CN112009267B - 一种基于实时工况识别的新能源客车自适应优化控制方法 - Google Patents

一种基于实时工况识别的新能源客车自适应优化控制方法 Download PDF

Info

Publication number
CN112009267B
CN112009267B CN202010940638.9A CN202010940638A CN112009267B CN 112009267 B CN112009267 B CN 112009267B CN 202010940638 A CN202010940638 A CN 202010940638A CN 112009267 B CN112009267 B CN 112009267B
Authority
CN
China
Prior art keywords
working condition
value
delta
certain
optimization control
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.)
Active
Application number
CN202010940638.9A
Other languages
English (en)
Other versions
CN112009267A (zh
Inventor
朱武喜
康林
林海巧
吴正来
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.)
Xiamen King Long United Automotive Industry Co Ltd
Original Assignee
Xiamen King Long United Automotive Industry Co Ltd
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 Xiamen King Long United Automotive Industry Co Ltd filed Critical Xiamen King Long United Automotive Industry Co Ltd
Priority to CN202010940638.9A priority Critical patent/CN112009267B/zh
Publication of CN112009267A publication Critical patent/CN112009267A/zh
Application granted granted Critical
Publication of CN112009267B publication Critical patent/CN112009267B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
    • B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/10—Vehicle control parameters
    • B60L2240/12—Speed
    • 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
    • B60L2260/00—Operating Modes
    • B60L2260/20—Drive modes; Transition between modes
    • B60L2260/26—Transition between different drive modes
    • 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
    • Y02T10/72—Electric energy management in electromobility

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

一种基于实时工况识别的新能源客车自适应优化控制方法，包括对新能源客车的行驶工况进行实时稳定识别，再针对每一类道路工况实行相应的优化控制，爬坡工况下计算实时坡道阻力，主动防溜坡，自动切换动力模式；高速工况下小油门状态下降低驱动扭矩变化斜率限制；中低速工况下提高串并联切换车速，减少串并联切换频次；拥堵工况下串联发电SOC阈值降低到当前SOC‑△SOC，限定最低发电SOC阈值SOC_min；急加速急减速工况下主动降低加速度限制和驱动扭矩变化斜率限制；循环工况下对车速进行跟随辅助控制。本发明的优化控制算法可靠，工况适应性好，节能降耗的同时减少轮胎磨损，对车辆综合性能进行全面地优化提升。

Description

一种基于实时工况识别的新能源客车自适应优化控制方法
技术领域
本发明涉及新能源汽车技术领域，更为具体地说是指一种基于实时工况识别的新能源客车自适应优化控制方法。
背景技术
新能源客车在不同的实际运行工况，包括道路坡度、平均车速、道路拥堵情况、司机驾驶习惯等，同一车型的性能以及驾驶体验可能都存在一定的差异。因此，通过工况识别对新能源客车进行自适应控制优化，可以提高车辆性能，改善司机驾驶体验，并可能实现节能降耗。
申请公布号为CN 111038488A的中国发明专利公开了一种混合动力汽车的能量优化控制方法，包括以下步骤：（1）根据车辆的前方行驶区域中的行车信息对道路工况进行分类，针对每一类道路工况建立对应的能量优化模型，各能量优化模型是以对应道路工况下的整车能耗最低建立的；行车信息至少包括平均车速、最高车速、停车时间比例和平均加速度中的两个；（2）求解各能量优化模型，对应得到各能量优化模型的能量最优控制参数，能量最优控制参数包括发动机参与工作的整车需求功率、发动机参与工作的车辆速度、发动机参与工作的车辆最优功率；（3）获取车辆的前方行驶区域中的当前行车信息，根据当前行车信息确定当前道路工况的类型，按照当前道路工况的类型对应能量优化模型的能量优化控制参数控制车辆，实现车辆的能量优化控制。该发明仅是简单地将道路工况分为市区拥堵工况、城市城郊工况、高速公路工况，未考虑坡道、驾驶员驾驶激烈程度差异等，工况适应性不够好；能量优化也仅主要针对混合动力控制中发动机参与工作的需求功率、车速、最优功率和SOC，未具体公开如何使整车能耗最低的，能耗优化效果不确定。因此，我们提供一种基于实时工况识别的新能源客车自适应优化控制方法。
发明内容
本发明提供一种基于实时工况识别的新能源客车自适应优化控制方法，以克服现有新能源客车的自适应优化控制未考虑坡道、驾驶员驾驶激烈程度差异，工况适应性不够好，能耗优化效果不确定等缺点。
本发明采用如下技术方案：
一种基于实时工况识别的新能源客车自适应优化控制方法，包括以下步骤：
一、将新能源客车的行驶工况分为爬坡工况、高速工况、中低速工况、拥堵工况、急加速急减速工况以及循环工况；
二、对新能源客车的行驶工况进行实时稳定识别；
三、针对每一类道路工况实行相应的优化控制，具体的优化控制算法包括：（1）若当前为爬坡工况，结合坡度识别
Figure DEST_PATH_IMAGE001
和车重估算
Figure 539552DEST_PATH_IMAGE002
，计算实时坡道阻力
Figure DEST_PATH_IMAGE003
，实现主动防溜坡，并自动切换动力模式；（2）若当前为高速工况，当油门大于一定值APS1持续一定时间t6时采用正常驱动扭矩变化斜率限制为△T1，当油门小于一定值APS2持续一定时间t4时采用降低驱动扭矩变化斜率限制为△T2，维持驱动扭矩稳定；（3）若当前为中低速工况，提高串并联切换车速Vk，减少串并联切换的频次，减少串并联切换过程中的能耗损失；（4）若当前为拥堵工况，串联发电的SOC阈值降低到当前SOC-△SOC，同时限定最低发电SOC阈值SOC_min，尽可能处于纯电运行模式；（5）若当前为急加速急减速工况，主动降低驱动加速度限制的阈值a_lim，降低驱动扭矩变化斜率限制为△T3；（6）若当前为循环工况，由整车控制器自动对工况车速进行跟随辅助控制，通过PI控制扭矩输出，减少司机操作差异对能耗结果的影响。
具体地，上述爬坡工况稳定识别包括静态坡道起步识别和动态爬坡工况识别，静态坡道起步识别是采用坡道传感器检测静态坡度值，并在车辆起步过程中，将静态坡度值代入车辆动力学方程，估算出车重：
Figure DEST_PATH_IMAGE005
，其中，
Figure 863610DEST_PATH_IMAGE006
为电机驱动扭矩，
Figure DEST_PATH_IMAGE007
为变速箱速比，
Figure 366136DEST_PATH_IMAGE008
为主减速比，
Figure DEST_PATH_IMAGE009
为传动效率，r为轮胎半径，
Figure 435723DEST_PATH_IMAGE001
为静态坡度值，g为重力加速度，a为车辆加速度，f为滚动阻力系数，取f=0.0076+0.000056v，v为车速；所述动态爬坡工况识别是油门大于一定值APS0持续一定时间t0，同时，车辆加速度小于正常加速度的一定比例K1持续一定时间t0，其中，正常加速度的估算基于车重估算和当前驱动扭矩大小；非爬坡工况识别是车辆加速度大于正常加速度的一定比例K2且持续一定时间t0；所述APS0取值范围80%～95%，t0取值范围3～5s，K1取值范围50%～60%，K2取值范围80%～90%。
优选地，上述高速工况稳定识别是一定时间t1内的平均车速在一定车速V1以上，且该段时间内最低车速不低于一定值V2；非高速工况识别是一定时间t1内的平均车速小于一定车速V1-△V；所述t1取值5～10s，V1取值50～60km/h，V2取值40～45km/h，△V取值3～5km/h。
优选地，上述中低速工况稳定识别是一定时间t1内的平均车速在一定车速范围内V3～V4；同时，该段时间t1内最高车速不高于一定值V5；非中低速工况识别是一定时间t1内的平均车速大于一定车速V4+△V或小于V3-△V持续一定时间t0；其中，t1取值5～10s，V3取值10～15km/h，V4取值25～30km/h，V5取值35～40km/h，△V取值3～5km/h。
优选地，上述拥堵工况稳定识别是一定时间t1内的平均车速在V6～V7，同时，该段时间t1内最高车速不高于一定值V8；非拥堵工况算法识别是一定时间t1内的平均车速大于一定车速V7+△V持续一定时间t0；其中，t1取值5～10s，V6取值0～5km/h，V7取值10～15km/h，V8取值20～25km/h，△V取值3～5km/h。
优选地，上述急加速急减速工况稳定识别是一定时间t5内的平均加速度大于一定值a1，判断为急加速工况；一定时间t5内的平均减速度绝对值大于一定值a1，判断为急减速工况；其中，t5取值范围1～3s，a1取值范围2～3m/s2。
优选地，上述循环工况稳定识别是将循环工况预先写进控制模型，当进入行车模式后实际车速开始大于一定值V0时，从该时刻开始进行工况比对，若实际车速与理论工况车速偏差持续一定时间t2都小于设定偏差△V1，则输出对应循环工况识别结果；非循环工况算法识别是实际车速与理论工况车速偏差持续一定时间t3都大于设定偏差△V2，或驾驶员需求扭矩与循环工况需求扭矩差别大于一定值△T持续一定时间t4；其中，V0取值范围1～2km/h，△V1取值范围2～3km/h，△V2取值范围4～5km/h ，t2取值范围10～20s，t3取值范围1～3s，t4取值范围0.5～1s，△T取值范围200～400Nm。
进一步地，上述步骤三的优化控制算法中，在爬坡工况下，若车辆带有用电磁阀控制的停车制动功能，当实际驱动力大于实时坡道阻力时才控制电磁阀解除停车制动。
优选地，上述步骤三的优化控制算法中，高速工况下的△T1与△T2取值范围为：500Nm/s<△T2<△T1<2000Nm/s，APS1取值范围50%～60%，APS2取值范围30%～40%，t4取值范围1～3s。
优选地，上述步骤三的优化控制算法中，中低速工况下的Vk取值大于V4+△V， V4取值20～30km/h，△V取值3～5km/h。
优选地，上述步骤三的优化控制算法中，拥堵工况下的△SOC取值范围10%～30%，SOC_min取值范围20%～30%。
优选地，上述步骤三的优化控制算法中，急加速急减速工况下的a_lim取值范围1.6～2.0m/s2，△T3取值范围500～1000Nm/s。
进一步地，上述步骤三的优化控制算法中，在循环工况下，若车速大于Vm且制动踏板开度大于BPSm持续一定时间t5时退出跟随辅助控制。
优选地，上述Vm取值范围5～10km/h，BPSm取值范围80%～90%，t5取值范围1～3s，跟随辅助控制P取值范围300～500，I取值范围5～10。
由上述对本发明的描述可知，和现有技术相比，本发明具有如下优点：
本发明的新能源客车自适应优化控制方法，将行驶工况分为爬坡工况、高速工况、中低速工况、拥堵工况、急加速急减速工况以及循环工况，充分考虑了坡道、车速以及驾驶员操作等因素，每个工况下分别对应实行一种优化控制算法，算法可靠，工况适应性好，整车优化涉及主动防溜坡和爬坡动力性优化、节能降耗的同时减少轮胎磨损，对车辆综合性能进行全面地优化提升。
附图说明
图1为本发明优化控制算法的流程图。
具体实施方式
下面参照附图说明本发明的具体实施方式。为了全面理解本发明，下面描述到许多细节，但对于本领域技术人员来说，无需这些细节也可实现本发明。对于公知的组件、方法及过程，以下不再详细描述。
一种基于实时工况识别的新能源客车自适应优化控制方法，包括以下步骤：
一、将新能源客车的典型行驶工况分为爬坡工况、高速工况、中低速工况、拥堵工况、急加速急减速工况以及循环工况。
二、对新能源客车的典型行驶工况进行实时稳定识别，各种行驶工况的稳定识别算法如下：
（1）爬坡工况稳定识别算法：包括静态坡道起步识别和动态爬坡工况识别。静态坡道起步识别是采用坡道传感器检测静态坡度值，并在车辆起步过程中，将静态坡度值代入车辆动力学方程，估算出车重：
Figure 492541DEST_PATH_IMAGE005
，其中，
Figure 167760DEST_PATH_IMAGE006
为电机驱动扭矩，
Figure 931317DEST_PATH_IMAGE007
为变速箱速比，
Figure 30860DEST_PATH_IMAGE008
为主减速比，
Figure 247078DEST_PATH_IMAGE009
为传动效率，r为轮胎半径，
Figure 457479DEST_PATH_IMAGE001
为静态坡度值，g为重力加速度，a为车辆加速度，f为滚动阻力系数，取f=0.0076+0.000056v，v为车速；所述动态爬坡工况识别是油门大于一定值APS0持续一定时间t0，同时，车辆加速度小于正常加速度的一定比例K1持续一定时间t0，其中，正常加速度的估算基于车重估算和当前驱动扭矩大小；非爬坡工况识别是车辆加速度大于正常加速度的一定比例K2且持续一定时间t0；所述APS0取值范围80%～95%，t0取值范围3～5s，K1取值范围50%～60%，K2取值范围80%～90%。
（2）高速工况稳定识别算法：一定时间t1内的平均车速在一定车速V1以上，且该段时间内最低车速不低于一定值V2；非高速工况识别是一定时间t1内的平均车速小于一定车速V1-△V；所述t1取值5～10s，V1取值50～60km/h，V2取值40～45km/h，△V取值3～5km/h。
（3）中低速工况稳定识别算法：一定时间t1内的平均车速在一定车速范围内V3～V4；同时，该段时间t1内最高车速不高于一定值V5；非中低速工况识别是一定时间t1内的平均车速大于一定车速V4+△V或小于V3-△V持续一定时间t0；其中，t1取值5～10s，V3取值10～15km/h，V4取值25～30km/h，V5取值35～40km/h，△V取值3～5km/h。
（4）拥堵工况稳定识别算法：一定时间t1内的平均车速在V6～V7，同时，该段时间t1内最高车速不高于一定值V8；非拥堵工况算法识别是一定时间t1内的平均车速大于一定车速V7+△V持续一定时间t0；其中，t1取值5～10s，V6取值0～5km/h，V7取值10～15km/h，V8取值20～25km/h，△V取值3～5km/h。
（5）急加速急减速工况稳定识别算法：一定时间t5内的平均加速度大于一定值a1，判断为急加速工况；一定时间t5内的平均减速度绝对值大于一定值a1，判断为急减速工况；其中，t5取值范围1～3s，a1取值范围2～3m/s2。
（6）循环工况稳定识别算法：将循环工况预先写进控制模型，当进入行车模式后实际车速开始大于一定值V0时，从该时刻开始进行工况比对，若实际车速与理论工况车速偏差持续一定时间t2都小于设定偏差△V1，则输出对应循环工况识别结果；非循环工况算法识别是实际车速与理论工况车速偏差持续一定时间t3都大于设定偏差△V2，或驾驶员需求扭矩与循环工况需求扭矩差别大于一定值△T持续一定时间t4；其中，V0取值范围1～2km/h，△V1取值范围2～3km/h，△V2取值范围4～5km/h ，t2取值范围10～20s，t3取值范围1～3s，t4取值范围0.5～1s，△T取值范围200～400Nm。
三、针对每一类道路工况实行相应的优化控制，参照图1，具体的优化控制算法包括：
（1）若当前为爬坡工况，结合坡度识别
Figure 403438DEST_PATH_IMAGE001
和车重估算
Figure 611566DEST_PATH_IMAGE002
，计算实时坡道阻力
Figure 252763DEST_PATH_IMAGE003
，实现主动防溜坡，并自动切换动力模式。
若车辆带有用电磁阀控制的停车制动功能，当实际驱动力大于实时坡道阻力时才控制电磁阀解除停车制动，实现主动防溜坡，正常坡道起步完全不溜；当识别到静态坡道起步或动态爬坡工况时，整车控制经济模式自动切换动力模式。
（2）若当前为高速工况，当油门大于一定值APS1持续一定时间t6时采用正常驱动扭矩变化斜率限制为△T1，当油门小于一定值APS2持续一定时间t4时采用降低驱动扭矩变化斜率限制为△T2，维持驱动扭矩稳定。△T1与△T2取值范围为：500Nm/s<△T2<△T1<2000Nm/s，APS1取值范围50%～60%，APS2取值范围30%～40%，t4取值范围1～3s。
（3）若当前为中低速工况，提高串并联切换车速Vk，减少串并联切换的频次，减少串并联切换过程中的能耗损失。其中，Vk取值大于V4+△V， V4取值20～30km/h，△V取值3～5km/h。
（4）若当前为拥堵工况，串联发电的SOC阈值降低到当前SOC-△SOC，同时限定最低发电SOC阈值SOC_min，尽可能处于纯电运行模式，有利于降低实际运营油耗/气耗，△SOC取值范围10%～30%，SOC_min取值范围20%～30%。
（5）若当前为急加速急减速工况，主动降低驱动加速度限制的阈值a_lim，降低驱动扭矩变化斜率限制为△T3。a_lim取值范围1.6～2.0m/s2，△T3取值范围500～1000Nm/s。
（6）若当前为循环工况，由整车控制器自动对工况车速进行跟随辅助控制，通过PI控制扭矩输出，减少司机操作差异对能耗结果的影响。当车速大于Vm且制动踏板开度大于BPSm持续一定时间t5时退出跟随辅助控制。其中，Vm取值范围5～10km/h，BPSm取值范围80%～90%，t5取值范围1～3s，跟随辅助控制P取值范围300～500，I取值范围5～10。
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

Claims (14)

1.一种基于实时工况识别的新能源客车自适应优化控制方法，其特征在于，包括以下步骤：
一、将新能源客车的行驶工况分为爬坡工况、高速工况、中低速工况、拥堵工况、急加速急减速工况以及循环工况；
二、对新能源客车的行驶工况进行实时稳定识别；
三、针对每一类道路工况实行相应的优化控制，具体的优化控制算法包括：（1）若当前为爬坡工况，结合坡度识别
Figure DEST_PATH_IMAGE002
和车重估算
Figure DEST_PATH_IMAGE004
，计算实时坡道阻力
Figure DEST_PATH_IMAGE006
，实现主动防溜坡，并自动切换动力模式；（2）若当前为高速工况，当油门大于一定值APS1持续一定时间t6时采用正常驱动扭矩变化斜率限制为△T1，当油门小于一定值APS2持续一定时间t4时采用降低驱动扭矩变化斜率限制为△T2，维持驱动扭矩稳定；（3）若当前为中低速工况，提高串并联切换车速Vk，减少串并联切换的频次，减少串并联切换过程中的能耗损失；（4）若当前为拥堵工况，串联发电的SOC阈值降低到当前SOC-△SOC，同时限定最低发电SOC阈值SOC_min，尽可能处于纯电运行模式；（5）若当前为急加速急减速工况，主动降低驱动加速度限制的阈值a_lim，降低驱动扭矩变化斜率限制为△T3；（6）若当前为循环工况，由整车控制器自动对工况车速进行跟随辅助控制，通过PI控制扭矩输出，减少司机操作差异对能耗结果的影响。
2.如权利要求1所述的一种基于实时工况识别的新能源客车自适应优化控制方法，其特征在于：所述爬坡工况稳定识别包括静态坡道起步识别和动态爬坡工况识别，所述静态坡道起步识别是采用坡道传感器检测静态坡度值，并在车辆起步过程中，将静态坡度值代入车辆动力学方程，估算出车重：
Figure DEST_PATH_IMAGE008
，其中，
Figure DEST_PATH_IMAGE010
为电机驱动扭矩，
Figure DEST_PATH_IMAGE012
为变速箱速比，
Figure DEST_PATH_IMAGE014
为主减速比，
Figure DEST_PATH_IMAGE016
为传动效率，r为轮胎半径，
Figure 423210DEST_PATH_IMAGE002
为静态坡度值，g为重力加速度，a为车辆加速度，f为滚动阻力系数，取f=0.0076+0.000056v，v为车速；所述动态爬坡工况识别是油门大于一定值APS0持续一定时间t0，同时，车辆加速度小于正常加速度的一定比例K1持续一定时间t0，其中，正常加速度的估算基于车重估算和当前驱动扭矩大小；非爬坡工况识别是车辆加速度大于正常加速度的一定比例K2且持续一定时间t0；所述APS0取值范围80%～95%，t0取值范围3～5s，K1取值范围50%～60%，K2取值范围80%～90%。
3.如权利要求1所述的一种基于实时工况识别的新能源客车自适应优化控制方法，其特征在于：所述高速工况稳定识别是一定时间t1内的平均车速在一定车速V1以上，且该段时间内最低车速不低于一定值V2；非高速工况识别是一定时间t1内的平均车速小于一定车速V1-△V；所述t1取值5～10s，V1取值50～60km/h，V2取值40～45km/h，△V取值3～5km/h。
4.如权利要求1所述的一种基于实时工况识别的新能源客车自适应优化控制方法，其特征在于：所述中低速工况稳定识别是一定时间t1内的平均车速在一定车速范围内V3～V4；同时，该段时间t1内最高车速不高于一定值V5；非中低速工况识别是一定时间t1内的平均车速大于一定车速V4+△V或小于V3-△V持续一定时间t0；其中，t1取值5～10s，V3取值10～15km/h，V4取值25～30km/h，V5取值35～40km/h，△V取值3～5km/h。
5.如权利要求1所述的一种基于实时工况识别的新能源客车自适应优化控制方法，其特征在于：所述拥堵工况稳定识别是一定时间t1内的平均车速在V6～V7，同时，该段时间t1内最高车速不高于一定值V8；非拥堵工况算法识别是一定时间t1内的平均车速大于一定车速V7+△V持续一定时间t0；其中，t1取值5～10s，V6取值0～5km/h，V7取值10～15km/h，V8取值20～25km/h，△V取值3～5km/h。
6.如权利要求1所述的一种基于实时工况识别的新能源客车自适应优化控制方法，其特征在于：所述急加速急减速工况稳定识别是一定时间t5内的平均加速度大于一定值a1，判断为急加速工况；一定时间t5内的平均减速度绝对值大于一定值a1，判断为急减速工况；其中，t5取值范围1～3s，a1取值范围2～3m/s2。
7.如权利要求1所述的一种基于实时工况识别的新能源客车自适应优化控制方法，其特征在于：所述循环工况稳定识别是将循环工况预先写进控制模型，当进入行车模式后实际车速开始大于一定值V0时，从该时刻开始进行工况比对，若实际车速与理论工况车速偏差持续一定时间t2都小于设定偏差△V1，则输出对应循环工况识别结果；非循环工况算法识别是实际车速与理论工况车速偏差持续一定时间t3都大于设定偏差△V2，或驾驶员需求扭矩与循环工况需求扭矩差别大于一定值△T持续一定时间t4；其中，V0取值范围1～2km/h，△V1取值范围2～3km/h，△V2取值范围4～5km/h ，t2取值范围10～20s，t3取值范围1～3s，t4取值范围0.5～1s，△T取值范围200～400Nm。
8.如权利要求1所述的一种基于实时工况识别的新能源客车自适应优化控制方法，其特征在于：所述步骤三的优化控制算法中，在爬坡工况下，若车辆带有用电磁阀控制的停车制动功能，当实际驱动力大于实时坡道阻力时才控制电磁阀解除停车制动。
9.如权利要求1所述的一种基于实时工况识别的新能源客车自适应优化控制方法，其特征在于：所述步骤三的优化控制算法中，高速工况下的△T1与△T2取值范围为：500Nm/s<△T2<△T1<2000Nm/s，APS1取值范围50%～60%，APS2取值范围30%～40%，t4取值范围1～3s。
10.如权利要求1所述的一种基于实时工况识别的新能源客车自适应优化控制方法，其特征在于：所述步骤三的优化控制算法中，中低速工况下的Vk取值大于V4+△V，V4取值20～30km/h，△V取值3～5km/h。
11.如权利要求1所述的一种基于实时工况识别的新能源客车自适应优化控制方法，其特征在于：所述步骤三的优化控制算法中，拥堵工况下的△SOC取值范围10%～30%，SOC_min取值范围20%～30%。
12.如权利要求1所述的一种基于实时工况识别的新能源客车自适应优化控制方法，其特征在于：所述步骤三的优化控制算法中，急加速急减速工况下的a_lim取值范围1.6～2.0m/s2，△T3取值范围500～1000Nm/s。
13.如权利要求1所述的一种基于实时工况识别的新能源客车自适应优化控制方法，其特征在于：所述步骤三的优化控制算法中，在循环工况下，若车速大于Vm且制动踏板开度大于BPSm持续一定时间t5时退出跟随辅助控制。
14.如权利要求13所述的一种基于实时工况识别的新能源客车自适应优化控制方法，其特征在于：所述Vm取值范围5～10km/h，BPSm取值范围80%～90%，t5取值范围1～3s，跟随辅助控制P取值范围300～500，I取值范围5～10。
CN202010940638.9A 2020-09-09 2020-09-09 一种基于实时工况识别的新能源客车自适应优化控制方法 Active CN112009267B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010940638.9A CN112009267B (zh) 2020-09-09 2020-09-09 一种基于实时工况识别的新能源客车自适应优化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010940638.9A CN112009267B (zh) 2020-09-09 2020-09-09 一种基于实时工况识别的新能源客车自适应优化控制方法

Publications (2)

Publication Number Publication Date
CN112009267A CN112009267A (zh) 2020-12-01
CN112009267B true CN112009267B (zh) 2022-02-08

Family

ID=73521367

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010940638.9A Active CN112009267B (zh) 2020-09-09 2020-09-09 一种基于实时工况识别的新能源客车自适应优化控制方法

Country Status (1)

Country Link
CN (1) CN112009267B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112937315B (zh) * 2021-03-31 2022-12-09 长安大学 一种提高电动客车起步平顺性的***及方法
CN117565697B (zh) * 2024-01-15 2024-04-16 合众新能源汽车股份有限公司 车辆极速加载工况下扭矩响应控制方法、装置和电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002145168A (ja) * 2000-11-17 2002-05-22 Matsushita Electric Ind Co Ltd 補助動力装置付き車輌とその制御方法
CN1927609A (zh) * 2006-10-11 2007-03-14 芦晓民 具有车速适应能力的电机驱动***及该***的控制方法
CN102849062A (zh) * 2012-09-18 2013-01-02 中国第一汽车股份有限公司 一种增程式电动汽车的驱动控制方法
CN105416077A (zh) * 2015-12-01 2016-03-23 北京理工大学 一种电动汽车的能量管理***及管理方法
CN106515511A (zh) * 2016-12-14 2017-03-22 重庆大学 一种面向能耗的纯电动汽车双电机动力***控制策略
CN108909454A (zh) * 2018-03-30 2018-11-30 东风商用车有限公司 一种车辆节能电控装置及其控制方法
CN111016873A (zh) * 2019-12-05 2020-04-17 浙江吉利汽车研究院有限公司 一种基于稳态发动机策略的能量管理方法和***

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101037093B (zh) * 2007-04-20 2011-02-16 成都理工大学 电磁耦合混合动力汽车驱动装置
CN101153654A (zh) * 2007-09-19 2008-04-02 同济大学 双离合器自动变速器同步器及挡位切换的自适应控制方法
CN100595085C (zh) * 2008-06-05 2010-03-24 上海交通大学 插电式集成起动发电机混合动力轿车驱动***
CN101920652B (zh) * 2009-06-17 2014-06-25 上海捷能汽车技术有限公司 一种车用串/并联双电机多离合器混合动力驱动单元
JP2011063186A (ja) * 2009-09-18 2011-03-31 Denso Corp 車両駆動制御装置
CN105235495B (zh) * 2015-10-23 2018-02-27 江苏大学 适应多工况的二档多模混合动力***及其控制方法
JP6326403B2 (ja) * 2015-12-25 2018-05-16 本田技研工業株式会社 ハイブリッド車両
CN105857302B (zh) * 2016-04-20 2019-04-05 郑州宇通客车股份有限公司 一种驾驶行为自动优化方法
CN107953801B (zh) * 2017-11-29 2018-12-07 吉林大学 一种全轮毂电机驱动车辆的驱动力控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002145168A (ja) * 2000-11-17 2002-05-22 Matsushita Electric Ind Co Ltd 補助動力装置付き車輌とその制御方法
CN1927609A (zh) * 2006-10-11 2007-03-14 芦晓民 具有车速适应能力的电机驱动***及该***的控制方法
CN102849062A (zh) * 2012-09-18 2013-01-02 中国第一汽车股份有限公司 一种增程式电动汽车的驱动控制方法
CN105416077A (zh) * 2015-12-01 2016-03-23 北京理工大学 一种电动汽车的能量管理***及管理方法
CN106515511A (zh) * 2016-12-14 2017-03-22 重庆大学 一种面向能耗的纯电动汽车双电机动力***控制策略
CN108909454A (zh) * 2018-03-30 2018-11-30 东风商用车有限公司 一种车辆节能电控装置及其控制方法
CN111016873A (zh) * 2019-12-05 2020-04-17 浙江吉利汽车研究院有限公司 一种基于稳态发动机策略的能量管理方法和***

Also Published As

Publication number Publication date
CN112009267A (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
CN112009267B (zh) 一种基于实时工况识别的新能源客车自适应优化控制方法
CN108045268B (zh) 纯电动汽车能量回收方法及***
US5453930A (en) Drive system for electric automobiles
CN1931643A (zh) 车辆控制器
JP6008425B2 (ja) ハイブリッド車両のオートクルーズ制御装置
CN112429046B (zh) 一种混合制动阶段的列车自动控制方法
CN107226081B (zh) 用于运行驱动装置的方法和用于混合动力汽车的驱动装置
CN111038275B (zh) 一种限制纯电动车辆超速的控制方法及装置
US11414064B2 (en) Hybrid vehicle and driving control method for the same
CN114312330B (zh) 一种电动汽车制动换挡控制方法及***
CN110667393B (zh) 一种纯电动物流车滑行能量的回收控制方法
CN112277657B (zh) 一种电动汽车节能控制方法、装置
US20180170383A1 (en) Method for controlling an actual speed of a motor vehicle
CN113459829B (zh) 一种基于路况预测的双电机电动汽车智能能量管理方法
CN107885953B (zh) 基于能量回收率的空行程阶段电机制动速度标定方法
CN116424101B (zh) 车辆滑行能量回收控制方法、电子设备和存储介质
CN1895924A (zh) 混合动力汽车电机制动减速过程的双参数控制方法
CN112339575A (zh) 一种新型新能源客车限速控制方法
CN113910920B (zh) 电动车基于驾驶模式的扭矩控制优化方法
CN115837844A (zh) 一种单踏板电动直驱车辆控制方法
CN115534698A (zh) 一种纯电动客车防溜坡控制方法及***
CN110979027B (zh) 一种纯电动客车经济模式的控制方法
CN112172543A (zh) 适用于牵引电动车辆的新型速度模式下的转矩控制方法
CN1882452A (zh) 用于降低机动车的燃料消耗的方法
WO2024045323A1 (zh) 电动汽车电液复合制动控制方法、***及电动汽车

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