电模式行驶所需总电能；

步骤3)递归替换候选方案：根据全部子问题的混动工作方案排序，每次执行一个步长子问题的纯电行驶方案到混动工作方案的替换，并更新电量总消耗、燃油总消耗、候选混动模式方案的数据，直到SOC满足提前设定好的条件；满足SOC条件后，根据每个子问题是否发生过替换和替换发生的次数，输出最优控制量，至此完成短期内的整车能量快速规划；

所述步骤2)基于以下规则过滤每个混动模式的不规则候选工作方案：不满足下式的候选混动工作方案与其对应的点簇的下边缘的点会被剔除：

其中θ的定义如下：

对每个混动模式，以瞬时油耗-SOC变化率点簇与纵轴交点的最低点为公共起点，将保留的每个混动模式对应点簇的下边缘的点，从左到右依次连接起来，得到的分段线性包络线的每段的斜率为θ，由下式计算：

其中，ΔSOC_k表示下边缘点中，瞬时燃油消耗率为的混动工作方案对应的ΔSOC；ΔSOC_k-1表示下边缘点中，瞬时燃油消耗率为/>的混动工作方案对应的ΔSOC；k为采样点。

2.如权利要求1所述的面向智能交通的整车能量快速规划方法，其特征在于：步骤1)中约束条件为：根据由整车纵向动力学计算得到的需求转矩约束和车辆各动力源部件的转矩、转速约束，为子问题确定所有模式下的可行控制量组合，控制量组合为工作挡位、发动机和驱动电机的转矩组合。

3.如权利要求2所述的面向智能交通的整车能量快速规划方法，其特征在于：步骤1)中瞬时油耗-SOC变化率点簇的生成方法为：瞬时燃油消耗作为点的横坐标；电动机工作点对应的SOC变化ΔSOC，作为点的纵坐标；由发动机油耗查表Map和两电机效率查表Map，采用二维插值方法计算每个子问题的所有可行控制量组合对应的瞬时油耗/>和电机效率值，根据下式计算每个子问题的所有可行控制量组合对应的SOC变化率ΔSOC，得到每个子问题的瞬时油耗-SOC变化率点簇；

I为电池电流，Q为电池的额定容量，V_oc表示电池的开路电压，R_in和P_bat表示电池内阻和电池功率，Δt表示采样步长。

4.根据权利要求1所述面向智能交通的整车能量快速规划方法，其特征在于：步骤2)中油耗区间的定义为

其中为瞬时燃油消耗量的采样步长，/>表示以/>步长对/>的范围进行等距采样后第k个采样点处的数值。

5.根据权利要求1所述面向智能交通的整车能量快速规划方法，其特征在于：步骤2)基于下式，根据保留的每个混动模式对应点簇的下边缘的点，确认每个混动模式在油耗区间内的候选混动工作方案u：

6.根据权利要求5所述面向智能交通的整车能量快速规划方法，其特征在于：所述步骤2)中，对全程行驶所需总电能SOC_EV的估计，是基于每个采样点车辆都以纯电驱动模式最优方案运行的假设，累加纯电驱动模式最优方案对应的ΔSOC获得的，在此假设下，全程燃油消耗总量m_fuel＝0。

7.根据权利要求5所述面向智能交通的整车能量快速规划方法，其特征在于：所述步骤2)中混动方案排序过程为：完成过滤每个混动模式的不规则候选工作方案后，每个混动模式对应下边缘点连线的左侧第一段具有最大的θ绝对值，把它定义为该模式的第一斜率包络线，第一段连线右端的瞬时油耗-SOC变化率点对应的候选混动方案，定义为该模式的第一候选混动方案；定义下边缘点连线的左侧第二段定义为第二斜率包络线，其右端对应第二候选混动方案，以此类推，对剩余的下边缘点连线进行定义。

8.根据权利要求1所述面向智能交通的整车能量快速规划方法，其特征在于：步骤3)中的模式替换过程具体为：在第一次模式替换发生之前，所有子问题对应的步长均以纯电驱动模式最优方案工作；在全部子问题的所有工作模式的第一斜率包络线间搜索，假设第i个子问题的某混动模式的第一斜率包络线具有最大的斜率θ绝对值，则将此混动模式定义为混动k模式，并用混动k模式的第一候选混动方案替换第i个子问题中已有的纯电驱动模式最优方案，其余未进行替换过程的子问题对应步长仍以纯电驱动模式最优方案工作；完成一次子问题的纯电驱动模式最优方案到候选混动方案的替换后，为第i个子问题的全程电量总消耗SOC_EV、全程燃油总消耗m_fuel、候选混动模式方案数据进行更新。

9.根据权利要求8所述的面向智能交通的整车能量快速规划方法，其特征在于：所述全程电量总消耗SOC_EV、全程燃油总消耗m_fuel、候选混动模式方案数据的更新过程具体为：

按照下式将全程行驶所需总电能SOC_EV的估计值更新为SOC'_EV，完成全程电量总消耗的更新：

其中表示第i个子问题的纯电驱动模式最优方案对应的SOC变化量，/>表示第i个子问题的混动k模式的第一候选混动方案对应的SOC变化量；

将混动k模式第一候选混动方案对应的瞬时燃油消耗累加到全程燃油总消耗m_fuel中，完成全程燃油总消耗的更新；

将用于计算第i个子问题分段线性包络线每段的斜率θ时，使用的对应于纯电驱动模式最优方案的公共起始点，更新为混动k模式的第一候选混动方案对应的瞬时油耗-SOC变化率点，再次对每个混动模式的下边缘点进行过滤；然后对经过再次过滤的每个混动模式的下边缘点对应的混动方案进行排序，即将每个模式下边缘点连线的左侧第一段定义为该模式的第一斜率包络线，第一段连线右端的瞬时油耗-SOC变化率点对应的候选混动方案，定义为该模式的新的第一候选混动方案，完成候选混动模式方案数据的更新。

10.根据权利要求9所述面向智能交通的整车能量快速规划方法，其特征在于：所述步骤3)中的输出最优控制量的过程具体为：

首先判断更新后的SOC'_EV是否满足下式约束：

车辆为PHEV类型

其中，v_p(i)表示第i个采样点的车速；

若未满足上式要求，则根据更新后的候选混动模式方案数据，重新执行模式替换过程，直到上式约束被满足；其中SOC(0)表示行程起始时的电池SOC；SOC(t_f)表示行程结束时的电池SOC，为充分利用电池电能，设置为SOC的下限值；L_total和L_travelled分别表示预期行驶里程与已行驶里程，通过GPS系统和智能交通信息获取；

若满足上式要求，则按以下规则输出最优控制量：

若某子问题从未发生纯电驱动模式最优方案到候选混动方案的替换，则该子问题对应步长以纯电驱动模式最优方案运行；若某子问题发生过一次替换，则该子问题对应的步长以混动k模式和混动k模式对应第一候选混动方案运行；若某子问题发生过一次以上的替换，则该子问题对应的步长以最后替换纯电驱动模式最优方案的混动模式与其对应的第一候选混动方案运行。