CN114555406B - 对机动车的动力总成的电机的基于模型的预测性调节 - Google Patents
对机动车的动力总成的电机的基于模型的预测性调节 Download PDFInfo
- Publication number
- CN114555406B CN114555406B CN201980101241.6A CN201980101241A CN114555406B CN 114555406 B CN114555406 B CN 114555406B CN 201980101241 A CN201980101241 A CN 201980101241A CN 114555406 B CN114555406 B CN 114555406B
- Authority
- CN
- China
- Prior art keywords
- term
- cost function
- motor vehicle
- electric machine
- dependence
- 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
Links
- 230000033228 biological regulation Effects 0.000 title claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 44
- 238000005265 energy consumption Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 55
- 238000005457 optimization Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 6
- 230000007704 transition Effects 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
- B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
- B60L15/2045—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed for optimising the use of energy
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L50/00—Electric propulsion with power supplied within the vehicle
- B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
- B60L50/60—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using power supplied by batteries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3469—Fuel consumption; Energy use; Emission aspects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/42—Drive Train control parameters related to electric machines
- B60L2240/421—Speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/42—Drive Train control parameters related to electric machines
- B60L2240/423—Torque
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/60—Navigation input
- B60L2240/62—Vehicle position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/60—Navigation input
- B60L2240/64—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2260/00—Operating Modes
- B60L2260/20—Drive modes; Transition between modes
- B60L2260/32—Auto pilot mode
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
Abstract
本发明涉及用于对机动车(1)的动力总成(7)的电机(8)进行基于模型的预测性调节的处理器单元(3),其中,所述处理器单元(3)被设置成用于:执行用于对机动车(1)的动力总成(7)的电机(8)进行基于模型的预测性调节的MPC算法(13)。MPC算法(13)包含:动力总成(7)的纵向动力学模型(14)和要最小化的成本函数(15)。成本函数(15)包含以第一加权因子加权的且按照纵向动力学模型(14)预测的电能作为第一项,该电能在预测界域内由动力总成(7)的电池(9)提供用以驱动电机(8)。成本函数(15)包含以第二加权因子加权的且按照纵向动力学模型(14)预测的行驶时间作为第二项,机动车(1)需要该行驶时间以便驶过在预测界域内所预测的整个路程。处理器单元(3)被设置成用于:通过执行MPC算法(13),依赖于第一项并且依赖于第二项来确定针对电机(8)的输入参量,从而使成本函数最小化。
Description
技术领域
本发明涉及对机动车的动力总成的电机的基于模型的预测性调节。就这方面来说,尤其是要求保护一种处理器单元、一种机动车、一种方法以及一种计算机程序产品。
背景技术
基于模型的预测性调节方法(英文:Model Predictive Control或简称MPC)在轨迹调节领域、尤其是在机动车中的马达调节领域使用。Schwickart在其著作“基于模型的预测性控制的用于电动车辆的节能驾驶员辅助系统”(“Energy-Efficient DriverAssistance System For Electric Vehicles Using Model-Predictive Control”,Schwickart,T.,Université du Luxembourg,Dissertation,2015)中提出了一种用于平方规划的方法。在此,重新制定系统模型以便获得线性或平方问题,该线性或平方问题收敛并且易于数值求解。此外,从EP2610836 A1已知基于前瞻界域和其它环境信息通过成本函数的最小化对能量管理策略的优化。在此,建立用于在车辆中使用的神经网络并且对驾驶员进行建模以及预知该驾驶员可能选择的速度曲线。EP1256476 B1还公开了一种用于减少在行驶时的能量需求并且用于增加行程的策略。在此,使用导航设备的信息,即当前的车辆定位、道路模式、带有日期和时间的地理、高度变化、速度限制、十字路口密度、交通监控和驾驶员的驾驶模式。
从US 2004/068359 A1还公知一种前瞻性的巡航控制,该预测巡航控制使用关于当前车辆定位和前方地貌的信息,以便节省燃料并提高行驶舒适性。限定车辆运行成本函数,该车辆运行成本函数基于大量环境参数、车辆参数、车辆运行参数和路线参数以及路段参数。当车辆在针对其在道路地图中存储有如道路坡度和弯道那样的路段参数的特定路段上行驶期间,车载传感器检测环境和车辆运行参数,至少包括车速和该车辆相对于道路地图的位置。在车辆继续行驶期间,车载计算机迭代地计算车辆控制参数并且将如下参数存储在存储器中:这些参数针对沿着车辆前方的路段的预先确定的预告界域优化了车辆的运行成本函数。接着,对于预测界域来说最优的车辆控制参数被存放在存储器中并且在车辆行驶期间持续地更新并且被新的数据所替代。由此,“最优的”控制参数被适配为使得这些控制参数反映了车辆在行驶期间的实际运行体验。接着,通过从存储器读取对应于车辆当前定位的经优化的被更新的车辆控制参数来控制车辆。
驾驶员及其驾驶风格对在运行机动车时的能耗有很大影响。然而,已知的巡航控制并未考虑能耗。此外,前瞻性的驾驶策略通常是基于规则的并且由此不是在任何状况下都提供最优结果。此外,基于优化的策略是非常耗费计算的并且到目前为止只作为离线解决方案已知或者利用动态规划来解决。
发明内容
本发明的任务可以被视为:提供一种经改善的用于机动车的动力总成的电机的MPC调节。该任务通过独立的专利权利要求的主题来解决。有利的实施方式是从属权利要求、如下描述以及附图的主题。
本发明能够实现在行驶期间通过了解动力总成的损耗来优化机动车的能耗。为此,如在下文更详细地阐述的那样,尤其是合乎动力总成部件的效率特性曲线簇和行驶阻力。在此,可以完全省去对参考速度的使用。
为了在任何状况中在给定边界条件和限制的情况下为所谓的“行车效率(DrivingEfficiency)”行驶功能找到应提供高效行驶方式的最优解,选择了基于模型的预测性调节的(MPC)方法。MPC方法基于系统模型,该系统模型描述了系统的行为。此外,MPC方法基于目标函数或成本函数,目标函数或成本函数描述并确定应将哪些状态参量最小化的优化问题。针对行车效率行驶功能的状态参量尤其可以是车速或动能、在电池中剩余的能量和行驶时间。对能耗和行驶时间的优化尤其是基于前方路段的坡度、对速度和驱动力的限制以及基于当前系统状态来进行。
现有技术、尤其是Schwickart(见上文)教导了作为MPC调节器的基础的速度参考。除了增加的能耗之外,在目标函数中,与该参考速度的偏差会受到惩罚。替选地,Schwickart也研究了一种不需要参考速度并且替代于此地惩罚与所限定的被允许的速度带宽的偏差的公式化。Schwickart并不认为这种公式化有利,原因在于:由于在目标函数中的使能耗最小化的第二项,解总是处在所允许的速度范围的下限处。但是,在以类似方式使用速度参考时,情况也是如此。一旦对与速度参考的偏差进行惩罚的项被放宽,则对能耗的评价导致行驶速度的降低。与参考的偏差将总是朝着速度更低的方向发生。
为了克服该问题,本发明提出:行车效率行驶策略的目标函数或成本函数还包含另一项,由此除了能耗之外也使行驶时间最小化。这导致:根据加权因子的选择,低速度并不总是被评价为最优并且因此不再存在所得到的速度总是处在所允许的速度的下限处的问题。
本发明能够实现:驾驶员影响对于机动车的能耗和行驶时间而言不再重要,这是因为可以通过处理器单元基于输入参量来控制电机,输入参量通过执行MPC算法来确定。借助输入参量,尤其可以设定电机的最优马达运行点。由此,可以实现直接调节出机动车的最优速度。
在这个意义上,按照本发明的第一方面,提供了用于对机动车的动力总成的电机进行基于模型的预测性调节的处理器单元。该处理器单元被设置成用于:执行用于对机动车的动力总成的电机进行基于模型的预测性调节的MPC算法,其中,该MPC算法包含动力总成的纵向动力学模型和要最小化的成本函数。成本函数包含以第一加权因子加权的且按照纵向动力学模型预测的电能作为第一项,该电能在预测界域内由动力总成的电池提供用以驱动电机。成本函数还包含以第二加权因子加权的且按照纵向动力学模型预测的行驶时间作为第二项,机动车需要该行驶时间来驶过在预测界域内预测的整个路程。该处理器单元被设置成用于:通过执行MPC算法,依赖于第一项并且依赖于第二项来确定针对电机的输入参量或输入信号,从而使成本函数最小化。该处理器单元还可以被设置成用于基于输入参量来控制电机。
按照本发明的第二方面,提供了一种车辆。该车辆包括:具有电机的动力总成;和驾驶员辅助系统。此外,动力总成尤其包括电池。此外,动力总成尤其包括传动装置。驾驶员辅助系统被设置成用于:借助通信接口来访问针对电机的输入参量,其中,该输入参量是由按照本发明的第一方面的处理器单元所确定的。驾驶员辅助系统还可以被设置成用于基于输入参量来控制电机。车辆例如是机动车,如汽车(例如重量小于3.5t的载客车)、摩托车、小型摩托车、轻便摩托车、自行车、电动自行车、公交车或载货车(例如重量超过3.5t的公交车和载货车)。车辆例如可以属于车队。车辆可以由驾驶员来控制,可能辅助以驾驶员辅助系统。然而,车辆例如可以被遥控和/或(部分)自主地被控制。
按照本发明的第三方面,提供了用于对机动车的动力总成的电机进行基于模型的预测性调节的方法。按照该方法,借助处理器单元来执行用于对机动车的动力总成的电机进行基于模型的预测性调节的MPC算法。在此,MPC算法包含动力总成的纵向动力学模型和要最小化的成本函数,其中,成本函数包含以第一加权因子加权的且按照纵向动力学模型预测的电能作为第一项,该电能在预测界域内由动力总成的电池提供用以驱动电机,并且其中,成本函数包含以第二加权因子加权的且按照纵向动力学模型预测的行驶时间作为第二项,机动车需要该行驶时间来驶过在预测界域内预测的整个路程。此外,借助处理器单元通过执行MPC算法,依赖于该第一项并且依赖于第二项来确定针对电机的输入参量,从而使成本函数最小化。按照本发明的方法,还可以基于输入参量来控制电机。
按照本发明的第四方面,提供了用于对机动车的动力总成的电机进行基于模型的预测性调节的计算机程序产品,其中,该计算机程序产品在其在处理器单元上执行时指示该处理器单元执行用于对机动车的动力总成的电机进行基于模型的预测性调节的MPC算法。在此,MPC算法包含动力总成的纵向动力学模型和要最小化的成本函数,其中,成本函数包含以第一加权因子加权的且按照纵向动力学模型预测的电能作为第一项,该电能在预测界域内由动力总成的电池提供用以驱动电机,并且其中,成本函数包含以第二加权因子加权的且按照纵向动力学模型预测的行驶时间作为第二项,机动车需要该行驶时间来驶过在预测界域内预测的整个路程。此外,该计算机程序产品在其在处理器单元上被执行时指示该处理器单元:通过执行MPC算法,依赖于第一项并且依赖于第二项来确定针对电机的输入参量,从而使成本函数最小化。计算机程序产品还可以在其在处理器单元上执行时指示处理器单元基于输入参量来控制电机。
下面的实施方案同样适用于按照本发明第一方面的处理器单元,适用于按照本发明第二方面的车辆,适用于按照本发明第三方面的方法以及适用于按照本发明第四方面的计算机程序产品。
动力总成的纵向动力学模型可以包括具有车辆参数和动力总成损耗(部分是近似特性曲线簇)的车辆模型。尤其是关于前方路段地形(例如弯道和坡度)的消息可流入动力总成的纵向动力学模型。此外,关于在前方路段上的限速的消息也可流入动力总成的纵向动力学模型。
成本函数只具有线性项和平方项。由此,整个问题具有带线性辅助条件的平方优化形式,并且得到可以良好且快速求解的凸问题。目标函数或成本函数可以利用权重(加权因子)来构建,其中,尤其是能效、行驶时间和行驶舒适性被计算和加权。能量最优的速度轨迹可以针对前方的界域在处理器单元上在线地被计算,该处理器单元尤其可以形成机动车的中央控制设备的组成部分。通过使用MPC方法,还可以基于当前的行驶状态和前方的路段信息来进行对机动车的目标速度的周期性的重新计算。
可以测量当前的状态参量,可以记录对应的数据并且输送给MPC算法。因此,来自电子地图的针对机动车前方的前瞻界域或预测界域(例如400m)的路段数据可以尤其是周期性地被升级或更新。路段数据例如可包含坡度信息、弯道信息以及关于限速的信息。此外,弯道曲率可以通过所容许的最大横向加速度被换算成机动车的限速。还可以对机动车定方位,尤其是通过用于在电子地图上精确定位的GNSS信号来对机动车定方位。
通过MPC算法的成本函数,使针对预测界域的行驶时间最小化并且使所消耗的能量最小化。在一个实施方式中,还可以使针对预测界域的转矩变化最小化。就基于模型的预测性调节的输入而言,例如可以将限速、转矩的物理极限和电机的转速作为辅助条件输送给MPC算法。还可以将用于优化的控制参量作为输入输送给MPC算法,尤其是车辆的速度(该速度可与转速成正比)、电机的转矩和电池充电状态。MPC算法可以针对在前瞻界域内的所计算的点提供最优转速和最优转矩作为优化的输出。就车辆中实现MPC调节而言,可以在MPC算法的下游连接软件模块,该软件模块确定当前重要的状态并且将该状态转交给功率电子器件。
能耗和行驶时间可以分别在该界域结束时被评估和加权。因此,该项只对于界域的最后一个点才是有效的。在这个意义上,在一个实施方式中,成本函数包含以第一加权因子加权的能耗最终值,所预测的电能在预测界域结束时取该能耗最终值,并且成本函数包含以第二加权因子加权的行驶时间最终值,所预测的行驶时间在预测界域结束时取该行驶时间最终值。
为了确保舒适行驶,可以附加地引入用于惩罚力矩突变的项。在这个意义上,成本函数具有带第三加权因子的第三项,其中,第三项包含电机为了驱动机动车而提供的转矩的按照纵向动力学模型预测的值,并且其中,处理器单元被设置成用于:通过执行MPC算法,依赖于第一项、依赖于第二项并且依赖于第三项来确定针对电机的输入参量,从而使成本函数最小化。
针对在该界域内的第一点,与上一个设定的力矩的偏差可以被评价为负面的,以便确保在旧的和新的轨迹之间切换时存在无缝且无顿挫的过渡。在这个意义上,第三项可包含电机为了驱动机动车在该预测界域内的第一道路点提供的按照纵向动力学模型预测的转矩的以第三加权因子加权的第一值。在此,第三项可包含电机为了驱动机动车在紧接在第一道路点之前的第零道路点提供的转矩的以第三加权因子加权的第零值。第零转矩尤其可以是由电机实际地、而非仅预测地提供的转矩。在成本函数中,可以从转矩的第一值减去转矩的第零值。
替选地,第三项可包含电机为了驱动机动车在该预测界域内的第一道路点提供的按照纵向动力学模型预测的驱动力的以第三加权因子加权的第一值。在此,第三项可包含电机为了驱动机动车在紧接在第一道路点之前的第零道路点提供的驱动力的以第三加权因子加权的第零值,其中,在成本函数中从驱动力的第一值减去驱动力的第零值。
被MPC算法考虑的道路点尤其是例如以特定频率一个接一个的离散道路点。在这个意义上,第零道路点和第一道路点是离散道路点,其中,第一道路点紧跟在第零道路点之后。第零道路点可在时间上位于预测界域之前。针对第零道路点可以测量或确定第零转矩值。第一道路点尤其是在预测界域内的第一道路点。针对第一道路点可以预测第一转矩值。因此,可以将实际确定的第零转矩值与预测的第一转矩值进行比较。
附加地,在该界域内的过高的转矩梯度是不利的,从而使这些过高的转矩梯度在一个实施方式中已经在目标函数中受到惩罚。为此,每米驱动力偏差的平方可以被加权并且在目标函数中被最小化。在这个意义上,成本函数可具有带第四加权因子的第四项,其中,该第四项包含转矩的按照纵向动力学模型预测的梯度或者转矩的按照纵向动力学模型预测的梯度的指标值。在此,该处理器单元被设置成用于:通过执行MPC算法,依赖于第一项、依赖于第二项、依赖于第三项并且依赖于第四项来确定针对电机的输入参量,从而使成本函数最小化。
在一个实施方式中,第四项包含转矩梯度的与第四加权因子相乘并累加的平方偏差。成本函数还可包含电机提供的使机动车沿纵向方向前行一米的驱动力的具有第四加权因子的累加的平方偏差。在这个意义上,第四项可包含电机提供的使机动车沿纵向方向前行一米的驱动力的与第四加权因子相乘并累加的平方偏差。
例如可由交通道路法规规定的限速对于优化而言是不应被超过的硬性限制。事实上,总是容许稍微超过限速,并且尤其是在从一个速度区过渡到第二个速度区中时稍微超过限速更是正常情况。在其中限速从一个计算周期转移到下一个计算周期的动态环境中,可能发生的是:在完全的硬性限制的情况中不再能够找到针对速度曲线的有效解。为了提高计算算法的稳定性,可以将所谓的“软约束(Soft Constraint)”引入目标函数。尤其是,在达到硬性限速之前,所谓的“打滑变量”或“松弛变量”可以在预定的窄范围内变成有效的。在此,非常接近该限速的解,也就是其速度轨迹与硬性限制保持一定距离的解,可以被更差地评价。在这个意义上,成本函数可包含以第五加权因子加权的松弛变量作为第五项,其中,处理器单元被设置成用于:通过执行MPC算法,依赖于第一项、依赖于第二项、依赖于第三项、依赖于第四项并且依赖于第五项来确定针对电机的输入参量,从而使成本函数最小化。
为了遵守动力总成组件的物理极限,可以通过限制电机的特性曲线簇来限制牵引力。例如,对于最大回收而言,电池是限制性元件。为了不损坏该电池,不应该低于特定的负功率值。
附图说明
在下文,本发明的实施例依据示意性附图更详细地被阐述,其中,相同或相似的元件配备有相同的附图标记。其中:
图1示出了具有动力总成的车辆的侧视图,该动力总成包括电机和电池;
图2示出了用于根据图1的车辆的电机的特性曲线簇;
图3示出了图表,该图表示出了用于根据图1的车辆的电机的转矩与动能的关系;以及
图4示出了图表,该图表示出了根据图1的车辆的加速度与速度的关系。
具体实施方式
图1示出了机动车1,例如载客车。机动车1包括用于对机动车1的动力总成的电机进行基于模型的预测性调节的系统2。在所示出的实施例中,系统2包括处理器单元3、存储器单元4、通信接口5和用于检测与机动车1有关的状态数据的检测单元6。机动车1还包括动力总成7,该动力总成例如可包括:电机8,该电机可以作为电动机和作为发电机来运行;电池9;和传动装置10。电机8在马达运行中可以通过传动装置10来驱动机动车1的车轮,该传动装置例如可具有恒定的传动比。电池9可以提供为此所需的电能。当电机8在发电机运行中运行(回收)时,电池9可以通过电机8来充电。可选地,电池9也可以在外部的充电站处被充电。可选地,机动车1的动力总成同样可以具有内燃机21,该内燃机可以替代于或附加于电机8地驱动机动车1。内燃机21也可以驱动电机8,以便给电池9充电。
在存储器单元4上可以存储有计算机程序产品11。计算机程序产品11可以在处理器单元3上被执行,为此,处理器单元3和存储器单元4可以借助于通信接口5彼此连接。当计算机程序产品11在处理器单元3上被执行时,该计算机程序产品指示处理器单元3:实现结合附图所描述的功能或者执行方法步骤。
计算机程序产品11包含MPC算法13。MPC算法13又包含:机动车1的动力总成7的纵向动力学模型14和要最小化的成本函数15。处理器单元3执行MPC算法13并且在此基于纵向动力学模型14来预测机动车1的行为,其中,成本函数15被最小化。针对前瞻界域内的计算点得出电机8的最优转速和最优转矩作为通过MPC算法13优化的输出。为此,处理器单元3可以确定针对电机8的输入参量,从而产生最优转速和最优转矩。处理器单元3可以基于所确定的输入参量来控制电机8。此外,然而这也可以通过驾驶员辅助系统16来实现。
检测单元6可以测量机动车1的当前的状态参量,记录相对应的数据并且输送给MPC算法13。来自电子地图的针对机动车1前方的前瞻界域或预测界域(例如400m)的路段数据可以尤其是周期性地被升级或更新。路段数据例如可包含坡度信息、弯道信息以及关于限速的信息。此外,弯道曲率可以通过所容许的最大横向加速度被换算成机动车1的限速。还可以借助检测单元6对机动车定方位,尤其是通过由GNSS传感器12生成的用于在电子地图上精确定位的GPS信号对机动车定方位。处理器单元3例如可以经由通信接口5来访问这些信息。
机动车1的纵向动力学模型14可以在数学上被表达如下:
在这种情况下:
v 机动车的速度;
Ftrac 由马达或制动器施加到机动车的车轮上的牵引力;
Fr 滚动阻力,该滚动阻力是轮胎在滚动时变形的效应并且取决于车轮上的负荷(在车轮与道路之间的法向力)并因此取决于道路的倾斜角度;
Fgr 坡阻力,该坡阻力描述了在上坡或下坡行驶运行中作用到机动车上的重力的纵向分量,坡阻力取决于车道的坡度;
Fd 机动车的空气阻力;以及
meq 机动车的等效质量;该等效质量尤其包含动力总成的转动部分的惯性,所述转动部分(马达、传动装置驱动轴、车轮)经受机动车的加速度。
通过从关于时间到关于路程的转换和为了消除空气阻力中的速度平方项而利用/>的坐标变换得到:
为了该问题能通过MPC算法13被快速和简单求解,对纵向动力学模型14的动力学方程进行线性化,其方式是将速度通过坐标变换由动能dekin来表达。由此,用于计算空气阻力Fd的平方项被线性项所替代,并且同时机动车1的纵向动力学模型14不再如通常那样被描述成时间的函数,而是被描述成路程的函数。就这方面来说,这与优化问题良好匹配,这是因为电界域的前瞻信息是基于路程的。
除了动能之外还存在两个另外的状态参量,这两个另外的状态参量在简单的优化问题的意义上同样必须被线性地且依赖于路程地被描述。一方面,动力总成7的电能耗通常以依赖于转矩和马达转速的特性曲线簇的形式被描述。在所示出的实施例中,机动车1具有在电机8与机动车1在其上运动的道路之间的固定传动比。由此,电机8的转速可以直接被换算成机动车1的速度或者也被换算成机动车1的动能。此外,电机8的电功率可以通过除以相对应的速度来换算成每米的能耗。由此,电机8的特性曲线簇获得如图2中所示的形式。为了能够将该特性曲线簇用于优化,该特性曲线簇被线性近似:针对所有i,EnergyperMeter≥ai*ekin+bi*Ftrac,(EnergyperMeter:能量每米)。
要最小化的成本函数15可以在数学上被表达如下:
在这种情况下:
wBat 用于电池的能耗的加权因子
EBat 电池的能耗
S 路程
SE-1 预测界域结束前的时间步长的路程
FA 由电机提供的驱动力,该驱动力被传动装置恒定地转换并且被施加到机动车的车轮上
WTem 转矩梯度的加权因子
WTemStart 转矩突变的加权因子
T 车辆驶过预测界域内的整个预测的路程所需要的时间
wTime 时间T的加权因子
SE 界域结束时的路程
wSlack 松弛变量的加权因子
VarSlack 松弛变量。
成本函数15只具有线性项和平方项。由此,整个问题具备带有线性辅助条件的平方优化的形式并且得到了可以良好且快速求解的凸问题。
成本函数15包含以第一加权因子WBat加权的且按照纵向动力学模型预测的电能EBat作为第一项,该电能在预测界域内由动力总成7的电池9提供以用于驱动电机8。
成本函数15包含以第二加权因子WTime加权的且按照纵向动力学模型14预测的行驶时间T作为第二项,该行驶时间是机动车1为了驶过预测的路程所需要的。这导致:根据加权因子的选择,低的速度不总是被评价为最优的,并且因此不再存在所得出的速度始终处于所允许的速度下限处的问题。
能耗和行驶时间可以分别在界域结束时被评估和加权。因此,这些项仅对于界域的最后一个点有效。
界域内的过高的转矩梯度是不利的。因此,转矩梯度已在成本函数15中被惩罚,即通过项被惩罚。每米驱动力的平方偏差以加权因子WTem加权并且使其在成本函数中最小化。作为每米驱动力FA的替代,也可以使用由电机8提供的转矩MEM并且以加权因子WTem加权,从而得到替代的项/>由于传动装置10的恒定的传动比,驱动力和转矩彼此直接成正比。
为了确保舒适的行驶,在成本函数15中引入用于惩罚转矩突变的另一项,即wTemStart·(FA(s1)-FA(s0))2。作为驱动力FA的替代,这里也可以使用由电机8提供的转矩MEM,从而得到替代的项wTemStart·(MEM(s1)-MEM(s0))2。针对在预测界域内的第一点而言,与最后设定的力矩的偏差被评价为负面的并且以加权因子WTemStart加权,以确保在旧轨迹和新轨迹之间切换时存在无缝且无顿挫的过渡。
限速对于优化来说是不允许被超过的硬性限制。事实上,总是容许稍微超过限速,并且尤其从一个速度区过渡到第二个速度区时是正常情况。在其中限速从一个计算周期转移到下一个计算周期的动态环境中,可能发生的是:在完全的硬性限制的情况中不再能够找到针对速度曲线的有效解。为了提高计算算法的稳定性,可以将限制(“软约束”)引入成本函数15。在此,在达到硬性限速之前,以加权因子WSlack加权的松弛变量VarSlack在预定的窄范围内变成有效的。非常接近该限速的解,也就是其速度轨迹与硬性限制保持一定距离的解,被更差地评价。
为了遵守动力总成部件的物理极限,通过限制电机8的特性曲线簇来限制牵引力。对于最大回收来说,电池9是限制性的元件。为了不损坏电池9,在所示出的实施例中不应低于-50kW。对于线性的辅助条件来说,这意味着:电机8的所容许的最小力矩关于动能(或转速)线性地被限制。力矩极限被选择为使得在哪一个点都不超过所容许的最大功率并且在所容许的最大转速的情况下转矩为0。因此,电机的所容许的力矩处在图3中绘制的两条限制性直线17与18之间。
图4阐明了限制加速度的重要性。第一曲线图19示出了通过最小-50kW进行的功率限制。第二曲线20示出了通过线性力矩极限进行的限制。在速度非常低的情况下,还可以用至多-2.5m/s2来进行回收式制动。随着速度升高,可能的最大负加速度明显降低。
附图标记
1 车辆
2 系统
3 处理器单元
4 存储器单元
5 通信接口
6 检测单元
7 动力总成
8 电机
9 电池
10 传动装置
11 计算机程序产品
12 GPS传感器
13 MPC算法
14 纵向动力学模型
15 成本函数
16 驾驶员辅助系统
17 第一限制性直线
18 第二限制性直线
19 第一曲线
20 第二曲线
21 内燃机
Claims (10)
1.用于对机动车(1)的动力总成(7)的电机(8)进行基于模型的预测性调节的处理器单元(3),其中,
-所述处理器单元(3)被设置成用于:执行用于对机动车(1)的动力总成(7)的电机(8)进行基于模型的预测性调节的MPC算法(13),
-所述MPC算法(13)包含所述动力总成(7)的纵向动力学模型(14),
-所述MPC算法(13)包含要最小化的成本函数(15),
-所述成本函数(15)包含以第一加权因子加权的且按照所述纵向动力学模型(14)预测的电能作为第一项,所述电能在预测界域内由所述动力总成(7)的电池(9)提供用以驱动所述电机(8),
-所述成本函数(15)包含以第二加权因子加权的且按照所述纵向动力学模型(14)预测的行驶时间作为第二项,所述机动车(1)需要所述行驶时间来驶过在所述预测界域内预测的整个路程,并且
-所述成本函数(15)具有带第三加权因子的第三项,
-所述第三项包含所述电机(8)为了驱动所述机动车(1)所提供的转矩的按照所述纵向动力学模型(14)预测的值,并且
-所述处理器单元(3)被设置成用于:通过执行所述MPC算法(13),依赖于所述第一项、依赖于所述第二项并且依赖于所述第三项来确定针对所述电机(8)的输入参量,从而使所述成本函数最小化。
2.根据权利要求1所述的处理器单元(3),其中,
-所述成本函数(15)包含以所述第一加权因子加权的能耗最终值,所预测的电能在所述预测界域结束时取所述能耗最终值;并且
-所述成本函数(15)包含以所述第二加权因子加权的行驶时间最终值,所预测的行驶时间在所述预测界域结束时取所述行驶时间最终值。
3.根据权利要求1所述的处理器单元(3),其中,
-所述第三项包含所述电机(8)为了驱动所述机动车(1)在所述预测界域内的第一道路点提供的按照所述纵向动力学模型(14)预测的转矩的以所述第三加权因子加权的第一值,
-所述第三项包含所述电机(8)为了驱动所述机动车(1)在紧接在所述第一道路点之前的第零道路点提供的转矩的以所述第三加权因子加权的第零值,并且
-在所述成本函数(15)中,从所述转矩的第一值减去所述转矩的第零值。
4.根据权利要求1至3中任一项所述的处理器单元(3),其中,
-所述成本函数(15)具有带第四加权因子的第四项,
-所述第四项包含转矩的按照所述纵向动力学模型(14)预测的梯度,并且
-所述处理器单元(3)被设置成用于:通过执行所述MPC算法(13),依赖于所述第一项、依赖于所述第二项、依赖于所述第三项并且依赖于所述第四项来确定针对所述电机(8)的输入参量,从而使所述成本函数(15)最小化。
5.根据权利要求4所述的处理器单元(3),其中,所述第四项包含所述转矩的梯度的与所述第四加权因子相乘并累加的平方偏差。
6.根据权利要求4所述的处理器单元(3),其中,
-所述成本函数(15)包含以第五加权因子加权的松弛变量作为第五项,并且
-所述处理器单元(3)被设置成用于:通过执行所述MPC算法(13),依赖于所述第一项、依赖于所述第二项、依赖于所述第三项、依赖于所述第四项并且依赖于所述第五项来确定针对所述电机(8)的输入参量,从而使所述成本函数(15)最小化。
7.根据权利要求1至3中任一项所述的处理器单元(3),其中,通过限制所述电机(8)的特性曲线簇来限制所述电机(8)的牵引力。
8.机动车(3),所述机动车包括:驾驶员辅助系统(16);和具有电机(8)的动力总成(7),其中,所述驾驶员辅助系统(16)被设置成用于:
-借助通信接口访问针对所述电机(8)的输入参量,其中,所述输入参量是由根据权利要求1至7中任一项所述的处理器单元(3)确定的,而且
-基于所述输入参量来控制所述电机(8)。
9.用于对机动车(1)的动力总成(7)的电机(8)进行基于模型的预测性调节的方法,所述方法包括如下步骤:
-借助处理器单元(3)来执行用于对机动车(1)的动力总成(7)的电机(8)进行基于模型的预测性调节的MPC算法(13),其中,所述MPC算法(13)包含所述动力总成(7)的纵向动力学模型(14)和要最小化的成本函数(15),其中,所述成本函数(15)包含以第一加权因子加权的且按照所述纵向动力学模型(14)预测的电能作为第一项,所述电能在预测界域内由所述动力总成(7)的电池(9)提供用以驱动所述电机(8),并且其中,所述成本函数(15)包含以第二加权因子加权的且按照所述纵向动力学模型(14)预测的行驶时间作为第二项,所述机动车(1)需要所述行驶时间来驶过在所述预测界域内预测的整个路程,并且其中,所述成本函数(15)具有带第三加权因子的第三项,其中,所述第三项包含所述电机(8)为了驱动所述机动车(1)所提供的转矩的按照所述纵向动力学模型(14)预测的值,并且
-借助所述处理器单元(3)通过执行所述MPC算法(13),依赖于所述第一项、依赖于所述第二项并且依赖于所述第三项来确定针对所述电机(8)的输入参量,从而使所述成本函数(15)最小化。
10.用于对机动车(1)的动力总成(7)的电机(8)进行基于模型的预测性调节的计算机程序产品(11),其中,所述计算机程序产品(11)当其在处理器单元(3)上执行时指示所述处理器单元(3):
-执行用于对机动车(1)的动力总成(7)的电机(8)进行基于模型的预测性调节的MPC算法(13),其中,所述MPC算法(13)包含所述动力总成(7)的纵向动力学模型(14)和要最小化的成本函数(15),其中,所述成本函数(15)包含以第一加权因子加权的且按照所述纵向动力学模型(14)预测的电能作为第一项,所述电能在预测界域内由所述动力总成(7)的电池(9)提供用以驱动所述电机(8),并且其中,所述成本函数(15)包含以第二加权因子加权的且按照所述纵向动力学模型(14)预测的行驶时间作为第二项,所述机动车(1)需要所述行驶时间来驶过在所述预测界域内预测的整个路程,并且其中,所述成本函数(15)具有带第三加权因子的第三项,其中,所述第三项包含所述电机(8)为了驱动所述机动车(1)所提供的转矩的按照所述纵向动力学模型(14)预测的值,并且
-通过执行所述MPC算法(13),依赖于所述第一项、依赖于所述第二项并且依赖于所述第三项来确定针对所述电机(8)的输入参量,从而使所述成本函数(15)最小化。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2019/079157 WO2021078391A1 (de) | 2019-10-25 | 2019-10-25 | Modelbasierte prädiktive regelung einer elektrischen maschine eines antriebstrangs eines kraftfahrzeugs |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114555406A CN114555406A (zh) | 2022-05-27 |
CN114555406B true CN114555406B (zh) | 2024-03-19 |
Family
ID=68344871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980101241.6A Active CN114555406B (zh) | 2019-10-25 | 2019-10-25 | 对机动车的动力总成的电机的基于模型的预测性调节 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220371450A1 (zh) |
CN (1) | CN114555406B (zh) |
WO (1) | WO2021078391A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11247571B2 (en) * | 2019-11-18 | 2022-02-15 | GM Global Technology Operations LLC | Intelligent energy management system for a vehicle and corresponding method |
KR20230092060A (ko) * | 2021-12-16 | 2023-06-26 | 현대자동차주식회사 | 차량용 최적 배터리 효율 운전 제어 방법 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1256476A2 (en) * | 2001-05-09 | 2002-11-13 | Ford Global Technologies, Inc. | Hybrid electric vehicle energy management |
EP2918439A2 (de) * | 2014-03-10 | 2015-09-16 | Robert Bosch Gmbh | Verfahren zum Betreiben eines Fahrzeugs und Fahrerassistenzsystem |
DE102014222626A1 (de) * | 2014-10-29 | 2016-05-04 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben eines Kraftfahrzeugs |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6990401B2 (en) * | 2002-10-04 | 2006-01-24 | Daimlerchrysler Ag | Predictive speed control for a motor vehicle |
JP2005339241A (ja) * | 2004-05-27 | 2005-12-08 | Nissan Motor Co Ltd | モデル予測制御装置および車両用推奨操作量生成装置 |
US8200383B2 (en) * | 2007-11-04 | 2012-06-12 | GM Global Technology Operations LLC | Method for controlling a powertrain system based upon torque machine temperature |
RU2014130035A (ru) * | 2011-12-22 | 2016-02-10 | Сканиа Св Аб | Модуль и способ, касающиеся выбора режима при определении опорных значений |
ES2411629B1 (es) | 2011-12-30 | 2014-03-11 | Seat, S.A. | Dispositivo y método para la predicción "on-line" del ciclo de conducción en un vehículo automóvil. |
DE102014012318B4 (de) * | 2014-08-19 | 2019-05-09 | Audi Ag | Verfahren zum Vorausberechnen eines Verbrauchs eines Kraftfahrzeugs, Kraftfahrzeug und Computerprogramm |
US9499183B2 (en) * | 2015-02-23 | 2016-11-22 | Mitsubishi Electric Research Laboratories, Inc. | System and method for stopping trains using simultaneous parameter estimation |
US10459472B2 (en) * | 2015-12-07 | 2019-10-29 | Hamilton Sundstrand Corporation | Model predictive control optimization for power electronics |
-
2019
- 2019-10-25 WO PCT/EP2019/079157 patent/WO2021078391A1/de active Application Filing
- 2019-10-25 US US17/771,150 patent/US20220371450A1/en active Pending
- 2019-10-25 CN CN201980101241.6A patent/CN114555406B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1256476A2 (en) * | 2001-05-09 | 2002-11-13 | Ford Global Technologies, Inc. | Hybrid electric vehicle energy management |
EP2918439A2 (de) * | 2014-03-10 | 2015-09-16 | Robert Bosch Gmbh | Verfahren zum Betreiben eines Fahrzeugs und Fahrerassistenzsystem |
DE102014222626A1 (de) * | 2014-10-29 | 2016-05-04 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben eines Kraftfahrzeugs |
Also Published As
Publication number | Publication date |
---|---|
CN114555406A (zh) | 2022-05-27 |
WO2021078391A1 (de) | 2021-04-29 |
US20220371450A1 (en) | 2022-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107571860B (zh) | 用于运行电驱动的或能电驱动的车辆的方法及车辆 | |
US8924055B2 (en) | Vehicle control apparatus | |
US11072329B2 (en) | Ground vehicle control techniques | |
CN102458943B (zh) | 用于确定车辆控制系统的速率参考值的方法和模块 | |
Heppeler et al. | Predictive planning of optimal velocity and state of charge trajectories for hybrid electric vehicles | |
CN109910890B (zh) | 一种基于道路地形信息的卡车预测节能系统及控制方法 | |
CN111867911A (zh) | 车辆控制方法和设备 | |
SE534188C2 (sv) | Metod och modul för bestämning av börvärden till ett fordons styrsystem | |
US20220402476A1 (en) | Model-Based Predictive Control of a Vehicle Taking into Account a Time of Arrival Factor | |
US20150006052A1 (en) | Deceleration factor estimating device and drive assisting device | |
US20190375394A1 (en) | Ground Vehicle Control Techniques | |
CN114555406B (zh) | 对机动车的动力总成的电机的基于模型的预测性调节 | |
CN114585548A (zh) | 在使用关于第二交通工具的轨迹信息的情况下基于mpc确定第一交通工具的轨迹 | |
US20240001928A1 (en) | Predictive energy and motion management for multitrailer heavy-duty vehicles | |
CN114728660A (zh) | 考虑到驾驶员干预的用于机动车辆的自主行驶功能 | |
CN114450207B (zh) | 对机动车的驱动机以及车辆部件的基于模型的预测性控制 | |
US20230034418A1 (en) | Model Predictive Control of a Motor Vehicle | |
EP4029718A1 (en) | System and method for controlling a propulsion system inverter | |
WO2021089150A1 (de) | Autonome fahrfunktion eines kraftfahrzeugs unter berücksichtigung von im umfeld des ego-fahrzeugs befindlichen fahrzeugen | |
US10024878B2 (en) | Decelerating factor estimating device | |
CN114630775A (zh) | 机动车的基于mpc的自主行驶功能 | |
CN114585977A (zh) | 基于模型预测性调整机动车的多个部件 | |
CN114599564A (zh) | 在考虑第二交通工具的行驶行为的情况下确定第一交通工具的轨迹 | |
JP2024514554A (ja) | 大型車両を制動するための方法及び装置 | |
CN116472505A (zh) | 用于减少多挂车重型车辆高速跑偏的方法 |
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 |