CN107662601A - 车辆的控制方法、装置及车辆 - Google Patents

Abstract

本发明提供了一种车辆的控制方法、装置及车辆，其中，方法包括以下步骤：获取车辆的多个工况参数；根据预设的多个工况参数中每个工况参数的隶属度函数将多个工况参数转化为模糊值；确定每个工况参数的模糊值在对应论域空间中所属的模糊区间；根据预设模糊识别规则和模糊区间确定车辆当前所处工况；获取车辆当前所处工况在预设数据库中对应的发动机转矩和电机转矩。本发明实施例的控制方法可以识别车辆当前所处工况，从而根据当前所处工况的得到最优发动机转矩和电机转矩，可以根据工况的变化及时调整控制参数，提高了工况的适应性，实现燃油经济性及排放性能达到最优的目的。

Description

车辆的控制方法、装置及车辆

技术领域

本发明涉及汽车技术领域，特别涉及一种车辆的控制方法、装置及车辆。

背景技术

混合动力汽车的控制策略主要解决影响整车性能的能量管理和扭矩分配这两大关键问题。相关技术中，逻辑门限值控制策略可以保证发动机尽可能多的工作在高效区，简单易行且节约能源，应用最为广泛，其中，发动机提供平均功率，电机提供动态功率，动态功率为正时电机为发动机助力，动态功率为负时电机为电池充电。

然而，相关技术中逻辑门限值控制策略的控制参数主要是针对某一特定工况如NEDC(New European Driving Cycle，新欧洲行驶工况)，并且根据工程经验以及仿真分析制定，导致工况的适应性较差，无法根据工况的变化及时调整控制参数。因此，未能充分发挥出混合动力汽车的节油潜力，存在很大的改进空间。

发明内容

有鉴于此，本发明旨在提出一种车辆的控制方法，该方法可以提高车辆的经济性，简单易实现。

为达到上述目的，本发明的技术方案是这样实现的：

一种车辆的控制方法，包括以下步骤：获取车辆的多个工况参数；根据所述预设的所述多个工况参数中每个工况参数的隶属度函数将所述多个工况参数转化为模糊值；确定所述每个工况参数的模糊值在对应论域空间中所属的模糊区间；根据所述预设模糊识别规则和所述模糊区间确定车辆当前所处工况；获取所述车辆当前所处工况在预设数据库中对应的发动机转矩和电机转矩。

进一步地，还包括：将油耗与排放作为优化目标且动力性与SOC(State ofCharge，荷电状态)平衡性作为约束条件，以得到适应度函数；根据所述适应度函数对所述预设数据库中不同工况对应的发动机转矩和电机转矩进行遗传算法优化。

进一步地，还包括：根据所述每个工况参数的箱线图建立所述预设的每个工况参数的隶属度函数。

进一步地，还包括：根据多数原则构建所述预设模糊识别规则。

进一步地，在所述获取车辆的多个工况参数之前，还包括：采集所述车辆的多个运行参数，以根据所述多个运行参数中每个运行参数的权重提取出所述多个工况参数。

相对于现有技术，本发明所述的车辆的控制方法具有以下优势：

本发明所述的车辆的控制方法，在获取车辆的多个工况参数之后，可以识别车辆当前所处工况，从而根据车辆当前所处工况从数据库中得到优化过的当前所处工况对应的最优发动机转矩和电机转矩，不但可以根据工况的变化及时调整控制参数，而且提高了逻辑门限值控制的工况适应性，实现燃油经济性及排放性能达到最优的目的，节约能源，提高了车辆的经济性和可靠性，简单易实现。

本发明的另一个目的在于提出一种车辆的控制装置，该装置可以提高车辆的经济性，简单易实现。

为达到上述目的，本发明的技术方案是这样实现的：

一种车辆的控制装置，包括：获取模块，用于获取车辆的多个工况参数；转化模块，用于根据所述预设的所述多个工况参数中每个工况参数的隶属度函数将所述多个工况参数转化为模糊值；第一判定模块，用于确定所述每个工况参数的模糊值在对应论域空间中所属的模糊区间；第二判定模块，用于根据所述预设模糊识别规则和所述模糊区间确定车辆当前所处工况；转矩获取模块，用于获取所述车辆当前所处工况在预设数据库中对应的发动机转矩和电机转矩。

进一步地，还包括：函数获取模块，用于将油耗与排放作为优化目标且动力性与SOC平衡性作为约束条件，以得到适应度函数；优化模块，用于根据所述适应度函数对所述预设数据库中不同工况对应的发动机转矩和电机转矩进行遗传算法优化。

进一步地，还包括：函数建立模块，用于根据所述每个工况参数的箱线图建立所述预设的每个工况参数的隶属度函数。

进一步地，还包括：规则建立模块，用于根据多数原则构建所述预设模糊识别规则。

所述的车辆的控制装置与上述的车辆的控制方法相对于现有技术所具有的优势相同，在此不再赘述。

本发明的另一个目的在于提出一种车辆，该车辆可以提高车辆的经济性，简单易实现。

为达到上述目的，本发明的技术方案是这样实现的：

一种车辆，设置有如上述实施例所述的车辆的控制装置。

所述的车辆与上述的车辆的控制装置相对于现有技术所具有的优势相同，在此不再赘述。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及 其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例所述的车辆的控制方法的流程图；

图2为根据本发明一个实施例的车辆的控制方法的流程图；

图3为根据本发明一个实施例的模糊识别器的结构示意图；

图4为根据本发明一个实施例的遗传算法的流程图；

图5为根据本发明一个具体实施例的车辆的控制方法的流程图；以及

图6为根据本发明实施例的车辆的控制装置的结构示意图。

附图标记说明：

10-车辆的控制装置、100-获取模块、200-转化模块、300-第一判定模块、400-第二判定模块、500-转矩获取模块。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本发明。

图1是根据本发明实施例的车辆的控制方法的流程图。

如图1所示，根据本发明实施例的车辆的控制方法，包括以下步骤：

步骤S101，获取车辆的多个工况参数。

在本发明的一个实施例中，在获取车辆的多个工况参数之前，本发明实施例的控制方法还包括：采集车辆的多个运行参数，以根据多个运行参数中每个运行参数的权重提取出多个工况参数。

具体地，如图2所示，对于工况段的选取，主要有以下两种方法：第一，在车辆的目标市场通过试验采集实际运行工况，在实测工况中截取所需的工况段；第二，在已有的典型工况(如NEDC、Artemis等)中截取所需工况。需要说明的是，工况段的数量要足够多，运行时间不宜过长，车速变化不宜过大，起停也要有一定的规律，以保证工况识别的准确率。

进一步地，对于特征参数的选择及计算，其中，工况参数即为特征参数，其用于反映运行工况的特征，也作为后面工况识别的依据。选择时要分析各工况参数在总体特征中的权重，既不能数量过多，影响识别速度，又不能过于精简，而影响了识别的精度。经分析对比，最高车速、平均车速、速度标准差、加速时间比、平均减速度这5个工况参数对工况的分类、识别影响相对最大，故可以选取这5个工况参数作为后期工况分类识别的依据，并计算出所有工况段的工况参数。

进一步地，对于工况段的分类及代表性工况的选取，其中，对工况参数进行主成份分析，并根据分析结果对工况段进行聚类分析，将工况段进行分类，所分的类别数根据分类结果进行对比分析确定，分类后从每一类工况中各选择一个工况段作为该类工况的代表性工况，作 为控制参数优化的依据。

步骤S102，根据预设的多个工况参数中每个工况参数的隶属度函数将多个工况参数转化为模糊值。

其中，在本发明的一个实施例中，本发明实施例的控制方法还包括：根据每个工况参数的箱线图建立预设的每个工况参数的隶属度函数。

进一步地，在本发明的一个实施例中，本发明实施例的控制方法还包括：根据多数原则构建预设模糊识别规则。

步骤S103，确定每个工况参数的模糊值在对应论域空间中所属的模糊区间。

步骤S104，根据预设模糊识别规则和模糊区间确定车辆当前所处工况。

具体而言，如图3所示，模糊识别器可以利用MATLAB中的模糊逻辑工具箱来构建，主要包括3部分：

(1)输入变量的隶属度函数。输入变量即为上文选取的5个特征参数，要确定隶属度函数需先画出各特征参数的箱线图，根据箱线图的“箱”来确定梯形隶属度函数的上底边，下底边由箱线图的“须”确定，并要进行适当的调整。

(2)模糊识别规则。模糊规则是模糊识别器的核心部分，根据多数原则来构建，即整个工况所属的类别为5个特征参数分别所属的工况类别中最多的那个，若遇到所属工况数相同的情况，可先根据经验将其归为某一类，再根据识别验证结果进行调整。

(3)输出变量的隶属度函数。输出变量即为工况的类别，定义每类工况的区间并进行适当的模糊化处理，即得到输出变量的隶属度函数。

需要说明的是，图中Vmax表示最高车速、V表示平均车速、Sv表示速度标准差、ga表示加速时间比、ad表示平均减速度、GKSB表示“工况识别”的首字母、(mamdani)表示一种模糊规则的编制方法，Driving cycle表示工况。完成模糊识别器的初步构建后需要对其识别的准确性进行验证，并根据验证结果来调整隶属度函数或者模糊识别规则。

步骤S105，获取车辆当前所处工况在预设数据库中对应的发动机转矩和电机转矩。

其中，在本发明的一个实施例中，本发明实施例的控制方法还包括：将油耗与排放作为优化目标且动力性与荷电状态SOC平衡性作为约束条件，以得到适应度函数；根据适应度函数对预设数据库中不同工况对应的发动机转矩和电机转矩进行遗传算法优化。

具体而言，在本发明的实施例中，本发明实施例对控制参数进行遗传算法优化。如图4所示，首先要建立仿真模型，作为参数优化的平台。再针对每一个代表性工况，对需要优化的控制参数进行逐一优化。遗传算法是应用最多、相对最成熟的全局优化算法，其关键是适应度函数的选取。混合动力汽车控制参数的优化目标是：在保证动力性和SOC平衡性的前提下，使油耗及排放最低。因此，适应度函数应包含以上四项，其中，油耗及排放是优化目标，动力性及SOC平衡性是约束条件。选取适应度函数后，如图4所示，对控制参数进行 遗传算法优化，最后得到适应不同工况的优化参数库。

可以理解的是，如图5所示，本发明实施例将行驶工况根据工况参数进行分类，选出不同工况的代表性工况，针对不同工况的代表性工况，将控制参数采用遗传算法进行优化，得出适合不同工况的控制参数组以供选用。制定行驶工况的模糊识别器，能够自动识别混合动力汽车当前所处的行驶工况，根据识别结果，选用对应的代表性工况的控制参数进行车辆的控制，从而增强逻辑门限值控制策略的工况适应性，使燃油经济性及排放性能达到最优。

也就是说，经过仿真验证及实车验证后，以上结果即可整合到逻辑门限值控制策略中，形成本发明实施例的基于工况识别的优化控制方法。具体地，优化后的车辆的控制方法将在线实时识别工况信息与遗传算法优化的门限值控制策略相结合，既发挥了门限值控制策略逻辑推理的强大能力，又结合了遗传算法的全局优化和工况识别的实时优化，能够取长补短，达到燃油经济性及排放性能最优的目的。

根据本发明所述的车辆的控制方法，在获取车辆的多个工况参数之后，可以识别车辆当前所处工况，从而根据车辆当前所处工况从数据库中得到优化过的当前所处工况对应的最优发动机转矩和电机转矩，在现有逻辑门限值控制策略的基础上，加入工况识别及优化数据库，从而可以自动识别车辆当前所处的工况，可以根据工况的变化实时调节控制参数，使混合动力汽车在保证动力性及SOC平衡性的前提下，提高了逻辑门限值控制的工况适应性，实现燃油经济性及排放性能达到最优的目的，节约能源，提高了车辆的经济性和可靠性，简单易实现。

进一步地，如图6所示，本发明实施例还公开了一种车辆的控制装置10，其包括：获取模块100、转化模块200、第一判定模块300、第二判定模块400和转矩获取模块500。

具体而言，获取模块100用于获取车辆的多个工况参数。转化模块200用于根据所述预设的所述多个工况参数中每个工况参数的隶属度函数将所述多个工况参数转化为模糊值。第一判定模块300用于确定所述每个工况参数的模糊值在对应论域空间中所属的模糊区间。第二判定模块400用于根据所述预设模糊识别规则和所述模糊区间确定车辆当前所处工况。转矩获取模块500用于获取所述车辆当前所处工况在预设数据库中对应的发动机转矩和电机转矩。本发明实施例的控制装置10可以识别车辆当前所处工况，从而根据当前所处工况的得到最优发动机转矩和电机转矩，可以根据工况的变化及时调整控制参数，提高了工况的适应性，实现燃油经济性及排放性能达到最优的目的。

进一步地，在本发明的一个实施例中，本发明实施例的控制装置10还包括：函数获取模块(图中未具体标识)和优化模块(图中未具体标识)。

其中，函数获取模块用于将油耗与排放作为优化目标且动力性与SOC平衡性作为约束条件，以得到适应度函数。优化模块用于根据所述适应度函数对所述预设数据库中不同工况对应的发动机转矩和电机转矩进行遗传算法优化。

进一步地，在本发明的一个实施例中，本发明实施例的控制装置10还包括：函数建立模块(图中未具体标识)。其中，函数建立模块用于根据所述每个工况参数的箱线图建立所述预设的每个工况参数的隶属度函数。

进一步地，在本发明的一个实施例中，本发明实施例的控制装置10还包括：规则建立模块(图中未具体标识)。其中，规则建立模块用于根据多数原则构建所述预设模糊识别规则。

需要说明的是，本发明实施例的车辆的控制装置的具体实现方式与车辆的控制方法的具体实现方式类似，为了减少冗余，此处不做赘述。

根据本发明所述的车辆的控制装置，在获取车辆的多个工况参数之后，可以识别车辆当前所处工况，从而根据车辆当前所处工况从数据库中得到优化过的当前所处工况对应的最优发动机转矩和电机转矩，在现有逻辑门限值控制策略的基础上，加入工况识别及优化数据库，从而可以自动识别车辆当前所处的工况，可以根据工况的变化实时调节控制参数，使混合动力汽车在保证动力性及SOC平衡性的前提下，提高了逻辑门限值控制的工况适应性，实现燃油经济性及排放性能达到最优的目的，节约能源，提高了车辆的经济性和可靠性，简单易实现。

进一步地，本发明的实施例公开了一种车辆，该车辆设置有上述实施例所述的车辆的控制装置。该车辆由于具有了上述装置，在获取车辆的多个工况参数之后，可以识别车辆当前所处工况，从而根据车辆当前所处工况从数据库中得到优化过的当前所处工况对应的最优发动机转矩和电机转矩，在现有逻辑门限值控制策略的基础上，加入工况识别及优化数据库，从而可以自动识别车辆当前所处的工况，可以根据工况的变化实时调节控制参数，使混合动力汽车在保证动力性及SOC平衡性的前提下，提高了逻辑门限值控制的工况适应性，实现燃油经济性及排放性能达到最优的目的，节约能源，提高了车辆的经济性和可靠性，简单易实现。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种车辆的控制方法，其特征在于，包括以下步骤：

获取车辆的多个工况参数；

根据所述预设的所述多个工况参数中每个工况参数的隶属度函数将所述多个工况参数转化为模糊值；

确定所述每个工况参数的模糊值在对应论域空间中所属的模糊区间；

根据所述预设模糊识别规则和所述模糊区间确定车辆当前所处工况；以及

获取所述车辆当前所处工况在预设数据库中对应的发动机转矩和电机转矩。

2.根据权利要求1所述的车辆的控制方法，其特征在于，还包括：

将油耗与排放作为优化目标且动力性与荷电状态SOC平衡性作为约束条件，以得到适应度函数；

根据所述适应度函数对所述预设数据库中不同工况对应的发动机转矩和电机转矩进行遗传算法优化。

3.根据权利要求1所述的车辆的控制方法，其特征在于，还包括：

根据所述每个工况参数的箱线图建立所述预设的每个工况参数的隶属度函数。

4.根据权利要求1所述的车辆的控制方法，其特征在于，还包括：

根据多数原则构建所述预设模糊识别规则。

5.根据权利要求1所述的车辆的控制方法，其特征在于，在所述获取车辆的多个工况参数之前，还包括：

采集所述车辆的多个运行参数，以根据所述多个运行参数中每个运行参数的权重提取出所述多个工况参数。

6.一种车辆的控制装置，其特征在于，包括：

获取模块，用于获取车辆的多个工况参数；

转化模块，用于根据所述预设的所述多个工况参数中每个工况参数的隶属度函数将所述多个工况参数转化为模糊值；

第一判定模块，用于确定所述每个工况参数的模糊值在对应论域空间中所属的模糊区间；

第二判定模块，用于根据所述预设模糊识别规则和所述模糊区间确定车辆当前所处工况；以及

转矩获取模块，用于获取所述车辆当前所处工况在预设数据库中对应的发动机转矩和电机转矩。

7.根据权利要求6所述的车辆的控制装置，其特征在于，还包括：

函数获取模块，用于将油耗与排放作为优化目标且动力性与SOC平衡性作为约束条件，以得到适应度函数；

优化模块，用于根据所述适应度函数对所述预设数据库中不同工况对应的发动机转矩和电机转矩进行遗传算法优化。

8.根据权利要求6所述的车辆的控制装置，其特征在于，还包括：

函数建立模块，用于根据所述每个工况参数的箱线图建立所述预设的每个工况参数的隶属度函数。

9.根据权利要求6所述的车辆的控制装置，其特征在于，还包括：

规则建立模块，用于根据多数原则构建所述预设模糊识别规则。

10.一种车辆，其特征在于，包括：如权利要求6-9任一项所述的车辆的控制装置。