CN116963934A - 用于基于模型预测式调节车辆部件的装置和方法 - Google Patents

用于基于模型预测式调节车辆部件的装置和方法 Download PDF

Info

Publication number
CN116963934A
CN116963934A CN202180094653.9A CN202180094653A CN116963934A CN 116963934 A CN116963934 A CN 116963934A CN 202180094653 A CN202180094653 A CN 202180094653A CN 116963934 A CN116963934 A CN 116963934A
Authority
CN
China
Prior art keywords
vehicle
model
battery
optimization function
predicted
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.)
Pending
Application number
CN202180094653.9A
Other languages
English (en)
Inventor
蒂蒙·布塞
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.)
ZF Friedrichshafen AG
Original Assignee
ZF Friedrichshafen AG
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 ZF Friedrichshafen AG filed Critical ZF Friedrichshafen AG
Publication of CN116963934A publication Critical patent/CN116963934A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/62—Monitoring or controlling charging stations in response to charging parameters, e.g. current, voltage or electrical charge
    • 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
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • 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
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/63—Monitoring or controlling charging stations in response to network capacity
    • 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
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • 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
    • B60W10/24—Conjoint control of vehicle sub-units of different type or different function including control of energy storage means
    • B60W10/26—Conjoint control of vehicle sub-units of different type or different function including control of energy storage means for electrical energy, e.g. batteries or capacitors
    • 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
    • B60W50/0097—Predicting future conditions
    • 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
    • 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
    • B60W2300/00—Indexing codes relating to the type of vehicle
    • B60W2300/10—Buses
    • 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
    • B60W2556/00—Input parameters relating to data
    • 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
    • B60W2710/24—Energy storage means
    • B60W2710/242—Energy storage means for electrical energy
    • B60W2710/246—Temperature

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Power Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Chemical & Material Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Combustion & Propulsion (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明涉及用于基于模型预测式调节车辆的部件的装置，车辆具有电池和电动马达，该装置包括：用于接收车辆(34)的传感器(14)的传感器数据的第一输入接口(20)；用于接收车辆(34)的外部环境中的关于拓扑学的数据的第二输入接口(22)；用于实施预测算法(26)的控制单元(25)，用以产生用于车辆(34)的部件(18)的控制值；用于输出在控制单元(25)中获知的用于车辆(34)的部件(18)的控制值的输出接口(24)；其中，预测算法(26)包括车辆模型(28)和优化函数(30)；车辆模型(28)包括电池模型(32)，并且在预测算法(26)中处理传感器数据和关于拓扑学的数据；优化函数(30)包括电能量和行驶时间，其中，能量由电池模型(32)预测，并且行驶时间由车辆模型(28)预测；优化函数(30)包括在预测范围内在车辆(34)的由车辆模型(28)预测的路程(44)上的充电点(48)的信息以及在充电点(48)所在之处电池(33)的预测含能量的信息；并且预测算法(26)通过最小化优化函数(30)产生控制值。本发明还涉及用于基于模型预测式调节车辆部件的系统和方法。

Description

用于基于模型预测式调节车辆部件的装置和方法
技术领域
本发明涉及一种用于基于模型预测式调节车辆部件的装置和系统以及方法，所述车辆具有电池和电动马达。
背景技术
现代车辆(轿车、货车、载重车、摩托车等)包括大量系统，这些系统为驾驶员提供信息并且部分或全自动化地控制车辆的各个功能。通过传感器检测车辆外部环境并基于此产生车辆外部环境模型，将其集成到现有的车辆模型中。由于自动驾驶和半自动驾驶汽车领域的逐步发展，这种驾驶员辅助系统(高级驾驶辅助，Advanced Driver Assistance，ADAS)的影响和作用范围越来越大。尤其是在具有电机(即，电动马达)作为驱动器的车辆中，也应用基于模型的预测式调节方法(英文：Model Predictive Control或缩写MPC，模型预测控制)，其例如应用于轨迹调节领域，尤其是在机动车的马达调节领域。例如可以通过对驱动机的预测式调节来优化电能量的消耗。
根据EP2610836 A1已知能量管理策略的优化，其通过最小化成本函数并且基于预测范围和其他外部环境信息实施。为此建立神经网络以在车辆内使用。此外，还实施驾驶员建模以及预估驾驶员可能选择的速度曲线。EP1256476 B1公开了一种降低驾驶能耗和增加可达里程的策略。在此，使用导航设备的信息，即，当前车辆位置、道路图案、包括日期和时间的地理信息、高度变化、速度限制、交叉路口密度、交通监控和驾驶员的驾驶模式。
在机动车运行中，驾驶员及其驾驶风格对能耗的影响最大。即使应用已知的巡航控制系统来控制车速，也没有考虑能耗。已知的预测驾驶策略通常是基于规律性，并不能在任何情况下提供最佳结果。此外，基于优化的策略是计算复杂的，迄今为止只能作为离线解决方案或者利用动态编程来解决。
在电池驱动的电动车辆中，其他被提供电能量的部件对总能耗以及因而对车辆的可达里程也起着决定性作用。然而，这些部件在能量管理系统中没有被考虑或者没有得到充分考虑。
发明内容
从此出发，本发明提出的任务在于，建议一种具有改进MPC调节的系统，其中，应用改进的能量管理，以使能耗灵活匹配给定的边界条件。
为了解决该任务，本发明在第一方面涉及用于基于模型预测式调节车辆的部件的装置，所述车辆具有电池和电动马达，所述装置包括：
用于接收车辆的传感器的传感器数据的第一输入接口；
用于接收车辆的外部环境中的关于拓扑学的数据的第二输入接口；
用于实施预测算法的控制单元，预测算法用于产生用于车辆的部件的控制值；
用于输出在控制单元中获知的用于车辆的部件控制值的输出接口；
其中，
预测算法包括车辆模型和优化函数；
车辆模型包括电池模型，并且在预测算法中处理传感器数据和关于拓扑学的数据；
优化函数包括电能量和行驶时间，其中，能量由电池模型预测，行驶时间由车辆模型预测；
优化函数包括在预测范围内在车辆的由车辆模型预测的路程上的充电点的信息以及在充电点所在之处电池的预测含能量的信息；并且
预测算法通过最小化优化函数产生控制值。
在另一方面，本发明涉及用于基于模型预测式调节车辆的部件的系统，所述车辆具有电池和电动马达，所述系统包括：
如上述的装置、用于获知包括车辆的外部环境信息的传感器数据的传感器和用于提供关于拓扑学的数据的拓扑单元。
本发明其他方面涉及相应的方法、车辆和具有程序编码的计算机程序产品，当所述程序编码在计算机上运行时，程序编码用于执行所述方法的步骤，以及涉及存储介质，在其上存储有计算机程序，当计算机程序在计算机上运行时，促使实施所述方法。
本发明的优选实施方案在从属权利要求中说明。应当理解，上面提到和后面还将进一步阐述的特征不仅可以相应给定的组合应用，也可以其他组合应用或单独应用，而不离开本发明的范围。尤其是，方法和计算机程序产品可以根据针对装置和系统在从属权利要求中所述的实施方案来实现。
根据本发明的装置尤其应用用于实施预测算法的控制单元，以便产生车辆部件的控制值。在此，该预测算法基于车辆模型和优化函数。车辆模型例如除了包括沿车辆纵向驱动的动态模型之外还可以包括用于车辆的各个部件的其他模型。例如在车辆模型中包括电池模型，在其上给电池管理以及电池建模。给其他部件(例如空调设备、制动器或不同摄像头)建模的信息和参数也属于车辆模型。导航系统以及存储在那里的电子地图和车辆外部环境中的拓扑学的信息(例如道路图案和其他信息)也属于此。电池模型除了包括电池自身之外还包括例如电池温度管理和依赖于电池温度说明电池充电周期和能量输出的模型。电池模型可以包括电池冷却泵或温控系统。
由控制单元实施的预测算法基于MPC求解器或MPC算法(Model PredictiveControl，模型预测控制)。该预测算法可以实现有效规划在整车层面上对与车辆整体能效相关的各种自由度。在此，通过应用预测算法规划不同的自由度可以使用节能的且在某些情况下舒适的执行器组合。预测和规划自由度可以优化传输至所谓的目标发生器，然后其可控制各个执行器，例如驱动系的执行器或车辆中的其他部件和执行器。
在现代车辆中安装不同的与能效相关的部件(这些部件不是仅属于驱动系)。能耗优化和能量管理优化包括在考虑行驶时间和能耗情况下规划电池充电阶段可以由通过控制单元实施的预测算法实现。这样，在给定边界条件和限制的情况下，在任何状况下都可以获知实现节能驾驶模式的“高效驾驶(Driving Efficiency)”驾驶功能的优化解决方案。基于此的系统模型或车辆模型说明了车辆的整体行为。预测算法应用目标函数或优化函数(其也被称为成本函数)。由此说明和确定优化问题，其中，指定了应当优化哪些状态参数。
在此，优化涉及最小化优化函数。在优化函数中说明应当最小化的状态参数。在此，尤其是车辆消耗的电能量以及行驶时间是相关参数。优化能耗和行驶时间例如可以基于由车辆模型预测的车辆前方的路段以及预测范围优化地设计。在此，可以考虑速度和/或牵引力的限制以及一般车辆状态。除了优化电能量和行驶时间之外，优化功能还包括在预测范围内在车辆的由车辆模型预测的路程上的充电点的信息。因此，考虑沿预测行驶路线的下一个可能充电点位于哪里。此外，优化函数还包括在预测的路程上在充电点所在之处电池的预测含能量的信息。根据这些值可以获知车辆部件的针对应用情况的具体控制值。
如果例如车辆是客车，那么在根据本发明的装置中还可以考虑在客车的预测的路程上的被归类为停车处的点。优化函数可以相应调整，其中，必要时可将到达停车处的到达时间纳入优化函数。也可以在停车处额外设置充电点，这可以代表优化函数。
车辆的部件例如可以是车辆的驱动系的部件。在此，优化函数可以动用机动车的纵向动力学模型，其例如也可以包括车辆的损耗模型。可以考虑不同车辆参数以及驱动系损耗，它们例如可以通过运行参数或特征曲线保存在模型中。例如可以计算或模拟相应的值。这种损耗模型的应用是已知的。
为了获知预测算法和优化函数所需的输入值，根据本发明的装置动用车辆的一个或多个传感器的传感器数据以及车辆外部环境中的关于拓扑学的数据。这些数据通过第一或第二输入接口传输至该装置。这些传感器例如可以是不同的光学传感器。可行的传感器是雷达传感器，激光雷达传感器或摄像头传感器。借此可以获知车辆的附近环境。为了确定车辆位置可以动用GNSS传感器或GPS传感器。它们例如与拓扑单元的拓扑学数据组合应用，以便预估预测范围内的车辆的路程。通过拓扑信息和车辆的当前位置信息例如可以考虑上坡等类似道路图案。
考虑预测范围内由电池提供的电能量和考虑由车辆模型预测的直至到达路径点或预测范围的行驶时间是现有技术已知的。通过扩展优化函数和考虑在预测的路程上的充电点的信息以及到达充电点时的预测含能量的信息可以进一步改进节能驾驶策略。在此可以通过边界条件的选择和加权实现调整和改进，例如根据驾驶员期望的优化。尤其可行的是，依赖于与充电点的距离或者依赖于在充电点所在之处电池的预测含能量考虑能耗。例如可以借助输入参量调设电机的特别优化的马达运行点。以此方式可以实现直接调节出优化的车辆速度。
车辆的由装置控制的部件也可以是驱动系之外的部件。为了实现节能地调节车辆，需要依赖于车辆模型调节各个用电器。例如可行的是，如果存在相应的拓扑或车辆外部环境信息，则降低各个用电器的能耗。例如可以想到，在预测范围内出现预期上坡的情况下降低各个用电器的功耗，以优化使用现有能量。如果例如在车辆模型中考虑天气模型，则车辆的能耗和速度轨迹可以匹配于天气条件。
例如也可行的是，如果在充电点所在之处电池的预测含能量低于预定限值，或者如果例如充电点的信息表明无法为电池充电或只能以不舒适方式为电池充电，则关闭电动车窗以减少车辆的空气阻力。在这种情况下，可以驶向另一充电点，从而需要车辆的高效和节能的驾驶方式，以便到达备选充电点。
所述装置的优点在于，不仅规划充电过程而且执行消耗规划，因而调整和协调电能量消耗和电池充电。
根据一个优选实施方案，在优化函数内考虑能量、行驶时间、充电点的信息和/或在充电点所在之处电池的含能量的信息作为加权项。在优化函数中的各个特征中的每一个特征都具有自己的加权系数，其中，这些加权系数可以是彼此无关的。因而优化函数包括多个加权项。优点在于，各个参数可以依赖于预定边界条件或其他限制按照不同方式加权。例如也可行的是，在确定边界条件情况下使个别参数降级。
优化函数优选包括被被归类为停车处的路径点的信息。该路径点位于预测范围内由车辆模型预测的路程上。被归类为停车处的路径点是车辆无论如何都要经过的并且其中车辆以给定概率停靠的点。如果车辆例如是客车或公交车，则停车处是只要有乘客希望下车或者新乘客在停车处停留，客车就按计划停靠在此处的点。然而也可行的是，将其他兴趣点或兴趣路径点归类为停车处。这些例如可能是在确定条件下值得停靠的特殊景点。也可以想到，将有红绿灯的交叉路口归类为停车处。
尤其优选的是，将被归类为停车处的路径点的信息作为加权项纳入优化函数。因而优化函数包括具有另一加权系数的其他项，以实现个性化地加权。
在同样优选的实施方案中，优化函数除了包括被归类为停车处的路径点之外还包括车辆预估到达停车处的到达时间。以此方式，例如在短途公共交通中的公交车情况下可以实现到达时间和时刻表，在基于模型的预测式调节中对此加以考虑。依赖于期望或要求的到达时间，与未对此加以考虑相比，优化函数可能短暂或在确定时期或确定路程上带来不同的结果。
预测算法的优化函数除了包括充电点所在之处的信息之外还包括具有考虑了充电点的占用的充电点占用参数的项。这样例如可以考虑，充电点暂时被其他车辆使用，因而至少在某一确定的时间点当前车辆无法使用。占用参数优选还可以包括预计的充电点被占用的时长。行驶算法或速度轨迹可以与此相匹配，从而在未被占用的时间点到达充电点。以此方式，当到达充电点时可以立即开始充电过程。
在一个优选实施方案中，在控制单元中借助预测算法获知的控制值是用于车辆的电动马达的马达控制值。因而，电驱动机可以作为根据本发明的装置的驱动系的一部分被驱控。在此情况下，车辆模型可以包括驱动系的纵向动态模型并且例如考虑了导致直接驱控驱动马达的速度轨迹。
在另一优选实施方案中，在控制单元中借助预测算法产生的控制值是泵控制值。该泵控制值用于驱控电池冷却泵，以便根据电池模型对电池进行温控。因而电池冷却泵同样是电池模型的部分并且在车辆模型中加以考虑。例如有意义的可能是，控制电池的电池冷却泵以便节能。如果例如电池温度很低并且应当加热以使其在最佳运行点运行，在确定条件下有意义的是，取消电池的温控和加热。这例如是在这样的情况下，即，当短距离行驶几公里后，预测的行驶距离出现长且大的上坡，需要电池消耗较高能量。由于能量消耗高，电池被加热，如果其被预热，则必须再次冷却。尽管通过取消预热，车辆可能首先在能量方面糟糕的状态下行驶。然而通过取消之前执行的加热和必要冷却，总体导致车辆的显著节能特性。这种或类似场景可以有利地被本发明的优选实施方案考虑。
在同样优选的实施方案中，控制单元的借助预测算法产生的控制值是内部空间空调控制值。内部空间空调控制值用于驱控车辆的内部空间空调设备。有利地可以是，例如如果需要大量消耗电池能量和/或仅明显降低的电池含能量可供使用，则关闭内部空间空调设备。这可能例如发生在路程的坡道上，尤其是在利用车辆运输或牵引附加的负载时。
用于基于模型预测式调节具有电池和电动马达的车辆的部件的系统包括上述装置以及至少一个用于获知包括车辆的外部环境信息的传感器数据的传感器。此外，系统包括用于提供关于拓扑学的数据的拓扑单元。传感器例如可以是光学传感器，例如通常安装在车内的雷达传感器、激光雷达传感器或摄像头传感器。其他传感器可以是获知车辆位置的位置传感器。这些信息与来自电子地图的数据组合，从而可以获知车辆在预定外部环境中的位置。也需要来自拓扑单元的拓扑学数据，以便获取路程相关说明，例如上坡、下坡、弯道、路程或道路类型以及速度限制或其他边界条件数据。除了车辆外部环境的一般数据之外，通过光学传感器获知周围环境信息，例如在外部环境中的其他车辆、人员或物体。
根据另一方面，本发明涉及具有电池和电动马达的车辆。车辆包括上述系统以及部件，由该系统为这些部件产生控制值并且由该系统基于模型预测式调节这些部件。
在一个优选实施方案中，车辆是客车，非常优选是公交车。优化函数包括在预测范围内在车辆的由车辆模型预测的路程上的被归类为停车处的路径点的信息。优化函数还可以包括考虑了到达被归类为停车处的路径点的到达时间的项。
除了所述边界条件之外也可以考虑现有技术中所用的边界条件和参数。这例如是通过道路类型或车辆停留地(例如市区)预定的限速。这也包括例如当车辆从城市驶出到达郊区道路时发生变化的限速。其他已知的限制例如可以是扭矩界限，由此车辆无法明显加速并且对于车内乘客而言带来不舒适的驾驶状况。
除了这些边界条件之外，在本装置中还满足例如考虑了车辆预测路径上的停车处的其他边界条件。尤其重要的是，车辆是客车或公交车。在此，可以考虑到达停车处的到达时间作为优化函数的其他参数或作为边界条件(所谓的约束)并且将其纳入优化函数。
车辆模型除了包括电池模型之外也包括机动车的行驶动态模型或纵向动态模型。机动车的行驶动态模型例如可以包括施加到车辆车轮上的牵引力、考虑滚动时轮胎变形和车轮负载影响的滚动阻力、说明重力纵向分量且依赖于车道坡度的上坡阻力以及车辆的空气阻力。在数学上，车辆模型可以理解为速度的时间导数，其中，力的总和涉及车辆的等效质量。车辆的等效质量可以包括驱动系的旋转部件的惯性。优化函数是成本函数，其例如包括电池能耗的加权系数、电池能耗、路程、驱动力、时间、充电点信息、充电点所在之处电池含能量的信息、预测范围开始的信息以及用于各个项(它们例如可以合计)的不同加权系数。可以测量当前状态参数、记录相应数据并提供给预测算法。这样例如可以针对机动车前的预估范围或预测范围更新，例如循环更新来自电子地图、来自拓扑单元或者来自导航系统的路线数据。预测范围优选包括至少100m，非常优选至少500m，尤其优选至少1km的范围。路线数据或拓扑学数据可以包括上坡信息、弯道信息、限速等。预测的路程是由车辆模型创建的、预测范围内的预估路程。充电点是具有适用于车辆电池充电的设施的地点。这例如可以是充电桩。同样可以规定感应式充电选项，例如通过受电器充电。客车尤其是在可以标明在电子地图上的或可以存储在车辆模型中的预先规划或确定的路程上运送人员的车辆。尤其是在线路交通中的客车情况下，路程原则上是已知的。然而车辆可能会偏离预定和已知的路程。路程信息可以在车辆模型和/或优化函数中考虑和处理。
附图说明
以下结合所选实施例连同附图一起进一步说明和阐述本发明。图中：
图1是根据本发明一个方面的系统的示意图；
图2是具有系统的车辆的示意图；
图3是行驶状况的示意图；和
图4是本发明方法的示意图。
具体实施方案
图1示出系统10，其具有根据本发明的装置12、传感器14和拓扑单元16。图1附加示出部件18，其与系统10连接且由其控制。
装置12包括第一输入接口20，其与传感器14连接并且接收传感器14的传感器数据。装置12具有第二输入接口22，其用于接收车辆外部环境中的关于拓扑学的数据。第二输入接口22与拓扑单元16连接并且接收来自拓扑单元16的数据。装置12的控制单元25具有预测算法26，其产生用于部件、例如部件18的控制值。输出接口24输出用于部件18的、在装置12中获知的控制值。该控制值由输出接口24传输至部件18。
装置12的预测算法26处理第一输入接口20的传感器数据和第二输入接口22的数据。预测算法26包括车辆模型28和优化函数30，它们考虑车辆的不同参数和由车辆模型28提供的参数。优化函数30优选是成本函数。优化函数30被最小化，其中，可以应用二次最小化函数或另一最小化函数。这种优化函数或成本函数以及最小化优化函数在现有技术中原则上是已知的。
车辆模型28包括电池模型32，利用其可以进行车辆电池包括电池能量管理以及电池冷却泵或电池温控单元模型化的建模。此外，车辆模型28包括行驶动态模型31，其例如考虑驱动系及其部件。
优化函数30例如可以包括电能量和车辆行驶时间，其中，优选地电池模型32预测能量，并且车辆模型28或行驶动态模型31预测行驶时间。优化函数30还可以包括在预测范围内的、由车辆模型28预测的车辆路程上的充电点信息以及例如在路程上的充电点所在之处电池的预测含能量的信息。预测算法26处理提供给它的数据和例如来自车辆模型28的预测值并且通过最小化优化函数30获知用于车辆的部件18的控制值。
图2示出具有装置12、拓扑单元16的车辆34的示意图，该拓扑单元是车辆34的导航系统36并且发送关于拓扑学的数据。这些数据例如可以来自导航系统36的电子地图。车辆34包括多个传感器14，这些在此例如是雷达传感器38和激光雷达传感器40。这两个传感器发送关于车辆附近环境的数据，例如关于位于附近的其他车辆的传感器数据。
装置12控制车辆34的部件18，该部件在本情况下是驱动系的电动马达42。电动马达42驱动车辆34的车轮。电池33提供所需的能量。其借助电池模型32建模。
图3示出包括被设计成客车42的车辆34的交通状况的示意图。客车42沿包括停车点的路程44行驶。停车点是例如短途公共交通的线路交通停车处46。在该停车处46存在给车辆34充电的可能性，从而停车处46包括充电点48。为了优化客车42的能量管理，例如可以是在停车处46处车辆的电池33的预测含能量。
当优化车辆能耗和/或优化车辆可达里程时也可以考虑停车处46处根据时刻表规定的到达时间。所预定的到达时间可以与车辆模型的预测到达时间进行比较并且使其一致。这例如可以通过在优化函数中相应加权预测到达时间来实施。
例如也可以关闭车辆的个别部件以节约能量。所节约的能量提供给行驶动态模型并且例如可以被驱动电机消耗，以便引起至少暂时较高的扭矩以及进而引起更高的车速，从而以此方式按计划抵达停车处46。于是基于优化函数调整获知的速度轨迹。
不言而喻，也可以在路程上设置与停车处46无关的充电点。该充电点可能被其他车辆占用，从而无法充电。在这种情况下或者可以等候或者经过该充电点48并且驶向另一充电点。充电点48的占用可以在优化函数中考虑。这优选通过能够使被占用充电点48降级的加权系数来实施。也可以想到在优化函数中不考虑占用的充电点48。
类似场景和其他边界条件可以作为软边界条件(英语：Soft Constraints，软约束)或硬边界条件(英语：Hard Constraints，硬约束)实现并且存储在车辆模型中。到达时间例如可以是硬边界条件，以便遵守预定时刻表。该边界条件具有优先性并且始终得到满足。可行的是，提高车辆能耗，以便在预定时间点到达停车处46。也可行的是，关闭车辆个别用电器或部件，以提供足够能量。以此方式可以实现有利的且进一步发展的能量管理。
图4示出本发明方法的示意性流程，该方法用于基于模型预测式调节具有电池和电动马达的车辆34的部件18。在接收的第一步骤S10中，接收车辆34的传感器14的传感器数据。在接收关于拓扑学的数据的另一步骤S12中，接收关于车辆34的外部环境的拓扑数据。实施步骤S14实施预测算法，以便产生用于车辆34的部件18的控制值。输出步骤S16将所获知的用于部件18的控制值发送至部件18。在控制单元中在步骤S14中获知控制值。
在根据本发明的方法的一个优选实施方案中，在实施预测算法的步骤S14中执行多个其他子步骤。这些子步骤是可选的，因而在图4中用虚线示出。步骤S20可以包括预测电能量。预测步骤S22可以包括基于车辆模型预测行驶时间。步骤S24可以包括实施优化函数，其中，包括预测电能量和行驶时间以及在车辆34的预测的路程上的充电点信息和在充电点48所在之处电池33的预测含能量的信息。优选在该步骤执行优化函数最小化，以便这样优选获知用于部件18的控制值。
本发明已结合附图和说明书进行全面说明和阐述。这些说明和阐述应当理解为示例性且非限制性的。本发明不限于所公开的实施方案。其他实施方案或变形方案对于本领域技术人员而言在应用本发明以及在准确分析附图、公开内容和下述权利要求书情况下得到。
在权利要求中，“包括”和“具有”并不排除存在其他元件或步骤。不定冠词“一个”并不排除存在多个。单个元件或单个单元可以实施权利要求中所述单元中的多个单元的功能。元件、单元、接口、装置和系统可以部分或全部在硬件和/或软件中实现。仅仅提及在多个不同从属权利要求中的某些措施并不能理解为这些措施的组合也不能有利地应用。计算机程序可以在非易失性存储介质上存储/发布，例如在光存储器或固态驱动器(SSD)上。计算机程序例如可以借助互联网或借助有线或无线通信系统连同硬件一起和/或作为硬件的一部分发布。本专利权利要求书中的附图标记不作限制性理解。
附图标记列表
10 系统
12 装置
14 传感器
16 拓扑单元
18 部件
20 第一输入接口
22 第二输入接口
24 输出接口
25 控制单元
26 预测算法
28 车辆模型
30 优化函数
31 行驶动态模型
32 电池模型
33 电池
34 车辆
35 电动马达
36 导航系统
38 雷达传感器
40 激光雷达传感器
42 客车
44 路程
46 停车处
48 充电点

Claims (15)

1.用于基于模型预测式调节车辆(34)的部件(18)的装置(12)，所述车辆具有电池(33)和电动马达(35)，所述装置包括：
-用于接收所述车辆(34)的传感器(14)的传感器数据的第一输入接口(20)；
-用于接收所述车辆(34)的外部环境中的关于拓扑学的数据的第二输入接口(22)；
-用于实施预测算法(26)的控制单元(25)，所述预测算法用于产生用于所述车辆(34)的部件(18)的控制值；
-用于输出在所述控制单元(25)中获知的用于所述车辆(34)的部件(18)的控制值的输出接口(24)；
其中，
所述预测算法(26)包括车辆模型(28)和优化函数(30)；
所述车辆模型(28)包括电池模型(32)，并且在所述预测算法(26)中处理所述传感器数据和关于拓扑学的数据；
所述优化函数(30)包括电能量和行驶时间，其中，所述能量由所述电池模型(32)预测，所述行驶时间由所述车辆模型(28)预测；
所述优化函数(30)包括在预测范围内在所述车辆(34)的由所述车辆模型(28)预测的路程(44)上的充电点(48)的信息以及在所述充电点(48)所在之处所述电池(33)的预测含能量的信息；并且
所述预测算法(26)通过最小化所述优化函数(30)产生所述控制值。
2.根据权利要求1所述的装置(12)，其中，所述优化函数(30)包括能量、行驶时间、充电点的信息和/或含能量的信息作为加权项。
3.根据权利要求1和2所述的装置(12)，其中，所述优化函数(30)包括在预测范围内在所述车辆(34)的由所述车辆模型(28)预测的路程(44)上的被归类为停车处(46)的路径点的信息，其中，在所述优化函数(30)中包括被归类为停车处(46)的路径点的信息作为加权项。
4.根据权利要求3所述的装置(12)，其中，所述优化函数(30)包括考虑了到达被归类为停车处(46)的路径点的到达时间的项。
5.根据前述权利要求中任一项所述的装置(12)，其中，所述优化函数(30)包括具有考虑了所述充电点(48)的占用的占用参数的项。
6.根据前述权利要求中任一项所述的装置(12)，其中，在所述控制单元(25)中借助所述预测算法(26)产生的控制值是用于所述车辆(34)的电动马达(35)的马达控制值。
7.根据前述权利要求中任一项所述的装置(12)，其中，借助所述预测算法(26)产生的控制值是用于驱控对所述电池(33)进行温控的电池冷却泵的泵控制值。
8.根据前述权利要求中任一项所述的装置(12)，其中，借助所述预测算法(26)产生的控制值是用于驱控所述车辆(34)的内部空间空调设备的内部空间空调控制值。
9.用于基于模型预测式调节车辆(34)的部件(18)的系统(10)，所述车辆具有电池(33)和电动马达(35)，所述系统包括：
根据前述权利要求中任一项所述的装置(12)；
用于获知具有所述车辆(34)的外部环境信息的传感器数据的传感器(14)；和
用于提供关于拓扑学的数据的拓扑单元(16)。
10.根据权利要求9所述的系统(10)，其中，用于获知具有所述车辆(34)的外部环境信息的传感器数据的传感器(14)是光学传感器、雷达传感器(38)、激光雷达传感器(40)、摄像头、GNSS传感器或GPS传感器。
11.具有电池(33)和电动马达(35)的车辆(34)，所述车辆包括根据权利要求9或10所述的系统(10)和部件(18)，由所述系统(10)为所述部件产生控制值。
12.根据权利要求11所述的车辆(34)，其中，所述车辆(34)是客车(42)，并且优化函数(30)包括在预测范围内在所述车辆(34)的由车辆模型(28)预测的路程(44)上的被归类为停车处(46)的路径点的信息，并且所述优化函数(30)包括考虑了到达被归类为停车处(46)的路径点的到达时间的项。
13.用于基于模型预测式调节车辆(34)的部件(18)的方法，所述车辆具有电池(33)和电动马达(35)，所述方法包括下列步骤：
接收所述车辆(34)的传感器(14)的传感器数据；
接收所述车辆(34)的外部环境中的关于拓扑学的数据；
实施预测算法(26)，所述预测算法用于产生用于所述部件(18)的控制值；
输出获知的用于所述部件的控制值；
其中，
所述预测算法(26)包括车辆模型(28)和优化函数(30)；
所述车辆模型(28)包括电池模型(32)，并且在所述预测算法(26)中处理传感器数据和关于拓扑学的数据；
所述优化函数(30)包括电能量和行驶时间，其中，所述能量由所述电池模型(32)预测，所述行驶时间由所述车辆模型(28)预测；
所述优化函数(30)包括在预测范围内在所述车辆(34)的由所述车辆模型(28)预测的路程(44)上的充电点(48)的信息以及在所述充电点(48)所在之处所述电池(33)的预测含能量的信息；并且
所述预测算法(26)通过最小化所述优化函数(30)产生所述控制值。
14.根据权利要求13所述的方法，其中，所述优化函数(30)包括在预测范围内在所述车辆(34)的由车辆模型(28)预测的路程(44)上的被归类为停车处(46)的路径点的信息。
15.具有程序编码的计算机程序产品，当所述程序编码在计算机上运行时，所述程序编码用于执行根据权利要求13所述的方法的步骤。
CN202180094653.9A 2021-03-15 2021-11-30 用于基于模型预测式调节车辆部件的装置和方法 Pending CN116963934A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102021202468.8 2021-03-14
DE102021202468.8A DE102021202468A1 (de) 2021-03-15 2021-03-15 Vorrichtung und Verfahren zur modellbasierten prädizierten Regelung einer Komponente eines Fahrzeugs
PCT/EP2021/083455 WO2022194410A1 (de) 2021-03-15 2021-11-30 Vorrichtung und verfahren zur modellbasierten prädizierten regelung einer komponente eines fahrzeugs

Publications (1)

Publication Number Publication Date
CN116963934A true CN116963934A (zh) 2023-10-27

Family

ID=78844628

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180094653.9A Pending CN116963934A (zh) 2021-03-15 2021-11-30 用于基于模型预测式调节车辆部件的装置和方法

Country Status (4)

Country Link
US (1) US20240132046A1 (zh)
CN (1) CN116963934A (zh)
DE (1) DE102021202468A1 (zh)
WO (1) WO2022194410A1 (zh)

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6487477B1 (en) 2001-05-09 2002-11-26 Ford Global Technologies, Inc. Strategy to use an on-board navigation system for electric and hybrid electric vehicle energy management
US8712650B2 (en) 2005-11-17 2014-04-29 Invent.Ly, Llc Power management systems and designs
EP2385349A1 (en) * 2010-05-06 2011-11-09 Leica Geosystems AG Method and guidance unit for guiding battery-operated transportation means to reconditioning stations
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.
DE102013003411A1 (de) 2013-02-28 2014-08-28 Hochschule Karlsruhe Verfahren und System zum Steuern und/oder Regeln des Energieverbrauchs und/oder der Fahrtroute eines Elektrofahrzeugs
DE102016224786A1 (de) 2016-12-13 2018-06-14 Bayerische Motoren Werke Aktiengesellschaft Reisezeitoptimierung für ein Fahrzeug mit elektrischem Antrieb
DE102017006158A1 (de) 2017-06-29 2019-01-03 Daimler Ag Verfahren zum Betreiben eines elektrisch angetriebenen Fahrzeugs
US20190113920A1 (en) * 2017-10-18 2019-04-18 Luminar Technologies, Inc. Controlling an autonomous vehicle using model predictive control
EP3807137A4 (en) 2018-06-15 2021-12-22 The Regents of the University of California SYSTEMS, DEVICE AND METHODS FOR IMPROVING THE ENERGY PERFORMANCE OF A HYBRID PLUG-IN ELECTRIC VEHICLE USING V2C CONNECTIVITY
DE102018209997A1 (de) 2018-06-20 2019-12-24 Volkswagen Aktiengesellschaft Verfahren zum Ermitteln einer Richtgeschwindigkeit für ein elektrisch betriebenes Fahrzeug
EP3702201B1 (en) * 2019-02-27 2021-03-31 Sap Se Controlling electric vehicle charging infrastructure
DE102019105665A1 (de) 2019-03-06 2020-09-10 Technische Universität Dresden Regelvorrichtung und Verfahren zum Regeln eines Antriebssystems eines Hybridfahrzeugs

Also Published As

Publication number Publication date
WO2022194410A1 (de) 2022-09-22
DE102021202468A1 (de) 2022-09-15
US20240132046A1 (en) 2024-04-25

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
US8190318B2 (en) Power management systems and methods in a hybrid vehicle
CN102458943B (zh) 用于确定车辆控制系统的速率参考值的方法和模块
CN102803040B (zh) 用于确定车辆控制系统的参考值的方法和模块
US8271154B2 (en) Method for controlling a hybrid drive in a rail vehicle
CN102458953B (zh) 车辆控制系统中的模块
EP3878706A1 (en) Method for controlling a hybrid electric vehicle
CN110450786B (zh) 用于确定电动车辆中的预测的加速信息的方法和电动车辆
CN112824196A (zh) 用于里程预测的驾驶员模型估计、分类和适配
JP7016676B2 (ja) 車両制御装置及びその動作方法
CN115158094A (zh) 基于长短期soc规划的插电式混合动力汽车能量管理方法
CN114746316A (zh) 在考虑到到达时间因素的情况下对交通工具的基于模型的预测控制
US20200271470A1 (en) Vehicle path identification
Huang et al. A predictive power management controller for service vehicle anti-idling systems without a priori information
GB2564433A (en) System for optimising driver and vehicle performance
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
Ngo et al. Real-time eco-driving for connected electric vehicles
US20220306074A1 (en) Driving control device, driving control method, and non-transitory storage medium
Boehme et al. Application of an optimal control problem to a trip-based energy management for electric vehicles
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
Ziadia et al. An adaptive regenerative braking strategy design based on naturalistic regeneration performance for intelligent vehicles
CN116963934A (zh) 用于基于模型预测式调节车辆部件的装置和方法
WO2023031135A1 (en) Model-based predictive control of an electric vehicle
KR20180057458A (ko) 차량 제어 장치 및 그 동작 방법
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

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