CN117246302A - 一种基于坡度信息的混合动力汽车瞬时反馈控制方法 - Google Patents
一种基于坡度信息的混合动力汽车瞬时反馈控制方法 Download PDFInfo
- Publication number
- CN117246302A CN117246302A CN202310225863.8A CN202310225863A CN117246302A CN 117246302 A CN117246302 A CN 117246302A CN 202310225863 A CN202310225863 A CN 202310225863A CN 117246302 A CN117246302 A CN 117246302A
- Authority
- CN
- China
- Prior art keywords
- equivalent
- covariance matrix
- soc
- state quantity
- hybrid electric
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000000446 fuel Substances 0.000 claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 10
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims abstract description 9
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims abstract description 7
- 229910002091 carbon monoxide Inorganic materials 0.000 claims abstract description 7
- 239000004215 Carbon black (E152) Substances 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 6
- 229930195733 hydrocarbon Natural products 0.000 claims abstract description 6
- 150000002430 hydrocarbons Chemical class 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 7
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 2
- 239000002912 waste gas Substances 0.000 claims description 2
- 230000001052 transient effect Effects 0.000 claims 2
- 238000011217 control strategy Methods 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
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
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/076—Slope angle of the road
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- 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
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
- B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
-
- 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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/62—Hybrid vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供了一种基于坡度信息的混合动力汽车瞬时反馈控制方法,包括:步骤S1,获取混合动力汽车的车速以及SOC;步骤S2,基于步骤S1得到的车速,通过拓展卡尔曼滤波器对状态量进行估计,基于时间更新和测量更新,得到道路坡度估计值;步骤S3,通过对步骤S2得到道路坡度估计值的判断选择更新等效因子的不同规则;步骤S4,利用步骤S3实时反馈的等效因子,以等效燃油消耗最小和以氮氧化物、碳氢化合物和一氧化碳三种主要排放物排放最少为优化目标,采用优化算法求解目标函数得到最优控制量;步骤S5,基于步骤S4中得到的最优控制量,相应控制混合动力汽车的行驶状态。本发明实现了混合动力汽车的最优控制。
Description
技术领域
本发明属于混合动力汽车技术领域,涉及能量管理策略,具体涉及一种基于目标机理模型的多模仿真数据集制备方法。
背景技术
在当今世界环境污染、能源危机和全球变暖的背景下,节能减排,绿色环保成为了发展的第一要义,而混合动力汽车的发展在其中也做出了贡献。混合动力汽车配备了多种动力源,为电动机和内燃机的高效动力输出提供了设计自由,混合动力汽车的控制策略是在综合考虑电源荷电状态(state of charge,SOC)、车辆转矩需求、发动机油耗和排放等因素的基础上,控制发动机和电动机的协调运行,以实现需求功率在两个动力源之间的高效分配,控制策略在协调不同动力源的能量分配方面发挥着重要作用,对充分发挥混合动力系统的结构优势具有重要意义。
基于等效油耗(Equivalent Consumption Minimization Strategy,ECMS)的能量管理策略是一种基于优化的能量管理策略,将混合动力汽车行驶过程中消耗的电能通过等效因子等效成油耗,达到能量消耗最小的目标,在设计目标函数时,较多地考虑了车辆的燃油经济性和SOC的稳定性。而没有综合地考虑汽车排放性。
通常情况下,在有一定坡度的道路上,由于功率需求的变化,汽车行驶时性能较差。然而,很少有研究关注道路坡度对混合动力汽车控制性能的影响。获得当前道路坡度信息可以使用地理信息系统(Geographic Information System,GIS),但是安装相关设备存在成本过高的问题。
发明内容
针对现有技术存在的不足,本发明的目的在于,提供一种基于坡度信息的混合动力汽车瞬时反馈控制方法,解决现有技术中的控制方法有待进一步优化的技术问题。
为了解决上述技术问题,本发明采用如下技术方案予以实现:
一种基于坡度信息的混合动力汽车瞬时反馈控制方法,该方法包括以下步骤:
步骤S1,获取混合动力汽车的车速以及SOC。
步骤S2,基于步骤S1得到的车速,通过拓展卡尔曼滤波器对状态量进行估计,基于时间更新和测量更新,得到道路坡度估计值。
步骤S3,通过对步骤S2得到道路坡度估计值的判断选择更新等效因子的不同规则。
步骤S4,利用步骤S3实时反馈的等效因子,以等效燃油消耗最小和以氮氧化物、碳氢化合物和一氧化碳三种主要排放物排放最少为优化目标,采用优化算法求解目标函数得到最优控制量。
步骤S5,基于步骤S4中得到的最优控制量,相应控制混合动力汽车的行驶状态。
本发明与现有技术相比,具有如下技术效果:
(Ⅰ)本发明通过卡尔曼滤波器获得当前道路坡度信息,在基于坡度信息的反馈实时优化等效因子,结合自适应等效油耗最小策略,进而实现混合动力汽车的最优控制。
(Ⅱ)本发明中利用了卡尔曼滤波器估计当前道路坡度,避免了使用昂贵的设备,如GIS或ITS。这不仅降低了成本,有利于推广,而且在实时计算方面也更加高效。
(Ⅲ)本发明将道路坡度对等效因子的影响考虑进来,将行驶状态分上坡和下坡分别讨论等效因子的特点和规则,得到了更适用于道路坡度的等效燃油最小值方法。
(Ⅳ)本发明将等效燃油消耗最小和排放最小两个优化目标结合起来,与传统的等效燃油最小值方法不同,实现了多目标优化,减少了排放物的排放。
附图说明
图1为本发明的方法流程示意图。
图2为卡尔曼滤波器的工作流程示意图。
图3为本发明中基于SOC轨迹确定最优等效因子的方法流程示意图。
图4为本发明中基于估计确定最优等效因子的方法流程示意图。
图5为最优等效因子与道路坡度值的关系图。
以下结合实施例对本发明的具体内容作进一步详细解释说明。
具体实施方式
需要说明的是,本发明中的所有设备、模型和算法,如无特殊说明,全部均采用现有技术中已知的设备、模型和算法。
本发明给出一种基于坡度信息的混合动力汽车瞬时反馈控制方法,该方法包括传感器单元以及整车控制器;整车控制器包括坡度估计模块以及自适应等效油耗消耗最小模块。
传感器单元用于采集车速和SOC。
整车控制器根据传感器单元采集的车速,通过拓展卡尔曼滤波器进行坡度估计,输入到自适应等效油耗消耗最小模块中,根据道路坡度选择合适的规则输出等效因子,以最小能量消耗和最低排放为目标,由自适应等效油耗最小值目标函数解得相应的控制量,以控制混合动力汽车的行驶状态。
坡度估计模块基于拓展卡尔曼滤波器,用于估计道路坡度。
自适应等效油耗消耗最小模块,用于根据道路坡度调整等效因子并优化目标函数获得相应的控制量。
本发明考虑到汽车行驶过程中道路坡度对控制策略的影响,使用成本较低的拓展卡尔曼滤波器估计道路坡度,并将道路状态分为上坡和下坡,根据不同的道路状态适用不同的规则来得到最佳的等效因子;此外还考虑到汽车行驶过程可能产生的排放,将主要排放物的排放量加入到目标函数中,在消耗能量最小的前提下尽可能降低排放;本技术方案还能够与车联网技术相结合,可以实时将当前道路坡度估计值实时上传到云端,与云端用户共享当前道路信息。
以下给出本发明的具体实施例,需要说明的是本发明并不局限于以下具体实施例,凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
实施例:
本实施例给出一种基于坡度信息的混合动力汽车瞬时反馈控制方法,如图1所示,该方法包括以下步骤:
步骤S1,获取混合动力汽车的车速以及SOC。
步骤S2,基于步骤S1得到的车速,通过拓展卡尔曼滤波器对状态量进行估计,基于时间更新和测量更新,得到道路坡度估计值。
如图2所示,步骤S2的具体过程为:
步骤S201,将车速数据作为状态量输入到拓展卡尔曼滤波器,进行拓展卡尔曼滤波器状态量的初始化。
步骤S202、计算状态量的先验估计值,之后计算先验误差协方差矩阵。
根据车速和道路坡度的初始化估计值分别计算状态量的先验估计值和先验误差协方差矩阵,其数学表达式如下:
式中:
是先验估计值;
是最后一个步长的最优估计值;
是一个非线性函数;
是先验误差协方差矩阵;
Jf是状态量估计的雅克比矩阵;
T表示矩阵的转置;
Pk-1是最后一个步长的误差协方差矩阵;
Qk-1是估计器的过程噪声协方差矩阵。
步骤S203,根据先验误差协方差矩阵计算卡尔曼增益,根据状态量的先验估计值输出状态量的后验估计值,根据先验误差协方差矩阵输出后验误差协方差矩阵。
步骤S20301,根据先验误差协方差矩阵计算卡尔曼增益,数学表达式如下:
式中:
Kk是卡尔曼增益矩阵;
Rk是估计器的测量噪声协方差矩阵;
H是测量矩阵。
步骤S20302,根据状态量的先验估计值输出状态量的后验估计值,数学表达式如下:
式中:
是状态量的后验估计值;
Vk是测量噪声向量。
步骤S20303,再根据先验误差协方差矩阵输出后验误差协方差矩阵,数学表达式如下。
式中:
Pk是后验误差协方差矩阵;
I表示单位矩阵。
步骤S3,通过对步骤S2得到道路坡度估计值的判断选择更新等效因子的不同规则。
根据拓展卡尔曼滤波器输出得到的道路坡度估计值和电池SOC,判断此时道路坡度的正负,根据上坡或下坡选择不同的等效因子优化规则。
所述的等效因子优化规则为:
步骤S301,如图3所示,若当前道路坡度估计值i≥0时,使用自回归滑动平均滤波器实时调整等效因子,使SOC随着行驶距离的增加单调下降;尽可能在行程中消耗电能。
自回归滑动平均滤波器的模型具体为:
式中:
s(d+k)是基于当前行驶距离和采样距离的等效因子;
d是当前行驶距离;
k是采样距离;
Kp是减少与参考SOC轨迹偏差的比例增益;
SOCref()是SOC相对于当前行驶距离的参考值;
SOC(d)是当前电池SOC。
步骤S302,如图4所示,若当前道路坡度估计值i≤0时,此时等效因子的取值范围:
式中:
s(t)是随时间实时变化的等效因子;
是电动机效率;
是电池放电效率;
是发动机效率;
等效因子的优化规则如下:
式中:
s(d)为基于当前行驶距离的等效因子;
s0是等效因子初始值,可由等效因子初始值map图得到;
smax是等效因子的最大值;
smin是等效效因子的最小值;
imax是最大纵向上坡坡度,可取10%;
imin最大纵向下坡坡度,可取-10%;
i(d)是当前估计的道路坡度;
sm是最初参考等效因子;
根据适应规则实时计算得到最优的等效因子。
步骤S4,利用步骤S3实时反馈的等效因子,以等效燃油消耗最小和以氮氧化物(NOx)、碳氢化合物(HC)和一氧化碳(CO)三种主要排放物排放最少为优化目标,采用优化算法求解目标函数得到最优控制量。
目标函数为哈密尔顿函数,哈密尔顿函数为:
式中:
H(x(t),u(),λ(t))是哈密尔顿函数;
x(t)是状态变量;
u(t)是控制变量;
λ(t)是协态变量;
是瞬时燃料消耗率;
是NOX的排放率;
是HC的排放率;
是CO的排放率;
ω1~ω4分别是权重系数;
s(t)是等效因子;
μ(SOC,t)是惩罚函数;
K是一个合理的设计参数,确保SOC轨迹在约束范围内;
Qlhv是燃油热值;
pb(t)是电池放电功率。
步骤S5,基于步骤S4中得到的最优控制量,相应控制混合动力汽车的行驶状态。
应用例:
本应用例给出基于上述实施例的基于坡度信息的混合动力汽车瞬时反馈控制方法,对该方法进行仿真实验,本应用例中仿真所用车辆数据如表1所示。
表1仿真车辆数据
步骤S3中分别使用US06-HWY(激进驾驶工况)、HWFET(高速公路测试循环工况)、WVUINTER(洲际工况)、CHTC-HT(中国货车行驶工况)和WVUCITY(市区工况)五种工况作为测试工况。当道路坡度估计值i≥0时,使用自回归滑动平均滤波器实时调整等效因子,使SOC随着行驶距离的增加单调下降;当道路坡度估计值i≤0时,最优等效因子分布在一定范围内,根据适应规则实时计算得到最优的等效因子,得到不同工况下最优等效因子随坡度的变化情况,。
其中五种不同行驶工况的特征如表2所示。
表2行驶工况特征
工况 | 平均车速 | 最高车速 | 平均坡度范围 |
US06-HWY | 97.91 | 129.23 | -2-2 |
HWFET | 77.57 | 96.4 | -2-2 |
WVUINTER | 54.75 | 97.74 | -2-2 |
CHTC-HT | 34.63 | 88.51 | -2-2 |
WVUCITY | 13.58 | 57.65 | -2-2 |
所得最优等效因子与坡度的关系如图5所示。
对比例1:
本对比例给出一种混合动力汽车控制策略,该策略采用CD-CS(ChargeDepleting-Charge Sustaining)算法对混合动力汽车进行控制。
对实施例和对比例1对比分析:
表3和表4分别是上坡和下坡采用不同策略下的燃料消耗和排放对比。通过对比发现对于上坡路,A-ECMS(自适应等效燃油消耗最小能量管理策略)下的燃料消耗比CD-CS下的燃油消耗降低了0.40%,NOx排放降低了5.33%,CO排放也降低了10.94%。对于下坡道路,A-ECMS的燃油消耗和排放也有不同程度降低,结果表明所提出A-ECMS策略是可行的。
表3上坡燃料消耗和排放
表4下坡燃料消耗和排放
Claims (4)
1.一种基于坡度信息的混合动力汽车瞬时反馈控制方法,该方法包括以下步骤:
步骤S1,获取混合动力汽车的车速以及SOC;
其特征在于:
步骤S2,基于步骤S1得到的车速,通过拓展卡尔曼滤波器对状态量进行估计,基于时间更新和测量更新,得到道路坡度估计值;
步骤S3,通过对步骤S2得到道路坡度估计值的判断选择更新等效因子的不同规则;
根据拓展卡尔曼滤波器输出得到的道路坡度估计值和电池SOC,判断此时道路坡度的正负,根据上坡或下坡选择不同的等效因子优化规则;
所述的等效因子优化规则为:
步骤S301,若当前道路坡度估计值i≥0时,使用自回归滑动平均滤波器实时调整等效因子,使SOC随着行驶距离的增加单调下降;尽可能在行程中消耗电能;
自回归滑动平均滤波器的模型具体为:
式中:
s(d+k)是基于当前行驶距离和采样距离的等效因子;
d是当前行驶距离;
k是采样距离;
Kp是减少与参考SOC轨迹偏差的比例增益;
SOCref(d)是SOC相对于当前行驶距离的参考值;
SOC(d)是当前电池SOC;
步骤S302,若当前道路坡度估计值i≤0时,此时等效因子的取值范围:
式中:
s(t)是随时间实时变化的等效因子;
是电动机效率;
是电池放电效率;
是发动机效率;
等效因子的优化规则如下:
式中:
s(d)为基于当前行驶距离的等效因子;
s0是等效因子初始值,可由等效因子初始值map图得到;
smax是等效因子的最大值;
smin是等效效因子的最小值;
imax是最大纵向上坡坡度,可取10%;
imin最大纵向下坡坡度,可取-10%;
i(d)是当前估计的道路坡度;
sm是最初参考等效因子;
根据适应规则实时计算得到最优的等效因子;
步骤S4,利用步骤S3实时反馈的等效因子,以等效燃油消耗最小和以氮氧化物、碳氢化合物和一氧化碳三种主要排放物排放最少为优化目标,采用优化算法求解目标函数得到最优控制量;
步骤S5,基于步骤S4中得到的最优控制量,相应控制混合动力汽车的行驶状态。
2.如权利要求1所述的基于坡度信息的混合动力汽车瞬时反馈控制方法,其特征在于,步骤S2的具体过程为:
步骤S201,将车速数据作为状态量输入到拓展卡尔曼滤波器,进行拓展卡尔曼滤波器状态量的初始化;
步骤S202、计算状态量的先验估计值,之后计算先验误差协方差矩阵;
根据车速和道路坡度的初始化估计值分别计算状态量的先验估计值和先验误差协方差矩阵,数学表达式如下:
式中:
是先验估计值;
是最后一个步长的最优估计值;
是一个非线性函数;
是先验误差协方差矩阵;
Jf是状态量估计的雅克比矩阵;
T表示矩阵的转置;
Pk-1是最后一个步长的误差协方差矩阵;
Qk-1是估计器的过程噪声协方差矩阵;
步骤S203,根据先验误差协方差矩阵计算卡尔曼增益,根据状态量的先验估计值输出状态量的后验估计值,根据先验误差协方差矩阵输出后验误差协方差矩阵。
3.如权利要求2所述的基于坡度信息的混合动力汽车瞬时反馈控制方法,其特征在于,步骤S203中包括以下步骤:
步骤S20301,根据先验误差协方差矩阵计算卡尔曼增益,数学表达式如下:
式中:
Kk是卡尔曼增益矩阵;
Rk是估计器的测量噪声协方差矩阵;
H是测量矩阵;
步骤S20302,根据状态量的先验估计值输出状态量的后验估计值,数学表达式如下:
式中:
是状态量的后验估计值;
Vk是测量噪声向量;
步骤S20303,再根据先验误差协方差矩阵输出后验误差协方差矩阵,数学表达式如下;
式中:
Pk是后验误差协方差矩阵;
I表示单位矩阵。
4.如权利要求1所述的基于坡度信息的混合动力汽车瞬时反馈控制方法,其特征在于,步骤S4中,所述的目标函数为哈密尔顿函数,所述的哈密尔顿函数为:
式中:
H(x(t),u(t),λ(t))是哈密尔顿函数;
x(t)是状态变量;
u(t)是控制变量;
λ(t)是协态变量;
是瞬时燃料消耗率;
是NOX的排放率;
是HC的排放率;
是CO的排放率;
ω1~ω4分别是权重系数;
s(t)是等效因子;
μ(SOC,t)是惩罚函数;
K是一个设计参数,用于确保SOC轨迹在约束范围内;
Qlhv是燃油热值;
pb(t)是电池放电功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310225863.8A CN117246302B (zh) | 2023-03-09 | 2023-03-09 | 一种基于坡度信息的混合动力汽车瞬时反馈控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310225863.8A CN117246302B (zh) | 2023-03-09 | 2023-03-09 | 一种基于坡度信息的混合动力汽车瞬时反馈控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117246302A true CN117246302A (zh) | 2023-12-19 |
CN117246302B CN117246302B (zh) | 2024-03-12 |
Family
ID=89128246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310225863.8A Active CN117246302B (zh) | 2023-03-09 | 2023-03-09 | 一种基于坡度信息的混合动力汽车瞬时反馈控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117246302B (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050120981A (ko) * | 2004-06-21 | 2005-12-26 | 현대자동차주식회사 | 디젤 하이브리드 차량의 연비와 질소 산화물 배출량제어방법 |
WO2014001707A1 (fr) * | 2012-06-27 | 2014-01-03 | Renault S.A.S | Procede de gestion de l'energie sur un vehicule hybride |
CN104554251A (zh) * | 2014-12-09 | 2015-04-29 | 河南理工大学 | 基于道路坡度信息的混合动力汽车节能预测控制方法 |
JP2015119585A (ja) * | 2013-12-19 | 2015-06-25 | プライムアースEvエナジー株式会社 | 電池システム |
US20160082964A1 (en) * | 2014-09-23 | 2016-03-24 | Cummins Inc. | Vehicle controls including dynamic vehicle mass and road grade estimation during vehicle operation |
CN106560361A (zh) * | 2015-10-06 | 2017-04-12 | 现代自动车株式会社 | 控制混合动力电动车辆的方法和装置 |
DE102016208238A1 (de) * | 2016-05-12 | 2017-11-16 | Volkswagen Aktiengesellschaft | Steuerungsverfahren für einen Hybridantrieb, Steuergerät und Hybridantrieb |
CN110095635A (zh) * | 2019-05-08 | 2019-08-06 | 吉林大学 | 一种全轮驱动车辆的纵向车速估计方法 |
CN110356397A (zh) * | 2019-07-09 | 2019-10-22 | 东南大学 | 基于道路坡度的能量归一最小化的混合动力汽车优化方法 |
CN111563616A (zh) * | 2020-04-17 | 2020-08-21 | 许继集团有限公司 | 一种综合能源系统优化方法 |
CN111824117A (zh) * | 2020-07-22 | 2020-10-27 | 上海交通大学 | 基于工况预测的混合动力汽车能效优化控制方法及系统 |
CN111959490A (zh) * | 2020-08-25 | 2020-11-20 | 吉林大学 | 插电式混合动力汽车模型参考自适应最优能量管理方法 |
CN113554337A (zh) * | 2021-08-03 | 2021-10-26 | 青岛理工大学 | 融合交通信息的插电式混动汽车能量管理策略构建方法 |
CN113806861A (zh) * | 2021-09-01 | 2021-12-17 | 长安大学 | 一种两步结构的车辆质量和道路坡度的估算方法 |
CN114222852A (zh) * | 2021-02-02 | 2022-03-22 | 浙江吉利控股集团有限公司 | 一种发动机控制方法、装置、系统及车辆 |
JP2022080482A (ja) * | 2020-11-18 | 2022-05-30 | 日産自動車株式会社 | ハイブリッド車両の制御方法及びハイブリッド車両の制御装置 |
KR20220073615A (ko) * | 2020-11-26 | 2022-06-03 | 한양대학교 산학협력단 | 하이브리드 차량 제어 방법 및 하이브리드 차량 제어를 위한 soc 궤적 생성 방법 |
CN114771293A (zh) * | 2022-04-06 | 2022-07-22 | 燕山大学 | 一种基于等效消耗最小策略的燃料电池汽车能量管理方法 |
CN115257695A (zh) * | 2022-07-28 | 2022-11-01 | 同济大学 | 一种混合动力汽车能量管理控制系统及其方法 |
-
2023
- 2023-03-09 CN CN202310225863.8A patent/CN117246302B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050120981A (ko) * | 2004-06-21 | 2005-12-26 | 현대자동차주식회사 | 디젤 하이브리드 차량의 연비와 질소 산화물 배출량제어방법 |
WO2014001707A1 (fr) * | 2012-06-27 | 2014-01-03 | Renault S.A.S | Procede de gestion de l'energie sur un vehicule hybride |
JP2015119585A (ja) * | 2013-12-19 | 2015-06-25 | プライムアースEvエナジー株式会社 | 電池システム |
US20160082964A1 (en) * | 2014-09-23 | 2016-03-24 | Cummins Inc. | Vehicle controls including dynamic vehicle mass and road grade estimation during vehicle operation |
CN104554251A (zh) * | 2014-12-09 | 2015-04-29 | 河南理工大学 | 基于道路坡度信息的混合动力汽车节能预测控制方法 |
CN106560361A (zh) * | 2015-10-06 | 2017-04-12 | 现代自动车株式会社 | 控制混合动力电动车辆的方法和装置 |
DE102016208238A1 (de) * | 2016-05-12 | 2017-11-16 | Volkswagen Aktiengesellschaft | Steuerungsverfahren für einen Hybridantrieb, Steuergerät und Hybridantrieb |
CN110095635A (zh) * | 2019-05-08 | 2019-08-06 | 吉林大学 | 一种全轮驱动车辆的纵向车速估计方法 |
CN110356397A (zh) * | 2019-07-09 | 2019-10-22 | 东南大学 | 基于道路坡度的能量归一最小化的混合动力汽车优化方法 |
CN111563616A (zh) * | 2020-04-17 | 2020-08-21 | 许继集团有限公司 | 一种综合能源系统优化方法 |
CN111824117A (zh) * | 2020-07-22 | 2020-10-27 | 上海交通大学 | 基于工况预测的混合动力汽车能效优化控制方法及系统 |
CN111959490A (zh) * | 2020-08-25 | 2020-11-20 | 吉林大学 | 插电式混合动力汽车模型参考自适应最优能量管理方法 |
JP2022080482A (ja) * | 2020-11-18 | 2022-05-30 | 日産自動車株式会社 | ハイブリッド車両の制御方法及びハイブリッド車両の制御装置 |
KR20220073615A (ko) * | 2020-11-26 | 2022-06-03 | 한양대학교 산학협력단 | 하이브리드 차량 제어 방법 및 하이브리드 차량 제어를 위한 soc 궤적 생성 방법 |
CN114222852A (zh) * | 2021-02-02 | 2022-03-22 | 浙江吉利控股集团有限公司 | 一种发动机控制方法、装置、系统及车辆 |
CN113554337A (zh) * | 2021-08-03 | 2021-10-26 | 青岛理工大学 | 融合交通信息的插电式混动汽车能量管理策略构建方法 |
CN113806861A (zh) * | 2021-09-01 | 2021-12-17 | 长安大学 | 一种两步结构的车辆质量和道路坡度的估算方法 |
CN114771293A (zh) * | 2022-04-06 | 2022-07-22 | 燕山大学 | 一种基于等效消耗最小策略的燃料电池汽车能量管理方法 |
CN115257695A (zh) * | 2022-07-28 | 2022-11-01 | 同济大学 | 一种混合动力汽车能量管理控制系统及其方法 |
Non-Patent Citations (5)
Title |
---|
严鉴铂;史培龙;余强;刘峰云;: "基于GGAP-RBF的重型载货汽车持续制动匹配分级控制策略", 中国公路学报, no. 11, 15 November 2017 (2017-11-15) * |
熊演峰;余强;闫晟煜;王恒凯;: "基于GIS/GPS的混合动力牵引车控制策略研究", 汽车技术, no. 11, 8 November 2018 (2018-11-08) * |
王姝;赵轩;余强: "基于自适应奇异值分解无迹卡尔曼滤波算法的车辆质心侧偏角估计", 公路交通科技, vol. 37, no. 12, 15 December 2020 (2020-12-15), pages 132 - 141 * |
高建平;丁伟;孙中博;郗建国;: "基于道路工况优化的混合动力公交车控制策略", 浙江大学学报(工学版), no. 11, 15 November 2017 (2017-11-15) * |
龚贤武;唐自强;赵轩;许世维;贺伊琳;: "轮边电机驱动型电动汽车动力系统参数优化设计", 合肥工业大学学报(自然科学版), no. 01, 28 January 2017 (2017-01-28) * |
Also Published As
Publication number | Publication date |
---|---|
CN117246302B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xie et al. | Microsimulation of electric vehicle energy consumption and driving range | |
CN110562239B (zh) | 基于需求功率预测的变域最优能量管理控制方法及装置 | |
CN108528436B (zh) | 一种内外层嵌套的ecms多目标双层优化方法 | |
CN102729987B (zh) | 一种混合动力公交车能量管理方法 | |
Zhao et al. | Real-time energy management for diesel heavy duty hybrid electric vehicles | |
CN109733378B (zh) | 一种线下优化线上预测的转矩分配方法 | |
Fan et al. | Design of an integrated energy management strategy for a plug-in hybrid electric bus | |
CN103121446A (zh) | 用于车辆的混合驱动系统的瞬态控制方法 | |
CN109720213B (zh) | 一种车辆转矩控制方法及装置 | |
Lin et al. | Real-time optimization strategy by using sequence quadratic programming with multivariate nonlinear regression for a fuel cell electric vehicle | |
Girade et al. | Comparative analysis of state of charge based adaptive supervisory control strategies of plug-in Hybrid Electric Vehicles | |
CN111301397B (zh) | 一种插电混合动力汽车变时域模型预测能量管理方法 | |
CN112319462B (zh) | 一种插电式混合动力汽车能量管理方法 | |
CN114148325B (zh) | 重型混合动力商用车预见性能量管理方法 | |
CN105151040A (zh) | 基于功率谱自学习预测的混合动力汽车能量管理方法 | |
CN111456860A (zh) | 混联式混合动力汽车发动机最佳运行线在线学习方法 | |
Vignesh et al. | Intelligent energy management through neuro-fuzzy based adaptive ECMS approach for an optimal battery utilization in plugin parallel hybrid electric vehicle | |
CN110356396B (zh) | 一种考虑道路坡度的电动汽车速度瞬时优化的方法 | |
Thibault et al. | Reduction of pollutant emissions of diesel mild hybrid vehicles with an innovative energy management strategy | |
CN113276829B (zh) | 一种基于工况预测的车辆行驶节能优化变权重方法 | |
Schmid et al. | Efficient optimal control of plug-in-hybrid electric vehicles including explicit engine on/off decisions | |
Li et al. | Predictive multi-objective operation strategy considering battery cycle aging for hybrid electric vehicles | |
Chai et al. | Adaptive equivalent consumption minimization strategy based on road grade estimation for a plug-in hybrid electric truck | |
Zhang et al. | A Novel Model Predictive Control Based Co-Optimization Strategy for Velocity Planning and Energy Management of Intelligent PHEVs | |
CN117246302B (zh) | 一种基于坡度信息的混合动力汽车瞬时反馈控制方法 |
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 |