CN116118705A - 一种跟驰场景下插电式混合动力公交车能量管理控制方法 - Google Patents

一种跟驰场景下插电式混合动力公交车能量管理控制方法 Download PDF

Info

Publication number
CN116118705A
CN116118705A CN202211592396.4A CN202211592396A CN116118705A CN 116118705 A CN116118705 A CN 116118705A CN 202211592396 A CN202211592396 A CN 202211592396A CN 116118705 A CN116118705 A CN 116118705A
Authority
CN
China
Prior art keywords
plug
vehicle
energy management
charge
battery state
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
CN202211592396.4A
Other languages
English (en)
Other versions
CN116118705B (zh
Inventor
孙群
刘玉杰
郭洪强
夏建伟
赵颖
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.)
Liaocheng Chiping Yida Machinery Technology Co ltd
Original Assignee
Liaocheng University
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 Liaocheng University filed Critical Liaocheng University
Priority to CN202211592396.4A priority Critical patent/CN116118705B/zh
Publication of CN116118705A publication Critical patent/CN116118705A/zh
Application granted granted Critical
Publication of CN116118705B publication Critical patent/CN116118705B/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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B60W10/08—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of electric propulsion units, e.g. motors or generators
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
    • B60W10/196—Conjoint control of vehicle sub-units of different type or different function including control of braking systems acting within the driveline, e.g. retarders
    • 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
    • B60W20/15—Control strategies specially adapted for achieving a particular effect
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • 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
    • 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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/06—Combustion engines, Gas turbines
    • B60W2710/0666—Engine torque
    • 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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/08—Electric propulsion units
    • B60W2710/083—Torque
    • 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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/18—Braking system

Landscapes

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

Abstract

本发明公开一种跟驰场景下插电式混合动力公交车能量管理控制方法，其特征在于，包括以下步骤：P1：针对插电式混合动力公交车，提出了一种基于非线性模型预测控制的能量管理策略，包括预测模型。本发明涉及智能驾驶车辆自适应巡航性能优化控制领域，具体地讲，涉及一种跟驰场景下插电式混合动力公交车能量管理控制方法。本发明要解决的技术问题是提供一种跟驰场景下插电式混合动力公交车能量管理控制方法，该方法在保证插电式混合动力公交车在跟驰场景下的动力性和经济性的同时，进一步提高插电式混合动力公交车的燃油经济性。

Description

一种跟驰场景下插电式混合动力公交车能量管理控制方法
技术领域
本发明涉及智能驾驶车辆自适应巡航性能优化控制领域，具体地讲，涉及一种跟驰场景下插电式混合动力公交车能量管理控制方法。
背景技术
为了降低驾驶员本身操作引起的交通事故数量，同时提高车辆驾驶舒适度，更多的企业和研究机构加大了对先进驾驶辅助系统(Advanced Driver Assistance System,ADAS)的研究。目前ADAS主要包括自适应巡航控制、车道偏离预警、汽车前向碰撞技术、自动泊车系统和视觉盲区监测系统等。其中自适应巡航控制由于其可在特定的环境下解放驾驶员双脚，缓解驾驶疲劳而被广泛应用。
但在目前市场上，在自适应巡航控制仅考虑了车辆的动力性和驾驶舒适性，而没有考虑汽车的燃油经济性，特别对于目前发展较为火热的插电式混合动力汽车，燃油经济性将是一个很重要的车辆性能指标，并将影响着世界的环境和能源问题。为此，我们提出了一种跟驰场景下插电式混合动力公交车能量管理控制方法，在兼顾车辆驾驶动力性和经济性的同时进一步提高车辆的燃油经济性。
发明内容
本发明要解决的技术问题是提供一种跟驰场景下插电式混合动力公交车能量管理控制方法，该方法在保证插电式混合动力公交车在跟驰场景下的动力性和经济性的同时，进一步提高插电式混合动力公交车的燃油经济性。
本发明采用如下技术方案实现发明目的：
一种跟驰场景下插电式混合动力公交车能量管理控制方法，其特征在于，包括以下步骤：
P1：针对插电式混合动力公交车，提出了一种基于非线性模型预测控制的能量管理策略，包括预测模型；
P2：考虑到了随机工况与随机质量的噪声扰动的影响，基于田口稳健设计对电池电量状态轨迹域进行稳健设计，利用基于动态规划算法的能量管理策略；
P3：基于蒙特卡罗模拟方法对基所述于田口稳健设计的所述电池电量状态轨迹域结果进行验证，确定其可靠性；
P4：将所述插电式混合动力公交车在跟驰场景下的经济型、安全性和舒适性问题转化为一种多目标优化问题；
P5：将基于所述于田口稳健设计优化的所述电池电量状态轨迹域应用到所述插电式混合动力公交车的跟驰场景下，并利用所述非线性模型预测控制算法对发动机、电动机和制动器转矩进行分配，使车辆在保证安全性和舒适性的前提下，进一步提高汽车的燃油经济性。
作为本技术方案的进一步限定，在所述P1中，首先将所述插电式混合动力公交车燃油最小化问题可以转化为一个非线性、带约束的最优化控制问题，然后基于所述非线性模型预测控制能量管理控制策略优化所述插电式混合动力公交车，具体方法描述如下：
在离散的时域内，所述插电式混合动力公交车系统可描述成如下公式：
Figure BDA0003991288590000021
式中：x(k)表示状态变量；
w(k)表示干扰变量；
u(k)表示控制变量；
y(k)表示输出变量；
它们分别可以表示为：
Figure BDA0003991288590000022
式中：v(k)为车辆速度；
Tm(k)为电机转矩；
Te(k)为发动机转矩；
Tb(k)为车辆制动转矩；
Figure BDA0003991288590000031
为发动机需求转矩SOC(k)为电池的荷电状态；
Figure BDA0003991288590000032
为电机需求转矩；
Tdriver(k)为车辆需求转矩；k为取样时间的倍数；
Ff(k)为车辆行驶阻力；
Ts为取样时间；
上式中各系数表达式为：
Figure BDA0003991288590000033
Figure BDA0003991288590000034
Figure BDA0003991288590000035
Figure BDA0003991288590000041
Figure BDA0003991288590000042
式中：τe为发动机时滞系数；
τb为车辆制动系的时滞系数；
τm为电机的时滞系数；
由于所述电池电量状态为非线性的，所述插电式混合动力公交车表达式式7也是非线性，所述电池电量状态变化率与车辆速度、电机扭矩和所述电池电量状态相关，所以定义在系数矩阵A(k)中定义了fN(k)；
通常电能要比燃油价格便宜，所以为了减少整个工况的燃油消耗，我们通常希望达到目的地时电池能够完全被消耗即达到SOCMin，为了获得更好的燃油经济性，关键问题是如何提高发动机和电动机在整个行驶周期中的工作效率，此外，电池的电能总是被用尽以减少燃料消耗，因此，这个优化问题可以等价于获得电能的最优分配，保证发动机和电机较高的工作效率；
所述非线性模型预测控制的经济性成本函数被定义为：
Figure BDA0003991288590000043
式中：p为预测时域；
L(SOC(N))表示电池电量状态在预测时域终端时与预测轨迹之间的偏差，这样设计的代价函数可以保证电池电能的合理消耗。
作为本技术方案的进一步限定，在所述P2中，将所述电池电量状态轨迹域作为控制因子，随机汽车质量和历史行驶工况作为噪声因子；
将所述控制因子和所述噪声因子组合成内外表，然后将其输入给以基于所述非线性模型预测控制能量管理策略为燃油运算模块的底层，经过该底层计算出燃油消耗，并将油耗作为响应，根据燃油消耗计算信噪比和质量损失函数，最后对信噪比和质量损失函数进行分析，得到最优电池电量状态轨迹域。
作为本技术方案的进一步限定，在P3中，对来自所述田口稳健设计的所述电池电量状态轨迹域进行可靠性验证；
P31：确定汽车随机质量和随机行驶工况为蒙特卡罗模拟验证的随机变量，并采用描述性采样对这两个变量进行组合；
这两个变量都假设符合正态分布；
P32：将随机变量输入给基于所述非线性模型预测控制能量管理策略的燃油消耗模块，计算燃油消耗量，将燃油消耗量和终端的电池电量状态设计为响应。
作为本技术方案的进一步限定，在所述P4中，将所述插电式混合动力公交车在跟驰场景下的经济性、安全性和舒适性问题转化为一种多目标优化问题；
动态优化指标的成本函数可以定义如下：
Figure BDA0003991288590000051
Figure BDA0003991288590000052
式9及式10中：
vr表示相对速度；
ar表示相对加速度；
je表示主车冲击度；
ae表示主车的加速度；
β1,β2,β3,βv,βa,βj表示权重系数；
以车辆的行驶安全性、乘坐舒适性和燃油经济性为优化目标，车辆跟驰场景下的综合性能优化指标代价函数为：
Jcom＝Jdyn+μJeco                    (式11)
式中：Jeco为车辆燃油经济性指标；
Jdyn为车辆动力性指标；
μ为动态指标和经济指标比例的比例系数
作为本技术方案的进一步限定，在所述P5中，在所述插电式混合动力公交车跟驰场景下，基于所述非线性模型预测控制的能量管理策略中，系统最优解使用枚举法进行求解；
在搜索最优解的过程中，使用了两个循环来枚举，加速度被设置为外部循环，电机转矩被设置为内部循环。
与现有技术相比，本发明的优点和积极效果是：
(1)考虑随机工况和随机质量噪声扰动，基于田口稳健设计对电池电量状态轨迹域进行稳健设计，并利用蒙特卡罗模拟验证方法对设计的电池电量状态轨迹域进行可靠性验证。
(2)将插电式混合动力公交车跟驰场景下的车辆安全性、舒适性和经济性问题转化成一个多目标优化问题，使插电式混合动力公交车在跟驰场景综合优化这三种性能，达到各个兼顾。针对上述的多目标优化问题，本发明提出了一种新的非线性模型预测控制方法。该方法在对控制变量进行求解时利用了一种新的状态枚举法，该方法可有效降低状态变量求解维度，减轻系统的算力需求。
(3)将优化后的电池电量状态轨迹域应用到插电式混合动力公交车中，基于非线性模型预测控制策略对跟驰场景下多目标问题进行优化。本发明所提出的基于非线性模型预测控制的多目标优化控制可以使车辆在跟驰场景下保持在允许的安全车距内，并可以减缓汽车在跟驰场景下的冲击度，保证了车辆的跟驰舒适性，在此基础上进一步提高了插电式混合动力公交车的燃油经济性，缓解了环境污染和能源危机问题。
附图说明
图1为基于非线性模型预测控制能量管理策略流程图。
图2为DP求解过程。
图3为电池电量状态稳健设计流程图。
图4为控制因子设计流程图。
图5为田口稳健设计流程图。
图6为基于蒙特卡洛模拟的可靠性验证。
图7为跟驰场景下插电式混合动力公交车的非线性模型预测控制控制策略原理图。
图8为跟驰场景下非线性模型预测控制的求解过程。
具体实施方式
下面结合附图，对本发明的一个具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
如图1-图8所示，本发明包括以下步骤：
P1：针对插电式混合动力公交车，提出了一种基于非线性模型预测控制的能量管理策略，包括预测模型；
P2：考虑到了随机工况与随机质量的噪声扰动的影响，基于田口稳健设计对电池电量状态轨迹域进行稳健设计，利用基于动态规划算法的能量管理策略；
P3：基于蒙特卡罗模拟方法对基所述于田口稳健设计的所述电池电量状态轨迹域结果进行验证，确定其可靠性；
P4：将所述插电式混合动力公交车在跟驰场景下的经济型、安全性和舒适性问题转化为一种多目标优化问题；
P5：将基于所述于田口稳健设计优化的所述电池电量状态轨迹域应用到所述插电式混合动力公交车的跟驰场景下，并利用所述非线性模型预测控制算法对发动机、电动机和制动器转矩进行分配，使车辆在保证安全性和舒适性的前提下，进一步提高汽车的燃油经济性。
在所述P1中，首先将所述插电式混合动力公交车燃油最小化问题可以转化为一个非线性、带约束的最优化控制问题，然后基于所述非线性模型预测控制能量管理控制策略优化所述插电式混合动力公交车，具体方法描述如下：
在离散的时域内，所述插电式混合动力公交车系统可描述成如下公式：
Figure BDA0003991288590000081
式中：x(k)表示状态变量；
w(k)表示干扰变量；
u(k)表示控制变量；
y(k)表示输出变量；
它们分别可以表示为：
Figure BDA0003991288590000082
式中：v(k)为车辆速度；
Tm(k)为电机转矩；
Te(k)为发动机转矩；
Tb(k)为车辆制动转矩；
Figure BDA0003991288590000083
为发动机需求转矩
SOC(k)为电池的荷电状态；
Figure BDA0003991288590000084
为电机需求转矩；
Tdriver(k)为车辆需求转矩；
k为取样时间的倍数；
Ff(k)为车辆行驶阻力；
Ts为取样时间；
上式中各系数表达式为：
Figure BDA0003991288590000091
Figure BDA0003991288590000092
Figure BDA0003991288590000093
Figure BDA0003991288590000094
Figure BDA0003991288590000095
式中：τe为发动机时滞系数；
τb为车辆制动系的时滞系数；
τm为电机的时滞系数；
由于所述电池电量状态为非线性的，所述插电式混合动力公交车表达式式7也是非线性，所述电池电量状态变化率与车辆速度、电机扭矩和所述电池电量状态相关，所以定义在系数矩阵A(k)中定义了fN(k)；
通常电能要比燃油价格便宜，所以为了减少整个工况的燃油消耗，我们通常希望达到目的地时电池能够完全被消耗即达到SOCMin，为了获得更好的燃油经济性，关键问题是如何提高发动机和电动机在整个行驶周期中的工作效率，此外，电池的电能总是被用尽以减少燃料消耗，因此，这个优化问题可以等价于获得电能的最优分配，保证发动机和电机较高的工作效率；
所述非线性模型预测控制的经济性成本函数被定义为：
Figure BDA0003991288590000101
式中：p为预测时域；
L(SOC(N))表示电池电量状态在预测时域终端时与预测轨迹之间的偏差，这样设计的代价函数可以保证电池电能的合理消耗。
实际的物理限制如下：
Figure BDA0003991288590000102
式中带有Min与Max上标的均为对应参数的最小和最大值。
如图1所示，基于非线性模型预测控制的能量管理的具体流程如下：
(1)首先，根据参考车速和实际车速利用PID算法确定加速踏板和制动踏板的开度。然后，根据踏板开度和变速箱转速，利用查表确定汽车的需求转矩，并将其输出给预测模块作为该模块的控制域内的控制变量。
(2)本文假设汽车需求转矩呈指数下降，所以本文根据指数预测模型求解预测域内的汽车需求转矩，并将求解后的预测转矩输入给优化模型，这里指数预测模型可以表示为：
Figure BDA0003991288590000103
式中，Tdriver(k)为当前时刻的驾驶员需求转矩，Tdriver(k+i)为预测域内的驾驶员需求转矩，τ为衰减系数，k为采样时间，τd为预测域长度。根据当前需求转矩和车辆纵向动力性模型可以对汽车车速进行求解。
(3)控制变量的求解。本文采用DP作为非线性模型预测控制控制时域的求解算法。其对该求解过程带来两个主要贡献：第一，控制变量的求解属于一种多阶段决策优化问题，将求解的问题分解为多个相关联的阶段，在不同阶段都需要做出相关的决策，每个阶段的决策将组合成决策序列。解决这种多阶段决策问题的动态优化过程如图2所示；第二，在动态规划的过程中将可以提炼出一条最优的电池电量状态轨迹，并将其作为参考轨迹用来约束优化过程中的电池电量状态。
(4)将优化模块所求得的发动机转矩、电机转矩和制动器转矩输出给插电式混合动力公交车模型，对插电式混合动力公交车的状态进行更新，并根据汽车行驶路程确定在该阶段电池电量状态轨迹域，最后将插电式混合动力公交车状态和电池电量状态轨迹域输出给优化模块进行滚动求解。
(5)最后，重复步骤(1)到(4)。
在所述P2中，将所述电池电量状态轨迹域作为控制因子，随机汽车质量和历史行驶工况作为噪声因子；
将所述控制因子和所述噪声因子组合成内外表，然后将其输入给以基于所述非线性模型预测控制能量管理策略为燃油运算模块的底层，经过该底层计算出燃油消耗，并将油耗作为响应，根据燃油消耗计算信噪比和质量损失函数，最后对信噪比和质量损失函数进行分析，得到最优电池电量状态轨迹域。
在P3中，对来自所述田口稳健设计的所述电池电量状态轨迹域进行可靠性验证；
P31：确定汽车随机质量和随机行驶工况为蒙特卡罗模拟验证的随机变量，并采用描述性采样对这两个变量进行组合；
这两个变量都假设符合正态分布；
P32：将随机变量输入给基于所述非线性模型预测控制能量管理策略的燃油消耗模块，计算燃油消耗量，将燃油消耗量和终端的电池电量状态设计为响应。
在步骤P2和P3中，插电式混合动力公交车的电池电量状态轨迹域稳健设计主要分为两步：基于田口稳健设计的电池电量状态轨迹域设计和基于蒙特卡罗模拟的可靠性验证。第一步，将电池电量状态轨迹域作为控制因子，随机汽车质量(随机乘客数量)和历史行驶工况作为噪声因子。将控制因子和噪声因子组合成内外表，然后将其输入给以基于非线性模型预测控制能量管理策略为燃油运算模块的底层，经过该底层计算出燃油消耗，并将油耗作为响应。根据燃油消耗计算信噪比和质量损失函数，最后对信噪比和质量损失函数进行分析，得到最优电池电量状态轨迹域。第二步是对来自田口稳健设计的电池电量状态轨迹域进行可靠性验证。首先确定汽车随机质量和随机行驶工况为蒙特卡罗模拟验证的随机变量，并采用描述性采样对这两个变量进行组合，这里需要注意的是，这两个变量都假设符合正态分布。然后将随机变量输入给基于非线性模型预测控制能量管理策略的燃油消耗模块，计算燃油消耗量，将燃油消耗量和终端的电池电量状态设计为响应。当设计的电池电量状态轨迹域符合可靠性条件时，则将其保留，否则需要经田口稳健重新设计。总体流程如图3所示。
在步骤P2中，电池电量状态轨迹域稳健设计的基本原理是在每个固定步长(归一化距离0.05)优化电池电量状态轨迹域。电池电量状态轨迹区域是模仿棋盘进行划分的。通过垂线与斜线将整个电池电量状态区域划分成网格。由于在每个固定步长控制因子的数量较多，这将造成维数灾难问题，加大了优化的难度。为了提高稳健设计的优化效率，减少优化运算量，需要降低电池电量状态轨迹域的维度。由于基于DP的能量管理策略能达到全局最优的效果，而在这种情况下电池电量状态的轨迹也能达到全局最优分布，所以本文利用基于DP的能量管理策略对电池电量状态轨迹域进行维度缩减。首先，使用20组随机的行驶工况，基于DP进行求解，得到全局最优的可行域。然后考虑到噪声的影响，将可行域进行适当扩展。最后，对可行的区域进行编号，以构建稳健设计的控制因子。控制因子设计流程图如图4所示。
在步骤P2中，田口稳健设计流程主要分为以下7个步骤：(1)响应设计；(2)选择控制因子和噪声因子；(3)对控制因子和噪声因子进行采样设计构造内表与外表；(4)内外表设计；(5)基于非线性模型预测控制的能量管理策略设计；(6)根据内外表计算实验响应信噪比和质量损失函数；(7)基于实验响应结果，选择最优控制因子。田口稳健设计流程图如图5所示。
在步骤P3中，蒙特卡洛模拟基本原理是：系统的不确定因素概率分布已知的条件下，将系统的不确定因素建模为随机变量R1、R2、R3，那么系统响应Y1的概率分布特征(平均值、标准方差等)就可以通过对R1、R2、R3的随机抽样来估计。由于MCS验证中采样点的计算是独立进行的，因此使用并行计算来提高效率。如图6所示，MCS验证主要包括三个步骤：正态分布模型建立、描述性采样以及基于非线性模型预测控制的能量管理策略求解。MCS是用来验证基于田口稳健设计电池电量状态轨迹域的稳健性，当终端电池电量状态符合条件时，设计的电池电量状态轨迹域才能保证系统的可靠性，否则将基于田口稳健继续设计。
在步骤P4中，本发明以跟驰场景下插电式混合动力公交车为研究对象，考虑跟车行驶时主车与前车的车间距离限制、主车行驶的物理限制等约束，将插电式混合动力公交车的跟车安全性、舒适性和燃油经济性转化为一个安全性、舒适性和经济性相协调的多目标优化问题。如图7所示，基于非线性模型预测控制多目标优化跟驰控制主要包括以下三个步骤：
(1)获取所需车辆信息。通过安装在主车上的车辆传感器获取当前时刻的主车车速及前车与主车车间距离等交通信息，计算主车与前车相对速度、相对加速度，获取主车的需求转矩，电池电量状态等车辆状态信息。
(2)优化求解控制变量。根据主车车速、前车车速及车间距离等相关信息，结合跟车安全限制和主车内部物理限制等约束条件，构建考虑驾驶安全性、舒适性以及燃油经济性的多目标优化问题，利用枚举法对多目标优化问题进行求解。
(3)调节被控对象。将上一步优化得到的最优控制序列作用于整车模型。继续获取下一时刻的主车与前车相对距离、相对速度及相对加速度等交通流信息，获取下一时刻的整车运行状态，修正上一时刻的预测值。最后重复上述过程。
在所述P4中，将所述插电式混合动力公交车在跟驰场景下的经济性、安全性和舒适性问题转化为一种多目标优化问题；
动态优化指标的成本函数可以定义如下：
Figure BDA0003991288590000141
Figure BDA0003991288590000142
式9及式10中：
vr表示相对速度；
ar表示相对加速度；
je表示主车冲击度；
ae表示主车的加速度；
β1,β2,β3,βv,βa,βj表示权重系数；
以车辆的行驶安全性、乘坐舒适性和燃油经济性为优化目标，车辆跟驰场景下的综合性能优化指标代价函数为：
Jcom＝Jdyn+μJeco                    (式11)
式中：Jeco为车辆燃油经济性指标；
Jdyn为车辆动力性指标；
μ为动态指标和经济指标比例的比例系数
在所述P5中，在所述插电式混合动力公交车跟驰场景下，基于所述非线性模型预测控制的能量管理策略中，系统最优解使用枚举法进行求解；
在搜索最优解的过程中，使用了两个循环来枚举，加速度被设置为外部循环，电机转矩被设置为内部循环。
首先，在本发明中，非线性模型预测控制在求解过程中的物理约束为：
Figure BDA0003991288590000151
图8详细介绍了在非线性模型预测控制中寻找最优解的过程。当车辆距离小于最小距离时，车辆进入紧急制动状态，否则，对车辆加速度进行枚举。当车辆的需求扭矩大于发动机的最大扭矩和电机的最大扭矩之和时，车辆的加速度被重新统计，否则，动力学指标按初始值求解。判定动力性指标是否大于设定最小值，如果是重新枚举车辆加速度，否则根据此时数据计算发动机转速。判定发动机转速与发动机最小转速、最大转速之间的关系，此时有两种可能情况。第一种情况，当转速小于最小值或大于最大值时，发动机不工作，此时电机转矩等于车辆转矩，判定电机转矩是否大于电机最大转矩，如果是，重新枚举车辆加速度，否则，令电机转矩等于车辆需求转矩，车辆制动转矩为0或令电机转矩取最小值，制动转矩为车辆需求转矩与电机最小转矩的差值，此时求解经济性指标，当综合性指标大于设定最小值时，重新枚举加速度，否则保留当前的数据；在第二种情况下，当转速在最低转速和最高转速之间时，枚举电机转矩，当制动扭矩为0时，发动机扭矩为车辆需求扭矩和电机扭矩之差。或者，制动扭矩是车辆需求扭矩和电机扭矩之间的差值，而发动机扭矩为0。如果发动机转矩不为0，判定发动机转矩是否在最大值和最小值之间，如果不在范围之内，重新枚举电机转矩，否则根据电机转矩计算综合性指标，判定其是否大于最小值，如果是，重新枚举电机转矩，否则保留数据。
在搜索最优解的过程中，使用了两个循环来枚举。加速度被设置为外部循环，电机转矩被设置为内部循环。在外环中，可以计算出主车的动态状态，进而得到动态指标的代价。显而易见，如果只有动态指标的成本大于当前的最优成本，则结果必然更糟，无需列举和计算经济指标的成本。这是一个重要的搜索剪枝，可以有效减少计算负担。同时，如果发动机转速低于最小值或高于最大值，则车辆应由电机单独驱动，也无需列举。此外，在内部循环中，如果超出限制范围，则循环应该继续。
以上公开的仅为本发明的具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (6)

1.一种跟驰场景下插电式混合动力公交车能量管理控制方法，其特征在于，包括以下步骤：
P1：针对插电式混合动力公交车，提出了一种基于非线性模型预测控制的能量管理策略，包括预测模型；
P2：考虑到了随机工况与随机质量的噪声扰动的影响，基于田口稳健设计对电池电量状态轨迹域进行稳健设计，利用基于动态规划算法的能量管理策略；
P3：基于蒙特卡罗模拟方法对基所述于田口稳健设计的所述电池电量状态轨迹域结果进行验证，确定其可靠性；
P4：将所述插电式混合动力公交车在跟驰场景下的经济型、安全性和舒适性问题转化为一种多目标优化问题；
P5：将基于所述于田口稳健设计优化的所述电池电量状态轨迹域应用到所述插电式混合动力公交车的跟驰场景下，并利用所述非线性模型预测控制算法对发动机、电动机和制动器转矩进行分配，使车辆在保证安全性和舒适性的前提下，进一步提高汽车的燃油经济性。
2.根据权利要求1所述的跟驰场景下插电式混合动力公交车能量管理控制方法，其特征在于：在所述P1中，首先将所述插电式混合动力公交车燃油最小化问题可以转化为一个非线性、带约束的最优化控制问题，然后基于所述非线性模型预测控制能量管理控制策略优化所述插电式混合动力公交车，具体方法描述如下：
在离散的时域内，所述插电式混合动力公交车系统可描述成如下公式：
式中：x(k)表示状态变量；
w(k)表示干扰变量；
u(k)表示控制变量；
y(k)表示输出变量；
它们分别可以表示为：
式中：v(k)为车辆速度；Tm(k)为电机转矩；
Te(k)为发动机转矩；
Tb(k)为车辆制动转矩；
为发动机需求转矩SOC(k)为电池的荷电状态；为电机需求转矩；
Tdriver(k)为车辆需求转矩；k为取样时间的倍数；
Ff(k)为车辆行驶阻力；
Ts为取样时间；
上式中各系数表达式为：
式中：τe为发动机时滞系数；
τb为车辆制动系的时滞系数；
τm为电机的时滞系数；
由于所述电池电量状态为非线性的，所述插电式混合动力公交车表达式式7也是非线性，所述电池电量状态变化率与车辆速度、电机扭矩和所述电池电量状态相关，所以定义在系数矩阵A(k)中定义了fN(k)；
通常电能要比燃油价格便宜，所以为了减少整个工况的燃油消耗，我们通常希望达到目的地时电池能够完全被消耗即达到SOCMin，为了获得更好的燃油经济性，关键问题是如何提高发动机和电动机在整个行驶周期中的工作效率，此外，电池的电能总是被用尽以减少燃料消耗，因此，这个优化问题可以等价于获得电能的最优分配，保证发动机和电机较高的工作效率；
所述非线性模型预测控制的经济性成本函数被定义为：
式中：p为预测时域；
L(SOC(N))表示电池电量状态在预测时域终端时与预测轨迹之间的偏差，这样设计的代价函数可以保证电池电能的合理消耗。
3.根据权利要求1所述的跟驰场景下插电式混合动力公交车能量管理控制方法，其特征在于：在所述P2中，将所述电池电量状态轨迹域作为控制因子，随机汽车质量和历史行驶工况作为噪声因子；
将所述控制因子和所述噪声因子组合成内外表，然后将其输入给以基于所述非线性模型预测控制能量管理策略为燃油运算模块的底层，经过该底层计算出燃油消耗，并将油耗作为响应，根据燃油消耗计算信噪比和质量损失函数，最后对信噪比和质量损失函数进行分析，得到最优电池电量状态轨迹域。
4.根据权利要求1所述的跟驰场景下插电式混合动力公交车能量管理控制方法，其特征在于：在P3中，对来自所述田口稳健设计的所述电池电量状态轨迹域进行可靠性验证；
P31：确定汽车随机质量和随机行驶工况为蒙特卡罗模拟验证的随机变量，并采用描述性采样对这两个变量进行组合；
这两个变量都假设符合正态分布；
P32：将随机变量输入给基于所述非线性模型预测控制能量管理策略的燃油消耗模块，计算燃油消耗量，将燃油消耗量和终端的电池电量状态设计为响应。
5.根据权利要求1所述的跟驰场景下插电式混合动力公交车能量管理控制方法，其特征在于：在所述P4中，将所述插电式混合动力公交车在跟驰场景下的经济性、安全性和舒适性问题转化为一种多目标优化问题；
动态优化指标的成本函数可以定义如下：
式9及式10中：
vr表示相对速度；
ar表示相对加速度；
je表示主车冲击度；
ae表示主车的加速度；
β1,β2,β3,βv,βa,βj表示权重系数；
以车辆的行驶安全性、乘坐舒适性和燃油经济性为优化目标，车辆跟驰场景下的综合性能优化指标代价函数为：
Jcom＝Jdyn+μJeco                    (式11)
式中：Jeco为车辆燃油经济性指标；
Jdyn为车辆动力性指标；
μ为动态指标和经济指标比例的比例系数。
6.根据权利要求1所述的跟驰场景下插电式混合动力公交车能量管理控制方法，其特征在于：在所述P5中，在所述插电式混合动力公交车跟驰场景下，基于所述非线性模型预测控制的能量管理策略中，系统最优解使用枚举法进行求解；
在搜索最优解的过程中，使用了两个循环来枚举，加速度被设置为外部循环，电机转矩被设置为内部循环。
CN202211592396.4A 2022-12-09 2022-12-09 一种跟驰场景下插电式混合动力公交车能量管理控制方法 Active CN116118705B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211592396.4A CN116118705B (zh) 2022-12-09 2022-12-09 一种跟驰场景下插电式混合动力公交车能量管理控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211592396.4A CN116118705B (zh) 2022-12-09 2022-12-09 一种跟驰场景下插电式混合动力公交车能量管理控制方法

Publications (2)

Publication Number Publication Date
CN116118705A true CN116118705A (zh) 2023-05-16
CN116118705B CN116118705B (zh) 2023-08-11

Family

ID=86296446

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211592396.4A Active CN116118705B (zh) 2022-12-09 2022-12-09 一种跟驰场景下插电式混合动力公交车能量管理控制方法

Country Status (1)

Country Link
CN (1) CN116118705B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150202990A1 (en) * 2012-07-12 2015-07-23 Commissariat A L'energie Atomique Et Aux Energies Alternatives Method of managing the energy consumed by an automotive vehicle and system implementing such a method
US20160052417A1 (en) * 2014-08-19 2016-02-25 General Electric Company Vehicle propulsion system having an energy storage system and optimized method of controlling operation thereof
CN111267831A (zh) * 2020-02-28 2020-06-12 南京航空航天大学 一种混合动力车辆智能变时域模型预测能量管理方法
CN112319462A (zh) * 2020-11-17 2021-02-05 河南科技大学 一种插电式混合动力汽车能量管理方法
CN112937547A (zh) * 2021-01-28 2021-06-11 北京理工大学 一种基于全局工况的插电式混合动力公交车能量管理方法
WO2021114742A1 (zh) * 2019-12-10 2021-06-17 北京理工大学 一种混合动力电动汽车综合预测能量管理方法
CN113085860A (zh) * 2021-05-07 2021-07-09 河南科技大学 一种跟车环境下的燃料电池混合动力汽车的能量管理方法
CN115027290A (zh) * 2022-06-24 2022-09-09 河南科技大学 一种基于多目标优化的混合动力汽车跟车能量管理方法
CN115257724A (zh) * 2022-07-07 2022-11-01 同济大学 一种插电式混动汽车安全节能决策控制方法和系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150202990A1 (en) * 2012-07-12 2015-07-23 Commissariat A L'energie Atomique Et Aux Energies Alternatives Method of managing the energy consumed by an automotive vehicle and system implementing such a method
US20160052417A1 (en) * 2014-08-19 2016-02-25 General Electric Company Vehicle propulsion system having an energy storage system and optimized method of controlling operation thereof
WO2021114742A1 (zh) * 2019-12-10 2021-06-17 北京理工大学 一种混合动力电动汽车综合预测能量管理方法
CN111267831A (zh) * 2020-02-28 2020-06-12 南京航空航天大学 一种混合动力车辆智能变时域模型预测能量管理方法
CN112319462A (zh) * 2020-11-17 2021-02-05 河南科技大学 一种插电式混合动力汽车能量管理方法
CN112937547A (zh) * 2021-01-28 2021-06-11 北京理工大学 一种基于全局工况的插电式混合动力公交车能量管理方法
CN113085860A (zh) * 2021-05-07 2021-07-09 河南科技大学 一种跟车环境下的燃料电池混合动力汽车的能量管理方法
CN115027290A (zh) * 2022-06-24 2022-09-09 河南科技大学 一种基于多目标优化的混合动力汽车跟车能量管理方法
CN115257724A (zh) * 2022-07-07 2022-11-01 同济大学 一种插电式混动汽车安全节能决策控制方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李贵炎;鲁植雄;: "插电式混合动力整车能量管理控制策略", 沈阳工业大学学报, no. 04, pages 411 *

Also Published As

Publication number Publication date
CN116118705B (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
Li et al. AMT downshifting strategy design of HEV during regenerative braking process for energy conservation
CN111439260B (zh) 面向个性化需求的网联商用柴油车巡航行驶优化控制系统
Xu et al. Look-ahead prediction-based real-time optimal energy management for connected HEVs
Hui Multi-objective optimization for hydraulic hybrid vehicle based on adaptive simulated annealing genetic algorithm
CN103991384B (zh) 一种电动车辆的复合制动系统及其复合制动方法
Li et al. Intelligent environment-friendly vehicles: Concept and case studies
US9714704B2 (en) Transmission control system
Sarvaiya et al. Comparative analysis of hybrid vehicle energy management strategies with optimization of fuel economy and battery life
Xie et al. Intelligent energy-saving control strategy for electric vehicle based on preceding vehicle movement
Ganji et al. A study on look-ahead control and energy management strategies in hybrid electric vehicles
CN105539423A (zh) 结合环境温度保护电池的混合动力车转矩分配控制方法及系统
CN113635879B (zh) 一种车辆制动力分配方法
CN113788021A (zh) 一种结合前车速度预测的自适应跟车巡航控制方法
Pan et al. Energy-optimal adaptive cruise control strategy for electric vehicles based on model predictive control
Li et al. Distributed cooperative energy management system of connected hybrid electric vehicles with personalized non-stationary inference
Fries et al. Operational strategy of hybrid heavy-duty trucks by utilizing a genetic algorithm to optimize the fuel economy multiobjective criteria
CN115534929A (zh) 基于多元信息融合的插电式混合动力汽车能量管理方法
CN113276829B (zh) 一种基于工况预测的车辆行驶节能优化变权重方法
Liu et al. Real‐time control strategy of elman neural network for the parallel hybrid electric vehicle
Chen et al. Driving cycle recognition based adaptive equivalent consumption minimization strategy for hybrid electric vehicles
Fayyazi et al. Real-time self-adaptive Q-learning controller for energy management of conventional autonomous vehicles
CN112124298B (zh) 一种基于快速求解算法的混合动力车辆跟车巡航能量管理方法
CN116118705B (zh) 一种跟驰场景下插电式混合动力公交车能量管理控制方法
Zhang et al. An optimal vehicle speed planning algorithm for regenerative braking at traffic lights intersections based on reinforcement learning
Dorri et al. Design of an optimal control strategy in a parallel hybrid vehicle in order to simultaneously reduce fuel consumption and emissions

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230921

Address after: 200 meters north of Wenfang Village West, Lepingpu Town, Chiping District, Liaocheng City, Shandong Province, 252100

Patentee after: Liaocheng Chiping Yida Machinery Technology Co.,Ltd.

Address before: Liaocheng University, No.1, Hunan Road, Liaocheng City, Shandong Province

Patentee before: LIAOCHENG University