CN105083276B - 基于分散控制的混合动力汽车节能预测控制方法 - Google Patents

基于分散控制的混合动力汽车节能预测控制方法 Download PDF

Info

Publication number
CN105083276B
CN105083276B CN201510410042.7A CN201510410042A CN105083276B CN 105083276 B CN105083276 B CN 105083276B CN 201510410042 A CN201510410042 A CN 201510410042A CN 105083276 B CN105083276 B CN 105083276B
Authority
CN
China
Prior art keywords
msub
mrow
mtd
mtr
vehicle
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.)
Expired - Fee Related
Application number
CN201510410042.7A
Other languages
English (en)
Other versions
CN105083276A (zh
Inventor
余开江
许孝卓
谭兴国
刘巍
荆鹏辉
谢贝贝
胡治国
王莉
王允建
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.)
Henan University of Technology
Original Assignee
Henan University of Technology
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 Henan University of Technology filed Critical Henan University of Technology
Priority to CN201510410042.7A priority Critical patent/CN105083276B/zh
Publication of CN105083276A publication Critical patent/CN105083276A/zh
Application granted granted Critical
Publication of CN105083276B publication Critical patent/CN105083276B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • B60W10/24—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
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/24—Energy storage means
    • B60W2510/242—Energy storage means for electrical energy
    • B60W2510/244—Charge state
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/15—Road slope, i.e. the inclination of a road segment in the longitudinal direction
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/804—Relative longitudinal 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way
    • 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
    • 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
    • B60W40/04—Traffic conditions
    • 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)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Nitrogen And Oxygen Or Sulfur-Condensed Heterocyclic Ring Systems (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种基于分散控制的混合动力汽车节能预测控制方法，包括以下步骤：从全球定位***、车间通信***、车路通信***和智能交通***获取实时自车、前车和后车交通信息作为***输入；建立混合动力汽车队列行驶分散控制数学模型作为预测未来车辆状态的依据；定义混合动力汽车分散控制队列行驶最优控制问题，提供求解最优控制量的函数方程；实时反馈最优控制，求解最优控制量，运用行星齿轮机构为电子无极变速器，发动机工作于最佳工作点，运用道路交通信息，预测前车和后车行驶状态，在线调整混合动力汽车能量流动，达到节能减排的目标，大大减少了计算时间，提高了车辆的实时控制特性。

Description

基于分散控制的混合动力汽车节能预测控制方法
技术领域
本发明涉及一种基于分散控制的混合动力汽车节能预测控制方法,特别涉及一种实时最优的混合动力汽车控制方法。
背景技术
全球能源与环境形势的日益严峻，特别是汽车保有量的迅速增长，推动新能源汽车和智能交通***的发展。为解决交通拥堵，环境恶化和交通事故三大问题，本发明提出了基于队列行驶的混合动力汽车节能预测控制方法。车辆队列行驶技术指多个车辆以较小的车间距离以一个队列行驶的技术。这种技术可以极大改善车辆周围的气动特性，减少其空气阻力，增强交通安全性，并可有效提高车辆的燃油经济性。另一方面，与传统汽车相比，混合动力汽车具有电池和燃油双***驱动的冗余性，运用这种冗余性可以调节驱动装置工作点到最优位置，从而实现节能减排目标。预计未来汽车的主流将是这种混合动力汽车。由于混合动力汽车可以回收伴随车辆减速产生的再生制动能量；利用驱动***的冗余性(发动机和电机)优化驱动装置工作点，因此可以极大地发挥节能减排效用。但是最优工作点随发动机的特性，周围车辆的行驶状态，道路交通条件的改变而时刻改变着。而且，旋转系(发动机和电机)具有转速转矩极限，电池具有荷电状态极限，超出这些极限对于车辆关键零部件的性能影响很大。因此，混合动力汽车的节能减排效果很大程度上依赖于其能量管理策略(满足约束条件)。而其关键技术为能量管理中央控制器中的实时最优化，以期实现控制策略的商业化，产业化。
混合动力汽车能量管理***的控制策略是其研发的技术核心和设计难点。目前已经提出的控制策略大致可以分为4类：数值最优控制，解析最优控制，瞬时最优控制和启发式控制。数值最优控制的典型代表是动态规划和模型预测控制。解析最优控制的典型代表是庞特里亚金极小值原理控制策略。瞬时最优控制的典型代表是瞬时等效油耗最低控制策略。启发式控制策略的典型代表是基于规则的控制策略。传统的全局最优控制算法动态规划和庞特里亚金极小值原理控制方法，由于需要事先知道未来全部工况信息，无法实现实时最优。传统的基于规则的控制策略无法实现效率最大化。一般的前馈型控制(假定车辆速度模式一定)无法实现实时最优。传统的瞬时最优控制参数受未来车辆工况变化影响太大，无法满足控制性能。同时，混合动力汽车的队列行驶同样能够大幅度提高车辆的燃油经济性。传统的混合动力汽车队列行驶采用集中控制方法，中央控制器控制所有车辆。这种控制方法存在操作难点大，计算量大等缺点。而本发明提出的分散控制策略由于只控制自车，运用车间通信技术、车路通信技术、全球定位***和智能交通***测取前车和后车位置、速度和加速度等信息，大大减小了操作难度和计算量，提高了实时控制性能。
自20世纪90年代初以来，世界各国对混合动力汽车和智能交通***的研发给予了高度重视，并取得了一些重大的成果和进展。1997年，在由美国交通部主办的智能交通***展示会上，展示了由8辆车组成的队列行驶技术。日本丰田汽车公司于1997年实现了混合动力汽车的量产化，2012年实现了插电式混合动力汽车的量产化。美国总统奥巴马2009年宣布了下一代先进蓄电池和插电式混合动力汽车计划。在国内，国家“十一五”863计划设立了节能与新能源汽车重大项目。申请者在日本九州大学攻读博士学位期间，掌握了日本企业和大学普遍采用的模型预测控制算法以及日本学者大塚敏之提出的C/GMRES快速解法。这两种方法的结合解决了模型预测控制这种先进算法的实际应用问题。
在此背景下，提高能源利用效率，减少汽车对环境的污染和增强交通安全已成为当今汽车工业发展的首要任务。同时，利用道路交通信息，进一步提高驱动装置效率也成为当今社会发展的现实需要。为了解决上述问题，需要设计出一种基于分散控制的可产业化的混合动力汽车模型预测控制方法，从而实现节能减排目标。
发明内容
针对上述问题，本发明的目的是提供一种能够对未来车辆工况进行实时预测的基于分散控制的混合动力汽车模型预测方法，以达到最大限度地节能减排，产业化混合动力汽车能量管理中央控制器。
为实现上述目的，本发明采取以下技术方案：
一种基于分散控制的混合动力汽车节能预测控制方法，其特征在于：包括以下步骤：
步骤1)信息采集：由全球定位***采集前车、后车和自车的位置信息，作为实时车辆状态反馈，由车载雷达测速装置采集前方车辆速度，后方车辆速度，用于跟踪控制，由智能交通***、车路通信***和车间通信***采集交通信号信息，实时路况信息以及自车、后车和前车速度，加速度信息，用于智能交通控制，由卡尔曼滤波器利用采集的蓄电池信息对蓄电池荷电状态进行测定；
步骤2)车辆建模：行星齿轮式混联混合动力汽车包含5大动态部件，它们是发动机、蓄电池、2个发电电动一体机和车轮，行星齿轮作为动力分配装置既有速度耦合器的作用，又有电子无极变速器作用，根据车辆机械耦合和电子耦合关系，列写***动力学方程，对动力学方程解耦，获得***的状态空间模型，如式(1)所示：
x＝[pp vp p2 v2 SOC2 pf vf]
u＝[u2 Pbatt2]
式中，x为状态量，u为控制量，参数pp、vp、pf和vf为前车位置、前车速度、后车位置和后车速度，参数p2、v2和SOC2为自车的位置、速度和蓄电池荷电状态，参数u2和Pbatt2为自车的驱动加速度和自车蓄电池的充放电功率，参数ρ、CD2、A2、m2、g、μ和θ2是空气密度、自车空气阻力系数、自车迎风面积、自车质量、重力加速度、滚动阻力系数和自车道路坡度，VOC、Rbatt和Qbatt是蓄电池开路电压、内阻和容量，预测区间内由于车辆的惯性、假设前方车辆加速度一定，如果前行车速度大于最大值或者小于一定值，则前行车加速度为0，如果前方遭遇交通信号灯红灯，则假定一辆速度为0的前行车停在交通信号灯位置处，车辆的启动和停止速度模式采用实验曲线，运用实际驾驶员的特性测取；
车辆的燃油经济性评价采用威兰氏线性模型,如式(2)所示：
式中mf为燃油消耗率，参数Preq为车辆需求功率，cf为常数参数；
步骤3)公式化控制策略：基于分散控制的混合动力汽车能量管理模型预测最优控制策略的步骤为：首先检测自车、后车和前车状态，包括位置、速度和加速度信息，其次运用所建立的数学模型和公式化控制策略求解最优控制问题，最后应用所求得的最优控制序列的第一个控制量于***，由于模型预测控制为区间最优控制，其求得的最优控制量是数量为预测区间除以采样间隔的序列，最优控制序列的第一个控制量与实际状态最接近，所以采用它来作为实际的控制量；
最优控制问题定义如式(3)所示：
subject to Pbatt2min≤Pbatt2(τ|t)≤Pbatt2max (3)
u2min≤u2(τ|t)≤u2max
式中T为预测区间，参数Pbatt2min、Pbatt2max、u2max和u2min为控制量约束；
评价函数定义如式(4)所示：
L＝wxLx+wyLy+wzLz+wdLd+weLe+wfLf+wrLr+wsLs
Ly＝(v2-vd)2/2
Ld＝(SOC2-SOCd)2 (4)
Le＝(m2*w2*v2/1000-Pbatt2)2/2
Lf＝(-ln[SOC2-0.6]-ln[0.8-SOC2])
Lr＝-ln(df-dd)-ln(dp-dd)
Ls＝(ap)2/2+(af)2/2
式中SOCd是目标蓄电池荷电状态，vd是车辆目标速度，它取值为车辆最优等速燃油经济性速度，wx、wy、wz、wd、we、wf、wr和ws是权重系数，dd为最低车辆间距，评价函数设置使其在最低车辆间距以上浮动，从而增加控制自由度，提高车辆燃油经济性，障碍函数用于处理***状态约束，df为后车和自车间距，dp为前车和自车间距；
步骤4)在线最优控制：为保证***的实时最优性能，运用基于哈密顿方程的数值快速求解方法来求解上述最优控制问题，运用极小值原理将最优控制问题转化为两点边值问题，在处理哈密顿函数相关的微分方程组和代数方程组时采用部分空间法求解，这是一种GMRES解法；
在每个采样时刻，首先测取前车位置、自车位置、后车位置、前车速度、自车速度、后车速度、前车加速度、自车加速度、后车加速度和自车蓄电池荷电状态实时状态信号，其次利用全球定位***、车间通信***、车路通信***和智能交通***预测未来一定区间车辆及周围环境的状态，包括前车加速度、后车加速度、前车与自车间距、后车与自车间距，再次根据建立的车辆模型和最优控制问题，利用上述数值快速解法求解预测区间内的最优控制序列，应用预测区间内的最优控制序列的第一个控制量于车辆，之后在下一个采样时刻，将预测区间向前推进一步，如此循环往复，实现在线最优控制。
本发明由于采取以上技术方案，其具有以下优点：
1)本控制策略能够综合利用前车、自车和后车信息，以及交通信号灯信息，对混合动力汽车速度模式和充放电模式进行同时进行最优化，不同于传统方法中只优化充放电模式的情况。
2)控制策略考虑交通信号灯信息，在需要停车以及再启动的情况下，运用实际测得的停车和启动车辆的速度模式，使所提出的控制策略更加接近实际情况，不同于传统方法中只考虑车辆巡航时的控制。
3)提出了基于队列行驶的混合动力汽车分散控制模型，为混合动力汽车队列行驶的模型化提供了通用方法指导。
运用本方法能够大幅度提高混合动力汽车燃油经济性，排放性能和安全性能。
附图说明
图1是本发明行星齿轮式混联混合动力汽车驱动***结构示意图。
图2是基于分散控制的混合动力汽车节能预测控制方法流程图。
图3是基于分散控制的混合动力汽车节能预测控制器结构图。
图1中：1、发动机；2、动力分配器；3、发电机；4、蓄电池；5、逆变器；6电动机；7、主减速器。
具体实施方式
以下结合技术方案和附图详细叙述本发明的具体实施方式。
本发明公开了一种基于分散控制的混合动力汽车节能预测控制方法，包括以下步骤：从全球定位***、车间通信***、车路通信***和智能交通***获取实时自车、前车和后车交通信息作为***输入；建立混合动力汽车队列行驶分散控制数学模型作为预测未来车辆状态的依据；定义混合动力汽车分散控制队列行驶最优控制问题，提供求解最优控制量的函数方程；实时反馈最优控制，求解最优控制量。本发明在满足车辆之间安全间距的情况下，采用一种基于分散控制的混合动力汽车节能预测控制方法，根据全球定位***，雷达，智能交通***，车路通信***和车间通信***获得的信息在线调整优化混合动力汽车能量流动，进而可以获得混合动力汽车***最优性能。该方法运用行星齿轮机构作为电子无极变速器，使发动机始终工作于其最佳工作点。同时，运用道路交通信息，预测前车和后车行驶状态，在线调整混合动力汽车能量流动，达到节能减排的目标。另外，本发明不同于传统的集中控制方法,大大减少了计算时间，提高了车辆的实时控制特性，为混合动力汽车能量管理***中央控制器性能提高提供了一种新途径。
图1为本发明控制方法的研究对象的结构图。在车辆建模过程中使用本结构图分析***机械和电气耦合关系。结构图中包含混合动力汽车包含5大动态部件。它们是发动机，蓄电池，2个发电电动一体机和车轮。电动机通过主减速器与车轮相连，传递***动力。行星齿轮作为动力分配装置既有速度耦合器的作用，又有电子无极变速器作用。行星齿轮机械耦合发动机和2个发电电动一体机。逆变器电气耦合蓄电池和2个发电电动一体机。通过对***机械耦合和电气耦合解耦获得独立的3自由度***模型。本发明控制方法为***软件，图1所示为***硬件。
图2揭示了整个控制方法的过程。采集的信息作为***模型的输入。由车载雷达测速装置采集前方车辆速度和后方车辆速度，用于跟踪控制。由智能交通***、车间通信***、车路通信***采集交通信号信息以及实时路况信息，用于智能交通控制。由卡尔曼滤波器利用采集的蓄电池信息对蓄电池荷电状态进行估计。车辆建模为公式化模型预测控制策略提供预测未来车辆状态所需要的模型。公式化控制策略为在线最优控制提供需要求解的函数方程。
图3为本发明具体控制结构图。由全球定位***、车载雷达装置、智能交通***、车间通信***、车路通信***采集自车位置，前车位置，后车位置，自车速度，前车速度，后车速度，自车加速度，前车加速度和后车加速度。由全球定位***通过车辆位置查询得到车辆所在位置的道路坡度。根据道路坡度产生目标蓄电池荷电状态。测取的车辆状态，道路坡度信息，前方和后方车辆位置和速度以及交通信息，目标蓄电池荷电状态，目标车辆速度输入模型预测控制器，模型预测控制器根据车辆***模型，求解最优控制问题，得到最优控制量，并作用于车辆。
实施例：以行星齿轮式混联混合动力驱动***为例进行说明，如图1所示，本发明公开了一种基于分散控制的混合动力汽车节能预测控制方法，第一步为信息采集，第二步为车辆建模，第三步为公式化控制策略，第四步为在线最优控制。该方法的原理如图2所示，具体控制方法包括以下步骤：
步骤1)信息采集：
由全球定位***采集前车、后车和自车的位置信息，作为实时车辆状态反馈，由车载雷达测速装置采集前方车辆速度，后方车辆速度，用于跟踪控制，由智能交通***、车路通信***和车间通信***采集交通信号信息、实时路况信息以及自车、后车和前车速度、加速度信息，用于智能交通控制；由卡尔曼滤波器利用采集的蓄电池4信息对蓄电池4荷电状态进行估计。
步骤2)车辆建模：行星齿轮式混联混合动力汽车包含5大动态部件，它们是发动机1，蓄电池4，发电机3，电动机6和车轮。动力分配器2作为动力分配装置既有速度耦合器的作用，又有电子无极变速器作用。根据车辆机械耦合和电子耦合关系，可以列写***动力学方程。对动力学方程解耦，最终可以获得***的状态空间模型，如式(1)所示：
x＝[pp vp p2 v2 SOC2 pf vf]
u＝[u2 Pbatt2]
式中，x为状态量，u为控制量。参数pp，vp，pf和vf为前车位置，前车速度，后车位置和后车速度。参数p2，v2和SOC2为自车的位置，速度和蓄电池4荷电状态。参数u2和Pbatt2为自车的驱动加速度和自车蓄电池4的充放电功率。参数ρ，CD2，A2，m2，g，μ和θ2是空气密度，自车空气阻力系数，自车迎风面积，自车质量，重力加速度，滚动阻力系数和自车道路坡度。VOC，Rbatt和Qbatt是蓄电池4开路电压，内阻和容量。预测区间内由于车辆的惯性，假设前方车辆加速度一定。如果前行车速度大于最大值或者小于一定值，则前行车加速度为0。如果前方遭遇交通信号灯红灯，则假定一辆速度为0的前行车停在交通信号灯位置处。车辆的启动和停止速度模式采用实验曲线，运用实际驾驶员的特性测取。
车辆的燃油经济性评价采用威兰氏线性模型,如式(2)所示：
式中mf为燃油消耗率。参数Preq为车辆需求功率。cf为常数参数。
步骤3)公式化控制策略：
基于分散控制的混合动力汽车能量管理模型预测最优控制策略的步骤为：首先检测自车、后车和前车状态，包括位置，速度和加速度信息，其次运用所建立的数学模型和公式化控制策略求解最优控制问题，最后应用所求得的最优控制序列的第一个控制量于***。由于模型预测控制为区间最优控制，所以其求得的最优控制量是数量为预测区间除以采样间隔的序列。最优控制序列的第一个控制量与实际状态最接近，所以一般采用它来作为实际的控制量。
模型预测控制的基本原理为：在每一个采样时刻，根据预测模型对***未来代价函数进行预测，通过对未来预测区间内的性能指标进行优化，并根据实测对象的输出进行反馈校正，将控制策略设计转化为优化过程，通过求解相应预测区间的优化问题得到控制序列，并将序列的第一个控制量作用于***，实现反馈控制，之后在下一个采样时刻，将预测区间向前推进一步，不断重复该过程。总结来说其包括三部分：预测模型，滚动优化和反馈控制。通过对未来***输入的预测可以实现对***的实时最优控制。
本控制策略的特色有两点。第一，本控制策略能够综合利用前车、自车和后车信息，以及交通信号灯信息，对混合动力汽车速度模式和充放电模式进行最优化。第二，控制策略考虑交通信号灯信息，在需要停车以及再启动的情况下，运用实际测得的停车和启动车辆的速度模式，使所提出的控制策略更加接近实际情况。上述两大特色在控制策略设计中评价函数里有相应体现，为混合动力汽车***性能提高提供了更大可能性。
预测模型在已在上部分论述。
最优控制问题定义如式(3)所示：
subject to Pbatt2min≤Pbatt2(τ|t)≤Pbatt2max (3)
u2min≤u2(τ|t)≤u2max
式中T为预测区间。参数Pbatt2min，Pbatt2max，u2max和u2min为控制量约束。
评价函数定义如式(4)所示：
L＝wxLx+wyLy+wzLz+wdLd+weLe+wfLf+wrLr+wsLs
Ly＝(v2-vd)2/2
Ld＝(SOC2-SOCd)2 (4)
Le＝(m2*w2*v2/1000-Pbatt2)2/2
Lf＝(-ln[SOC2-0.6]-ln[0.8-SOC2])
Lr＝-ln(df-dd)-ln(dp-dd)
Ls＝(ap)2/2+(af)2/2
式中SOCd是目标蓄电池4荷电状态。vd是车辆目标速度，它取值为车辆最优等速燃油经济性速度。wx，wy，wz，wd，we，wf，wr和ws是权重系数。dd为最低车辆间距，评价函数设置使其在最低车辆间距以上浮动，从而增加控制自由度，提高车辆燃油经济性。障碍函数用于处理***状态约束等。df为后车和自车间距，dp为前车和自车间距。
步骤4)在线最优控制：
为保证***的实时最优性能，运用基于哈密顿方程的数值快速求解方法来求解上述最优控制问题。由于其只需有限几次迭代就可以计算出数值方程的最优解，这种方法的在线性能很好。而且由于其基于哈密顿方程，这种解法的稳定性可以得到保证。解法具体来说，运用极小值原理将最优控制问题转化为两点边值问题，在处理哈密顿函数相关的微分方程组和代数方程组时采用部分空间法求解，这是一种GMRES解法。
在每个采样时刻，首先，测取前车位置，自车位置，后车位置，前车速度，自车速度，后车速度，前车加速度，自车加速度，后车加速度和自车蓄电池荷电状态等实时状态信号，其次，利用全球定位***、车间通信***、车路通信***和智能交通***预测未来一定区间车辆及周围环境的状态，包括前车加速度，后车加速度，前车与自车间距，后车与自车间距等。再次，根据建立的车辆模型和最优控制问题，利用上述数值快速解法求解预测区间内的最优控制序列。应用预测区间内的最优控制序列的第一个控制量于车辆。之后在下一个采样时刻，将预测区间向前推进一步，如此循环往复，实现在线最优控制。
本发明同样适用于其他形式混合动力汽车驱动***，具体建模方法与控制过程与行星齿轮式混联混合动力汽车驱动***一致，在此不再赘述。

Claims (1)

1.一种基于分散控制的混合动力汽车节能预测控制方法，其特征在于：包括以下步骤：
步骤1)信息采集：由全球定位***采集前车、后车和自车的位置信息，作为实时车辆状态反馈，由车载雷达测速装置采集前方车辆速度，后方车辆速度，用于跟踪控制，由智能交通***、车路通信***和车间通信***采集交通信号信息，实时路况信息以及自车、后车和前车速度、加速度信息，用于智能交通控制，由卡尔曼滤波器利用采集的蓄电池信息对蓄电池荷电状态进行测定；
步骤2)车辆建模：行星齿轮式混联混合动力汽车包含5大动态部件，它们是发动机、蓄电池、2个发电电动一体机和车轮，行星齿轮作为动力分配装置既有速度耦合器的作用，又有电子无极变速器作用，根据车辆机械耦合和电子耦合关系，列写***动力学方程，对动力学方程解耦，获得***的状态空间模型，如式(1)所示：
<mrow> <mfenced open = "{" close = "}"> <mtable> <mtr> <mtd> <mrow> <mi>x</mi> <mo>=</mo> <mo>&amp;lsqb;</mo> <mtable> <mtr> <mtd> <msub> <mi>p</mi> <mi>p</mi> </msub> </mtd> <mtd> <msub> <mi>v</mi> <mi>p</mi> </msub> </mtd> <mtd> <msub> <mi>p</mi> <mn>2</mn> </msub> </mtd> <mtd> <msub> <mi>v</mi> <mn>2</mn> </msub> </mtd> <mtd> <mrow> <msub> <mi>SOC</mi> <mn>2</mn> </msub> </mrow> </mtd> <mtd> <msub> <mi>p</mi> <mi>f</mi> </msub> </mtd> <mtd> <msub> <mi>v</mi> <mi>f</mi> </msub> </mtd> </mtr> </mtable> <mo>&amp;rsqb;</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>u</mi> <mo>=</mo> <mo>&amp;lsqb;</mo> <mtable> <mtr> <mtd> <msub> <mi>u</mi> <mn>2</mn> </msub> </mtd> <mtd> <msub> <mi>P</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>t</mi> <mi>t</mi> <mn>2</mn> </mrow> </msub> </mtd> </mtr> </mtable> <mo>&amp;rsqb;</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mover> <mi>x</mi> <mo>&amp;CenterDot;</mo> </mover> <mo>=</mo> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>u</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>f</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>u</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <msub> <mi>v</mi> <mi>p</mi> </msub> </mtd> </mtr> <mtr> <mtd> <msub> <mi>a</mi> <mi>p</mi> </msub> </mtd> </mtr> <mtr> <mtd> <msub> <mi>v</mi> <mn>2</mn> </msub> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>u</mi> <mn>2</mn> </msub> <mo>-</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <msub> <mi>&amp;rho;C</mi> <mrow> <mi>D</mi> <mn>2</mn> </mrow> </msub> <msub> <mi>A</mi> <mn>2</mn> </msub> <msup> <msub> <mi>v</mi> <mn>2</mn> </msub> <mn>2</mn> </msup> <mo>/</mo> <msub> <mi>m</mi> <mn>2</mn> </msub> <mo>-</mo> <mn>9.8</mn> <mi>&amp;mu;</mi> <mo>-</mo> <mn>9.8</mn> <msub> <mi>sin&amp;theta;</mi> <mn>2</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <mfrac> <mrow> <msub> <mi>V</mi> <mrow> <mi>max</mi> <mn>2</mn> </mrow> </msub> <mo>-</mo> <msqrt> <mrow> <msubsup> <mi>V</mi> <mrow> <mi>max</mi> <mn>2</mn> </mrow> <mn>2</mn> </msubsup> <mo>-</mo> <mn>4</mn> <msub> <mi>P</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>t</mi> <mi>t</mi> <mn>2</mn> </mrow> </msub> <msub> <mi>R</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>t</mi> <mi>t</mi> <mn>2</mn> </mrow> </msub> </mrow> </msqrt> </mrow> <mrow> <mn>2</mn> <msub> <mi>R</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>t</mi> <mi>t</mi> <mn>2</mn> </mrow> </msub> <msub> <mi>Q</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>t</mi> <mi>t</mi> <mn>2</mn> </mrow> </msub> </mrow> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <msub> <mi>v</mi> <mi>f</mi> </msub> </mtd> </mtr> <mtr> <mtd> <msub> <mi>a</mi> <mi>f</mi> </msub> </mtd> </mtr> </mtable> </mfenced> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>a</mi> <mi>p</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;tau;</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <msub> <mi>a</mi> <mi>p</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>&amp;beta;</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <msub> <mi>v</mi> <mi>p</mi> </msub> <mo>(</mo> <mi>&amp;tau;</mi> <mo>)</mo> <mo>-</mo> <msub> <mi>v</mi> <mi>min</mi> </msub> <mo>)</mo> </mrow> </mrow> </msup> <mo>)</mo> <mo>+</mo> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msup> <mi>e</mi> <mrow> <msub> <mi>&amp;beta;</mi> <mn>2</mn> </msub> <mrow> <mo>(</mo> <msub> <mi>v</mi> <mi>p</mi> </msub> <mo>(</mo> <mi>&amp;tau;</mi> <mo>)</mo> <mo>-</mo> <msub> <mi>v</mi> <mi>max</mi> </msub> <mo>)</mo> </mrow> </mrow> </msup> <mo>)</mo> </mrow> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>a</mi> <mi>f</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;tau;</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <msub> <mi>a</mi> <mi>f</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <msub> <mi>&amp;beta;</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <msub> <mi>v</mi> <mi>f</mi> </msub> <mo>(</mo> <mi>&amp;tau;</mi> <mo>)</mo> <mo>-</mo> <msub> <mi>v</mi> <mi>min</mi> </msub> <mo>)</mo> </mrow> </mrow> </msup> <mo>)</mo> <mo>+</mo> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msup> <mi>e</mi> <mrow> <msub> <mi>&amp;beta;</mi> <mn>2</mn> </msub> <mrow> <mo>(</mo> <msub> <mi>v</mi> <mi>f</mi> </msub> <mo>(</mo> <mi>&amp;tau;</mi> <mo>)</mo> <mo>-</mo> <msub> <mi>v</mi> <mi>max</mi> </msub> <mo>)</mo> </mrow> </mrow> </msup> <mo>)</mo> </mrow> </mfrac> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
式中，x为状态量，u为控制量，参数pp、vp、pf和Vf为前车位置、前车速度、后车位置和后车速度，参数p2、v2和SOC2为自车的位置、速度和蓄电池荷电状态，参数u2和Pbatt2为自车的驱动加速度和自车蓄电池的充放电功率，参数ρ、CD2、A2、m2、g、μ和θ2是空气密度、自车空气阻力系数、自车迎风面积、自车质量、重力加速度、滚动阻力系数和自车道路坡度，VOC、Rbatt和Qbatt是蓄电池开路电压、内阻和容量，预测区间内由于车辆的惯性、假设前方车辆加速度一定，如果前行车速度大于最大值或者小于一定值，则前行车加速度为0，如果前方遭遇交通信号灯红灯，则假定一辆速度为0的前行车停在交通信号灯位置处，车辆的启动和停止速度模式采用实验曲线，运用实际驾驶员的特性测取；
车辆的燃油经济性评价采用威兰氏线性模型，如式(2)所示：
<mrow> <msub> <mover> <mi>m</mi> <mo>&amp;CenterDot;</mo> </mover> <mi>f</mi> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mover> <mi>m</mi> <mo>&amp;CenterDot;</mo> </mover> <mi>f</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mrow> <mi>r</mi> <mi>e</mi> <mi>q</mi> </mrow> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>-</mo> <msub> <mi>P</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>t</mi> <mi>t</mi> </mrow> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>&amp;ap;</mo> <msub> <mi>c</mi> <mi>f</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mrow> <mi>r</mi> <mi>e</mi> <mi>q</mi> </mrow> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>-</mo> <msub> <mi>P</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>t</mi> </mrow> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
式中mf为燃油消耗率，参数Preq为车辆需求功率，cf为常数参数；
步骤3)公式化控制策略：基于分散控制的混合动力汽车能量管理模型预测最优控制策略的步骤为：首先检测自车、后车和前车状态，包括位置、速度和加速度信息，其次运用所建立的数学模型和公式化控制策略求解最优控制问题，最后应用所求得的最优控制序列的第一个控制量于***，由于模型预测控制为区间最优控制，其求得的最优控制量是数量为预测区间除以采样间隔的序列，最优控制序列的第一个控制量与实际状态最接近，所以采用它来作为实际的控制量；
最优控制问题定义如式(3)所示：
<mrow> <mfenced open = "{" close = "}"> <mtable> <mtr> <mtd> <mrow> <mi>min</mi> <mi>i</mi> <mi>m</mi> <mi>i</mi> <mi>z</mi> <mi>e</mi> </mrow> </mtd> <mtd> <mrow> <mi>J</mi> <mo>=</mo> <msubsup> <mo>&amp;Integral;</mo> <mi>t</mi> <mrow> <mi>t</mi> <mo>+</mo> <mi>T</mi> </mrow> </msubsup> <mi>L</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>(</mo> <mrow> <mi>&amp;tau;</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>)</mo> <mo>,</mo> <mi>u</mi> <mo>(</mo> <mrow> <mi>&amp;tau;</mi> <mo>|</mo> <mi>t</mi> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mi>d</mi> <mi>&amp;tau;</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>s</mi> <mi>u</mi> <mi>b</mi> <mi>j</mi> <mi>e</mi> <mi>c</mi> <mi>t</mi> <mi> </mi> <mi>t</mi> <mi>o</mi> </mrow> </mtd> <mtd> <mrow> <msub> <mi>P</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>t</mi> <mi>t</mi> <mn>2</mn> <mi>min</mi> </mrow> </msub> <mo>&amp;le;</mo> <msub> <mi>P</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>t</mi> <mi>t</mi> <mn>2</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>&amp;tau;</mi> <mo>|</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;le;</mo> <msub> <mi>P</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>t</mi> <mi>t</mi> <mn>2</mn> <mi>max</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow></mrow> </mtd> <mtd> <mrow> <msub> <mi>u</mi> <mrow> <mn>2</mn> <mi>min</mi> </mrow> </msub> <mo>&amp;le;</mo> <msub> <mi>u</mi> <mn>2</mn> </msub> <mrow> <mo>(</mo> <mi>&amp;tau;</mi> <mo>|</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;le;</mo> <msub> <mi>u</mi> <mrow> <mn>2</mn> <mi>max</mi> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
式中T为预测区间，参数Pbatt2min、Pbatt2max、u2max和u2min为控制量约束；
评价函数定义如式(4)所示：
<mrow> <mfenced open = "{" close = "}"> <mtable> <mtr> <mtd> <mrow> <mi>L</mi> <mo>=</mo> <msub> <mi>w</mi> <mi>x</mi> </msub> <msub> <mi>L</mi> <mi>x</mi> </msub> <mo>+</mo> <msub> <mi>w</mi> <mi>y</mi> </msub> <msub> <mi>L</mi> <mi>y</mi> </msub> <mo>+</mo> <msub> <mi>w</mi> <mi>z</mi> </msub> <msub> <mi>L</mi> <mi>z</mi> </msub> <mo>+</mo> <msub> <mi>w</mi> <mi>d</mi> </msub> <msub> <mi>L</mi> <mi>d</mi> </msub> <mo>+</mo> <msub> <mi>w</mi> <mi>e</mi> </msub> <msub> <mi>L</mi> <mi>e</mi> </msub> <mo>+</mo> <msub> <mi>w</mi> <mi>f</mi> </msub> <msub> <mi>L</mi> <mi>f</mi> </msub> <mo>+</mo> <msub> <mi>w</mi> <mi>r</mi> </msub> <msub> <mi>L</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>w</mi> <mi>s</mi> </msub> <msub> <mi>L</mi> <mi>s</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>L</mi> <mi>x</mi> </msub> <mo>=</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>w</mi> <mn>2</mn> </msub> <mo>-</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <msub> <mi>&amp;rho;C</mi> <mrow> <mi>D</mi> <mn>2</mn> </mrow> </msub> <msub> <mi>A</mi> <mn>2</mn> </msub> <msup> <msub> <mi>v</mi> <mn>2</mn> </msub> <mn>2</mn> </msup> <mo>/</mo> <msub> <mi>m</mi> <mn>1</mn> </msub> <mo>-</mo> <mn>9.8</mn> <mo>*</mo> <mi>&amp;mu;</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>/</mo> <mn>2</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>L</mi> <mi>y</mi> </msub> <mo>=</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>v</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>v</mi> <mi>d</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>/</mo> <mn>2</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>L</mi> <mi>z</mi> </msub> <mo>=</mo> <mn>0.0874</mn> <mo>*</mo> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mn>2</mn> </msub> <mo>*</mo> <msub> <mi>w</mi> <mn>2</mn> </msub> <mo>*</mo> <msub> <mi>v</mi> <mn>2</mn> </msub> <mo>/</mo> <mn>1000</mn> <mo>-</mo> <msub> <mi>P</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>t</mi> <mi>t</mi> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mo>/</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mn>0.5</mn> <mo>*</mo> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mn>2</mn> </msub> <mo>*</mo> <msub> <mi>w</mi> <mn>2</mn> </msub> <mo>*</mo> <msub> <mi>v</mi> <mn>2</mn> </msub> <mo>/</mo> <mn>1000</mn> <mo>-</mo> <msub> <mi>P</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>t</mi> <mi>t</mi> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> </mrow> </msup> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>L</mi> <mi>d</mi> </msub> <mo>=</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>SOC</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>SOC</mi> <mi>d</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>L</mi> <mi>e</mi> </msub> <mo>=</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>m</mi> <mn>2</mn> </msub> <mo>*</mo> <msub> <mi>w</mi> <mn>2</mn> </msub> <mo>*</mo> <msub> <mi>v</mi> <mn>2</mn> </msub> <mo>/</mo> <mn>1000</mn> <mo>-</mo> <msub> <mi>P</mi> <mrow> <mi>b</mi> <mi>a</mi> <mi>t</mi> <mi>t</mi> <mn>2</mn> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>/</mo> <mn>2</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>L</mi> <mi>f</mi> </msub> <mo>=</mo> <mrow> <mo>(</mo> <mo>-</mo> <mi>ln</mi> <mo>&amp;lsqb;</mo> <msub> <mi>SOC</mi> <mn>2</mn> </msub> <mo>-</mo> <mn>0.6</mn> <mo>&amp;rsqb;</mo> <mo>-</mo> <mi>ln</mi> <mo>&amp;lsqb;</mo> <mn>0.8</mn> <mo>-</mo> <msub> <mi>SOC</mi> <mn>2</mn> </msub> <mo>&amp;rsqb;</mo> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>L</mi> <mi>r</mi> </msub> <mo>=</mo> <mo>-</mo> <mi>ln</mi> <mrow> <mo>(</mo> <msub> <mi>d</mi> <mi>f</mi> </msub> <mo>-</mo> <msub> <mi>d</mi> <mi>d</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mi>ln</mi> <mrow> <mo>(</mo> <msub> <mi>d</mi> <mi>p</mi> </msub> <mo>-</mo> <msub> <mi>d</mi> <mi>d</mi> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>L</mi> <mi>s</mi> </msub> <mo>=</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>a</mi> <mi>p</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>/</mo> <mn>2</mn> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>a</mi> <mi>f</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>/</mo> <mn>2</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
式中SOCd是目标蓄电池荷电状态，Vd是车辆目标速度，它取值为车辆最优等速燃油经济性速度，Wx、Wy、Wz、Wd、We、Wf、Wr和Ws是权重系数，dd为最低车辆间距，评价函数设置使其在最低车辆间距以上浮动，从而增加控制自由度，提高车辆燃油经济性，障碍函数用于处理***状态约束，df为后车和自车间距，dp为前车和自车间距；
步骤4)在线最优控制：为保证***的实时最优性能，运用基于哈密顿方程的数值快速求解方法来求解上述最优控制问题，运用极小值原理将最优控制问题转化为两点边值问题，在处理哈密顿函数相关的微分方程组和代数方程组时采用部分空间法求解，这是一种GMRES解法；
在每个采样时刻，首先测取前车位置、自车位置、后车位置、前车速度、自车速度、后车速度、前车加速度、自车加速度、后车加速度和自车蓄电池荷电状态实时状态信号，其次利用全球定位***、车间通信***、车路通信***和智能交通***预测未来一定区间车辆及周围环境的状态，包括前车加速度、后车加速度、前车与自车间距、后车与自车间距，再次根据建立的车辆模型和最优控制问题，利用上述数值快速解法求解预测区间内的最优控制序列，应用预测区间内的最优控制序列的第一个控制量于车辆，之后在下一个采样时刻，将预测区间向前推进一步，如此循环往复，实现在线最优控制。
CN201510410042.7A 2015-06-01 2015-07-13 基于分散控制的混合动力汽车节能预测控制方法 Expired - Fee Related CN105083276B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510410042.7A CN105083276B (zh) 2015-06-01 2015-07-13 基于分散控制的混合动力汽车节能预测控制方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN2015102920436 2015-06-01
CN201510292043 2015-06-01
CN201510410042.7A CN105083276B (zh) 2015-06-01 2015-07-13 基于分散控制的混合动力汽车节能预测控制方法

Publications (2)

Publication Number Publication Date
CN105083276A CN105083276A (zh) 2015-11-25
CN105083276B true CN105083276B (zh) 2017-09-15

Family

ID=54564847

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510410042.7A Expired - Fee Related CN105083276B (zh) 2015-06-01 2015-07-13 基于分散控制的混合动力汽车节能预测控制方法

Country Status (1)

Country Link
CN (1) CN105083276B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105759753B (zh) * 2016-01-25 2018-06-19 合肥工业大学 基于v2x的混合动力汽车的能量管理优化控制方法
CN105721750A (zh) * 2016-03-01 2016-06-29 天津职业技术师范大学 一种提升混合动力电动汽车节能效果的装置
CN105946857B (zh) * 2016-05-16 2017-02-15 吉林大学 基于智能交通***的并联phev能量管理方法
CN106080585B (zh) * 2016-06-22 2020-04-03 江苏大学 一种双行星排式混合动力汽车非线性模型预测控制方法
CN106494388B (zh) * 2016-09-28 2019-02-01 中国科学院深圳先进技术研究院 一种混合动力汽车能量管理及车速调整装置及方法
CN106502098B (zh) * 2016-11-19 2019-03-01 合肥工业大学 一种基于车联网的最优车速闭环快速预测控制方法及装置
CN106740822A (zh) * 2017-02-14 2017-05-31 上汽大众汽车有限公司 混合动力***及其能量管理方法
CN107117170B (zh) * 2017-04-28 2019-04-09 吉林大学 一种基于经济性驾驶的实时预测巡航控制***
CN108365986B (zh) * 2018-02-07 2019-06-21 重庆大学 基于模型预测控制的混合动力车队协同能量管理方法
CN110481536B (zh) * 2019-07-03 2020-12-11 中国科学院深圳先进技术研究院 一种应用于混合动力汽车的控制方法及设备
CN110667564B (zh) * 2019-11-11 2021-03-30 重庆理工大学 并联式混合动力汽车自主队列行驶能量智能管理方法
TWI727697B (zh) * 2020-03-11 2021-05-11 李綱 節能行車輔助系統
CN111923896B (zh) * 2020-08-17 2021-08-20 大连民族大学 基于滚动动态规划的hev车辆能量管理方法
CN112907937B (zh) * 2021-02-03 2022-10-14 湖南大学 一种考虑后车信息的混合车辆队列控制方法及***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2476596A1 (en) * 2011-01-12 2012-07-18 Harman Becker Automotive Systems GmbH Energy efficient driving assistance
CN103863087A (zh) * 2014-03-25 2014-06-18 河南理工大学 一种基于发动机最优工作线的插电式混合动力汽车节能预测控制方法
CN103863318A (zh) * 2014-03-25 2014-06-18 河南理工大学 一种基于跟车模型的混合动力汽车节能预测控制方法
CN104249736A (zh) * 2014-08-25 2014-12-31 河南理工大学 基于队列行驶的混合动力汽车节能预测控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2476596A1 (en) * 2011-01-12 2012-07-18 Harman Becker Automotive Systems GmbH Energy efficient driving assistance
CN103863087A (zh) * 2014-03-25 2014-06-18 河南理工大学 一种基于发动机最优工作线的插电式混合动力汽车节能预测控制方法
CN103863318A (zh) * 2014-03-25 2014-06-18 河南理工大学 一种基于跟车模型的混合动力汽车节能预测控制方法
CN104249736A (zh) * 2014-08-25 2014-12-31 河南理工大学 基于队列行驶的混合动力汽车节能预测控制方法

Also Published As

Publication number Publication date
CN105083276A (zh) 2015-11-25

Similar Documents

Publication Publication Date Title
CN105083276B (zh) 基于分散控制的混合动力汽车节能预测控制方法
CN104249736B (zh) 基于队列行驶的混合动力汽车节能预测控制方法
Hu et al. Model predictive control of hybrid electric vehicles for fuel economy, emission reductions, and inter-vehicle safety in car-following scenarios
CN103863318B (zh) 一种基于跟车模型的混合动力汽车节能预测控制方法
CN104859647B (zh) 插电式混合动力汽车节能控制方法
CN104890669B (zh) 一种混合动力汽车动力总成控制方法
Yang et al. An efficient vehicle-following predictive energy management strategy for PHEV based on improved sequential quadratic programming algorithm
CN103863087B (zh) 一种基于发动机最优工作线的插电式混合动力汽车节能预测控制方法
CN202499132U (zh) 新型Plug_in混合动力汽车能量管理控制器
CN104590247A (zh) 基于交通信号灯信息的混合动力汽车节能预测控制方法
CN105946857A (zh) 基于智能交通***的并联phev能量管理方法
CN106740822A (zh) 混合动力***及其能量管理方法
Zhuang et al. Integrated energy-oriented cruising control of electric vehicle on highway with varying slopes considering battery aging
CN105528498B (zh) 网联智能电动车辆一体化建模与集成控制方法
Li et al. Hierarchical predictive energy management of hybrid electric buses based on driver information
CN105128855B (zh) 一种双轴并联混合动力城市公交车的控制方法
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
CN110371103A (zh) 基于广义预测控制的队列行驶混合动力汽车的能量管理方法
Hou et al. Energy management strategy of hybrid electric vehicle based on ECMS in intelligent transportation environment
Zeng et al. Cooperative optimization of speed planning and energy management for hybrid electric vehicles based on Nash equilibrium
Liu et al. Fuel consumption optimization for a plug-in hybrid electric bus during the vehicle-following scenario
Galdi et al. A fuzzy based safe power management algorithm for energy storage systems in electric vehicles
Ganji et al. Backward modelling and look-ahead fuzzy energy management controller for a parallel hybrid vehicle
Junkai et al. Speed planning and energy optimal control of hybrid electric vehicles based on internet of vehicles
Awadallah et al. Impact of low and high congestion traffic patterns on a mild-HEV performance

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170915

Termination date: 20210713

CF01 Termination of patent right due to non-payment of annual fee