CN112124299A - 一种智能网联新能源汽车分层式能耗优化方法 - Google Patents
一种智能网联新能源汽车分层式能耗优化方法 Download PDFInfo
- Publication number
- CN112124299A CN112124299A CN202010958502.0A CN202010958502A CN112124299A CN 112124299 A CN112124299 A CN 112124299A CN 202010958502 A CN202010958502 A CN 202010958502A CN 112124299 A CN112124299 A CN 112124299A
- Authority
- CN
- China
- Prior art keywords
- planning
- vehicle
- representing
- energy
- energy consumption
- 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
Images
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
- B60W20/12—Controlling the power contribution of each of the prime movers to meet required power demand using control strategies taking into account route information
-
- 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
- B60L15/2045—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 for optimising the use of energy
-
- 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
- B60W20/15—Control strategies specially adapted for achieving a particular effect
-
- 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
-
- 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
- Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
- Y02T10/84—Data processing systems or methods, management, administration
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Power Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及一种智能网联新能源汽车分层式能耗优化方法,其中决策规划层包括路径规划、动作规划以及轨迹规划,将前述三种规划分别与低能耗规划结合实现多目标***优化;车辆控制层通过能量管理模块在满足决策规划层的前提下,进行整个动力总成***的能量管管理;本发明将汽车整车能耗优化分为两层,分别为智能驾驶域的低能耗规划任务与在动力总成域的能量管理任务,从而实现智能网联新能源汽车分层式能耗优化。
Description
技术领域
本发明涉及一种智能网联新能源汽车分层式能耗优化方法,特别涉及一种将智能驾驶***的低能耗规划与新能源汽车动力***的能量管理两者协同的分层式能耗优化方法。
背景技术
随着智能网联汽车技术的快速发展,智能网联汽车的架构分为三层,第一层是环境感知层,通过车载传感器和网联设备的感知并获取复杂的交通环境信息;第二层是决策规划层,智能汽车驾驶***通过对将环境信息的理解,规划未来一段时间的行驶指令,进行避障与执行交通规则,可提升交通效率;第三层是控制层,执行决策规划层的指令,实现安全驾驶。同时,新能源汽车作为一种采用新型动力***,用驱动电机提供或辅助驱动力的汽车,相比传统燃油汽车,动力***更加高效。
将新能源汽车作为智能驾驶***的载体,可有效促进节能减排水平、交通效率和安全性的提升。智能化与电气化的发展趋势使得汽车搭载大量的电子控制器,汽车电子电气架构逐渐由传统分布式控制向域控制方向发展,域控制器可以将汽车电子各部分功能划分成几个领域,如动力总成域,智能座舱域和智能驾驶域等。通过将智能驾驶域的低能耗规划与动力总成域的能量管理相结合,并实施协同能耗优化,能够满足驾驶安全与交通效率的同时,进一步降低汽车的实际行驶能耗。
发明内容
本发明提供一种智能网联新能源汽车分层式能耗优化方法,将汽车整车能耗优化分为两层,分别为智能驾驶域的低能耗规划任务与在动力总成域的能量管理任务,从而实现智能网联新能源汽车分层式能耗优化。
本发明解决其技术问题所采用的技术方案是:
一种智能网联新能源汽车分层式能耗优化方法,包括感知层、决策规划层以及车辆控制层,感知层将获取的信息传递至决策规划层,决策规划层将规划结果输送至车辆控制层;
其中,决策规划层包括路径规划、动作规划以及轨迹规划,将前述三种规划分别与低能耗规划结合实现多目标***优化;
车辆控制层通过能量管理模块在满足决策规划层的前提下,进行整个动力总成***的能量管管理;
作为本发明的进一步优选,前述将路径规划与低能耗规划进行结合的步骤具体为:
第11步,获取智能网联新能源汽车的路径规划目标函数
其中,Eff(i)表示第i个路点的效率代价项,Saf(i)表示行车的安全项,Sta(i)表示全局参考路径稳定代价项,ω是各项系数;
第12步,将路径规划与低耗能规划结合,得到新的目标函数为
其中,Eff(i)表示第i个路点的效率代价项,Saf(i)表示行车的安全项,Sta(i)表示全局参考路径稳定代价项,Cost(i)表示第i个路点与第i-1个路点之间消耗的能耗,ω是各项系数;
作为本发明的进一步优选,前述将动作规划与低能耗规划进行结合的步骤具体为:
通过对若干目标赋予权重系数,获取车辆的动作规划与低能耗规划的目标函数为
其中xeff表示道路交通通行效率,xsaf表示交通安全系数,cost表示行车与整个交通能耗,λ是各项系数;
作为本发明的进一步优选,前述将轨迹规划与低能耗规划进行结合的步骤具体为:
第31步,获取车辆的动力学模型
其中,Fcf表示车辆前轮受到的侧向力,Fcr表示车辆前轮受到的纵向力,Flf表示车辆后轮受到的侧向力,Flr表示车辆后轮受到的纵向力,ψ表示偏航角速度,(X,Y)表示车身的当前坐标,(x,y)表示车辆全局坐标下的当前坐标,δf为车辆的前轮转角,Iz为车身在车辆坐标系下绕垂向转动的转动惯量,m表示车辆质量;
第32步,获取整个动力总成模型
其中,m表示车辆质量,δ表示质量系数,CD表示空气阻力系数,A表示迎风面积,g表示重力加速度,α(t)表示坡度;
第33步,获取轨迹规划与低能耗规划的优化目标函数
其中,公式(10)需满足-δcar≤δf≤δcar,0≤Preq≤Pcar,δcar表示该车辆的最大前轮转角,Pcar表示汽车最大输出功率,smo(i)项表示轨迹的平顺性,Gui(i)项表示实际轨迹与参考轨迹的偏离程度,obs(i)表示障碍物对轨迹的危险程度,e(i)表示轨迹的能耗,t表示各项系数;
作为本发明的进一步优选,在满足决策规划层的前提下,进行整个动力总成***的能量管理,由于新能源汽车包含内燃机、电机以及多个电机耦合驱动的多电机驱动***,因此驱动***的功率平衡方程为
Prep=Pe+Pm+Pb (11)
其中,Preq表示功率平衡方程,Pe表示内燃机,Pm表示驱动电机,Pb表示反馈制动;
在公式(11)中,多电机驱动***的主要动力源为若干驱动电机,因此驱动***的功率平衡方程为
Prep=Pm1+Pm2+Pb (12)
其中,Pm1、Pm2表示若干个驱动电机,Pb表示反馈制动;
接着获取驱动电机以及其他动力源工作点分布的高效率区间
Fuel=σENG(ωENG,TENG) (13)
E=σMG1(ωMG,TMG) (14)
其中,Fuel表示发动机的瞬时油耗,ωENG表示发动机的转速,TENG表示发动机的转矩,E表示电机的瞬时电耗,ωMG表示电机的转速,TMG表示电机的转矩;最终获取整个动力总成***的能量管理优化目标函数
其中,Je表示能量代价函数,E(t)表示整个动力总成***的电耗,Fuel(t)表示在时间t内的油耗,P(t)表示新能源汽车内其他电子***的功耗。
通过以上技术方案,相对于现有技术,本发明具有以下有益效果:
1、本发明在不增加额外硬件成本和少量计算资源的条件下,将汽车能耗作为智能网联汽车决策规划层的其中一个优化目标,实现低能耗规划;
2、本发明的动力总成***合理利用能耗规划信息实现更精细化的能量管理,提升车辆动力性、操纵舒适性与能量利用效率。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明提供的智能网联新能源汽车能耗优化的结构示意图;
图2是本发明提供的智能网联新能源汽车能耗优化的分层控制架构。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
为了进一步降低汽车的实际行驶能耗,本申请旨提供一种智能网联新能源汽车分层式能耗优化方法,如图1所示,智能驾驶域与动力总成域之间建立信息互通机制,将汽车动力总成的状态参数发送到智能感知与决策上层***,使得汽车决策规划层将能耗也作为优化目标之一,实现低能耗规划;最后动力***基于低能耗规划进行能量管理。
图2所示,本申请提供的优化方法中,基于的整个***包括感知层、决策规划层以及车辆控制层,智能驾驶域控制***通过车载传感器与高精度地图、车载通信设备等获取交通环境信息,如红绿灯状态、实时的交通流、前后车距离、驾驶场景、道路状态等等;这些交通信息用于规划未来一段时间的轨迹与路径,可以实现智能网联汽车在无人驾驶情况下安全驾驶。另外,动力总成域的控制***也会实时获取电池状态、动力需求、动力输出等动力***信息;其中一些交通信息对汽车能耗产生影响,通过综合分析交通环境信息与动力***信息,可在决策规划层将低能耗也作为其中一个优化目标,实现多目标优化。
接着车辆控制层通过能量管理模块在满足决策规划层的前提下,进行整个动力总成***的能量管管理,新能源汽车能量管理的功能是在保证车辆动力性、操纵舒适性的同时,依据汽车实际运行工况和车辆部件特性及策略的不同,科学合理的将能量分配到动力***中,以提高车辆的能量利用率。由此可见工况信息是能量管理的前提,动力***在低能耗规划的基础下可实现更高效的能量管理和节能减排。
具体的,智能网联新能源汽车能耗优化的分层控制架构如图2所示,首先智能网联新能源汽车安装的传感器、联网设备和地图会对周围环境进行感知,得到一个数字化的交通环境模型;根据交通环境模型,可用于做相关的决策规划任务,得到智能网联汽车的未来行驶决策指令,具体包括:考虑低能耗规划的路径规划、动作规划和轨迹规划;最后,根据当前车辆模型获取的车辆状态实现车辆控制和任务执行,包括轨迹跟踪控制实现汽车底盘的横纵向运动控制,以及车辆动力总成***通过能量管理实现节能控制。
基于上述,本申请进行具体的优化操作:
一、将路径规划与低能耗规划进行结合,智能网联新能源汽车的路径规划是指基于全局地图数据库信息,给定汽车起始点和目标点后,按照性能指标规划出一条无碰撞、能安全到达目标点的有效路径。性能指标包括车辆的安全性、高效性、稳定性等指标,这是一个多目标优化问题,因此首先获取智能网联新能源汽车的路径规划目标函数
其中,Eff(i)表示第i个路点的效率代价项,以距离信息和花费的时间作为评价高效性的指标,在优化过程中,希望距离和时间代价尽可能地小;Saf(i)表示行车的安全项,其考虑路径是否与不可通行区域发生干涉,车辆距离不可通行区域越远车辆表示越安全;Sta(i)表示全局参考路径稳定代价项,全局参考路径应满足满足车辆运动学约束;ω是各项系数;
接着将路径规划与低耗能规划结合,得到新的目标函数为
其中,Eff(i)表示第i个路点的效率代价项,Saf(i)表示行车的安全项,Sta(i)表示全局参考路径稳定代价项,Cost(i)表示第i个路点与第i-1个路点之间消耗的能耗,期望智能网联新能源汽车选择的最优行驶路径满足能耗最小;ω是各项系数。
二、将动作规划与低能耗规划进行结合,智能网联新能源汽车的动作规划任务包括道路匝道处驶入驶出、道路交叉口转弯与直行、充电与加油、车道跟随、车辆编队、跟驰、换道或超车等动作。规划算法通常以交通安全、道路通行能力、行程时间可靠性、驾驶舒适性、交叉口通行能力。将车辆的动作规划与低能耗规划结合,进一步可实现交通能耗优化,特别在城市交通环境下,在红绿灯路口与交通拥堵驾驶环境下,如何采取一个合适的动作对车辆能耗影响极大。
通过对若干目标赋予权重系数,获取车辆的动作规划与低能耗规划的目标函数为
其中xeff表示道路交通通行效率,xsaf表示交通安全系数,cost表示行车与整个交通能耗,λ是各项系数;智能网联交通环境下,车辆的动作指令由云控平台下发给车辆,运控平台根据宏观交通信息得到一系列指令,部分指令由车辆根据当前所处环境决策。
三、将轨迹规划与低能耗规划进行结合,智能网联新能源汽车的轨迹规划指通过对小范围内车辆的行驶状态和环境信息的精确、可靠、高效感知,结合车辆动力学性能和时间因素,规划出车辆的行驶轨迹。规划的轨迹包括和时间相关的速度、加速度、行驶时间状态、轨迹的曲率;通过生成的运动可行轨迹簇中选取最优运动轨迹,兼顾车辆行驶安全性和舒适性。最后将轨迹信息传给运动控制***,运动控制***接收到规划轨迹的详细信息以后,对车辆的姿态进行控制使其沿着规划轨迹进行循迹行驶,以达到对智能车辆自动控制的目的。
将轨迹规划与低能耗规划结合,优化目标为寻找一条最优速度轨迹使得整个时域内车辆的安全性、舒适性和能耗经济性最大,规划的轨迹将会产生一条包含速度、加速度、时间、轨迹曲率、需求功率等状态的最优轨迹。因为需要综合考虑整车能耗,所以受控对象除了基本的车辆运动学模型,还需要考虑车辆动力学模型和动力总成模型。
首先考虑一个简单的车辆动力学模型
其中,Fcf表示车辆前轮受到的侧向力,Fcr表示车辆前轮受到的纵向力,Flf表示车辆后轮受到的侧向力,Flr表示车辆后轮受到的纵向力,ψ表示偏航角速度,(X,Y)表示车身的当前坐标,(x,y)表示车辆全局坐标下的当前坐标,δf为车辆的前轮转角,Iz为车身在车辆坐标系下绕垂向转动的转动惯量,m表示车辆质量;
接着考虑整个动力总成模型
其中,m表示车辆质量,δ表示质量系数,CD表示空气阻力系数,A表示迎风面积,g表示重力加速度,α(t)表示坡度;
以兼顾车辆行驶安全性、舒适性、轨迹误差、低能耗为目标,在备选轨迹中获取轨迹规划与低能耗规划的优化目标函数
其中,公式(10)需满足-δcar≤δf≤δcar,0≤Preq≤Pcar,δcar表示该车辆的最大前轮转角,Pcar表示汽车最大输出功率,smo(i)项表示轨迹的平顺性,Gui(i)项表示实际轨迹与参考轨迹的偏离程度,obs(i)表示障碍物对轨迹的危险程度,e(i)表示轨迹的能耗,t表示各项系数。
最后,在满足决策规划层的前提下,进行整个动力总成***的能量管理,智能网联新能源汽车的能量管理控制方法直接影响整车的动力性、经济性、舒适性和排放,依据汽车实际运行工况和车辆部件特性及策略的不同,智能网联新能源汽车基于低能耗规划进行能量管理,合理将能量分配到不同的***中,以提高车辆的能量利用率。多能源动力总成控制***、电机及其控制***和电池及其管理***技术是新能源汽车领域研究的核心。以混合动力的汽车为代表,由于新能源汽车包含内燃机和电机组成的耦合驱动***,以及由多个电机耦合驱动的多电机驱动***,因此不同驱动***的功率平衡方程为
Prep=Pe+Pm+Pb (11)
其中,内燃机和电机组成的耦合驱动***主要动力源为内燃机、驱动电机以及反馈制动,Preq表示功率平衡方程,Pe表示内燃机,Pm表示驱动电机,Pb表示反馈制动;
在公式(11)中,多电机驱动***的主要动力源为若干驱动电机和反馈制动,因此驱动***的功率平衡方程为
Prep=Pm1+Pm2+Pb (12)
其中,Pm1、Pm2表示若干个驱动电机,Pb表示反馈制动;
根据驾驶实际需求扭矩和实际车速,能量管理策略动态的分配不同动力源的驱动功率,使电机和其他动力源的工作点分布在高效率区间
Fuel=σENG(ωENG,TENG) (13)
E=σMG1(ωMG,TMG) (14)
其中,Fuel表示发动机的瞬时油耗,ωENG表示发动机的转速,TENG表示发动机的转矩,E表示电机的瞬时电耗,ωMG表示电机的转速,TMG表示电机的转矩;汽车动力***的能量管理的是一个优化控制问题,最终获取整个动力总成***的能量管理优化目标函数(即为最小化能耗)
其中,Je表示能量代价函数,E(t)表示整个动力总成***的电耗,Fuel(t)表示在时间t内的油耗,P(t)表示新能源汽车内其他电子***的功耗,这部分功耗由电池直接提供能量,包括汽车空调、显示器等驾驶舱内的电子***,以及车载计算单元、传感器等电子零部件能耗;对于智能网联新能源汽车的目标是使得时间t内油耗Fuel(t)最低,而且整个动力***的电耗E(t)也要最少。
总结上述内容,本申请提供的优化方法,第一层是智能驾驶的低能耗规划层,因为需要综合考虑整车能耗,所以受控对象除了基本的交通模型,还需要考虑车辆运动学模型,车辆动力学模型通过对轮胎和路面之间的复杂相互作用来描述车辆的运动,才能实现对车辆横向运动与纵向运动的控制;低能耗规划以当前环境和车辆模型的信息,属于多目标优化问题。第二层是动力***的能量管理层,以混合动力汽车、纯电动汽车、燃料电池汽车为代表的新能源汽车与传统车辆相比,新能源汽车引入了电机、电控和电池,为车辆运动提供了新的动力驱动方式,并极大提高了整车的节能空间。对于混合动力汽车和燃料电池汽车而言,能量管理策略可实现合理分配发动机、电池、电机、燃料电池单元等动力学***的输出功率,从而实现提高燃油经济性和降低排放等指标;对纯电动汽车,其驱动和制动过程、多电机驱动的转矩分配、换挡策略等都涉及到能量管理,来改善纯电动汽车能量利用率。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本申请中所述的“和/或”的含义指的是各自单独存在或两者同时存在的情况均包括在内。
本申请中所述的“连接”的含义可以是部件之间的直接连接也可以是部件间通过其它部件的间接连接。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (5)
1.一种智能网联新能源汽车分层式能耗优化方法,其特征在于:包括感知层、决策规划层以及车辆控制层,感知层将获取的信息传递至决策规划层,决策规划层将规划结果输送至车辆控制层;
其中,决策规划层包括路径规划、动作规划以及轨迹规划,将前述三种规划分别与低能耗规划结合实现多目标***优化;
车辆控制层通过能量管理模块在满足决策规划层的前提下,进行整个动力总成***的能量管管理。
4.根据权利要求3所述的智能网联新能源汽车分层式能耗优化方法,其特征在于:前述将轨迹规划与低能耗规划进行结合的步骤具体为:
第31步,获取车辆的动力学模型
其中,Fcf表示车辆前轮受到的侧向力,Fcr表示车辆前轮受到的纵向力,Flf表示车辆后轮受到的侧向力,Flr表示车辆后轮受到的纵向力,ψ表示偏航角速度,(X,Y)表示车身的当前坐标,(x,y)表示车辆全局坐标下的当前坐标,δf为车辆的前轮转角,Iz为车身在车辆坐标系下绕垂向转动的转动惯量,m表示车辆质量;
第32步,获取整个动力总成模型
其中,m表示车辆质量,δ表示质量系数,CD表示空气阻力系数,A表示迎风面积,g表示重力加速度,α(t)表示坡度;
第33步,获取轨迹规划与低能耗规划的优化目标函数
其中,公式(10)需满足-δcar≤δf≤δcar,0≤Preq≤Pcar,δcar表示该车辆的最大前轮转角,Pcar表示汽车最大输出功率,smo(i)项表示轨迹的平顺性,Gui(i)项表示实际轨迹与参考轨迹的偏离程度,obs(i)表示障碍物对轨迹的危险程度,e(i)表示轨迹的能耗,t表示各项系数。
5.根据权利要求4所述的智能网联新能源汽车分层式能耗优化方法,其特征在于:在满足决策规划层的前提下,进行整个动力总成***的能量管理,由于新能源汽车包含内燃机、电机以及多个电机耦合驱动的多电机驱动***,因此驱动***的功率平衡方程为
Prep=Pe+Pm+Pb (11)
其中,Preq表示功率平衡方程,Pe表示内燃机,Pm表示驱动电机,Pb表示反馈制动;
在公式(11)中,多电机驱动***的主要动力源为若干驱动电机,因此驱动***的功率平衡方程为
Prep=Pm1+Pm2+Pb (12)
其中,Pm1、Pm2表示若干个驱动电机,Pb表示反馈制动;
接着获取驱动电机以及其他动力源工作点分布的高效率区间
Fuel=σENG(ωENG,TENG) (13)
E=σMG1(ωMG,TMG) (14)
其中,Fuel表示发动机的瞬时油耗,ωENG表示发动机的转速,TENG表示发动机的转矩,E表示电机的瞬时电耗,ωMG表示电机的转速,TMG表示电机的转矩;最终获取整个动力总成***的能量管理优化目标函数
其中,Je表示能量代价函数,E(t)表示整个动力总成***的电耗,Fue l(t)表示在时间t内的油耗,P(t)表示新能源汽车内其他电子***的功耗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010958502.0A CN112124299B (zh) | 2020-09-14 | 2020-09-14 | 一种智能网联新能源汽车分层式能耗优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010958502.0A CN112124299B (zh) | 2020-09-14 | 2020-09-14 | 一种智能网联新能源汽车分层式能耗优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112124299A true CN112124299A (zh) | 2020-12-25 |
CN112124299B CN112124299B (zh) | 2021-11-02 |
Family
ID=73846623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010958502.0A Active CN112124299B (zh) | 2020-09-14 | 2020-09-14 | 一种智能网联新能源汽车分层式能耗优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112124299B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113246805A (zh) * | 2021-07-02 | 2021-08-13 | 吉林大学 | 考虑汽车驾驶舱温度的燃料电池功率管理控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101357616A (zh) * | 2008-09-27 | 2009-02-04 | 清华大学 | 智能环境友好型汽车结构 |
CN107168309A (zh) * | 2017-05-02 | 2017-09-15 | 哈尔滨工程大学 | 一种基于行为的多水下机器人路径规划方法 |
US20190004526A1 (en) * | 2017-06-29 | 2019-01-03 | Continental Automotive Systems, Inc. | Propulsion efficient autonomous driving strategy |
CN109291925A (zh) * | 2018-09-20 | 2019-02-01 | 厦门大学 | 一种节能型智能网联混合动力汽车跟车控制方法 |
US20190047553A1 (en) * | 2017-08-09 | 2019-02-14 | Hitachi, Ltd. | Method and system for collision avoidance |
-
2020
- 2020-09-14 CN CN202010958502.0A patent/CN112124299B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101357616A (zh) * | 2008-09-27 | 2009-02-04 | 清华大学 | 智能环境友好型汽车结构 |
CN107168309A (zh) * | 2017-05-02 | 2017-09-15 | 哈尔滨工程大学 | 一种基于行为的多水下机器人路径规划方法 |
US20190004526A1 (en) * | 2017-06-29 | 2019-01-03 | Continental Automotive Systems, Inc. | Propulsion efficient autonomous driving strategy |
US20190047553A1 (en) * | 2017-08-09 | 2019-02-14 | Hitachi, Ltd. | Method and system for collision avoidance |
CN109291925A (zh) * | 2018-09-20 | 2019-02-01 | 厦门大学 | 一种节能型智能网联混合动力汽车跟车控制方法 |
Non-Patent Citations (1)
Title |
---|
冯酉南: "某无人驾驶车辆路径规划算法设计与实验研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113246805A (zh) * | 2021-07-02 | 2021-08-13 | 吉林大学 | 考虑汽车驾驶舱温度的燃料电池功率管理控制方法 |
CN113246805B (zh) * | 2021-07-02 | 2022-07-19 | 吉林大学 | 考虑汽车驾驶舱温度的燃料电池功率管理控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112124299B (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhai et al. | Ecological cooperative look-ahead control for automated vehicles travelling on freeways with varying slopes | |
US10545503B2 (en) | Propulsion efficient autonomous driving strategy | |
WO2022241898A1 (zh) | 一种分层式燃料电池汽车节能驾驶方法 | |
CN105759753B (zh) | 基于v2x的混合动力汽车的能量管理优化控制方法 | |
Li et al. | Intelligent environment-friendly vehicles: Concept and case studies | |
CN106080579B (zh) | 一种基于悬架振动能量回收的混合动力汽车整车控制方法 | |
CN109291925B (zh) | 一种节能型智能网联混合动力汽车跟车控制方法 | |
Singh et al. | Feed-forward modeling and real-time implementation of an intelligent fuzzy logic-based energy management strategy in a series–parallel hybrid electric vehicle to improve fuel economy | |
CN114312845A (zh) | 基于地图数据的深度强化学习型混合动力汽车控制方法 | |
CN111532264A (zh) | 一种面向变坡度和变限速交通场景的智能网联汽车巡航车速优化方法 | |
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 | |
Liu et al. | Economic adaptive cruise control for a power split hybrid electric vehicle | |
CN105644566B (zh) | 一种基于车联网的电动汽车辅助换道轨迹的跟踪方法 | |
CN112124299B (zh) | 一种智能网联新能源汽车分层式能耗优化方法 | |
Xue et al. | An improved energy management strategy for 24t heavy-duty hybrid emergency rescue vehicle with dual-motor torque increasing | |
Wu et al. | A deep reinforcement learning based hierarchical eco-driving strategy for connected and automated HEVs | |
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 | |
Chen et al. | Deep Reinforcement Learning-Based Integrated Control of Hybrid Electric Vehicles Driven by Lane-Level High-Definition Map | |
Zhang et al. | Real-time optimization of energy consumption under adaptive cruise control for connected HEVs | |
Dahmane et al. | Stochastic mpc for optimal energy management strategy of hybrid vehicle performing acc with stop&go maneuvers | |
Heilmeier et al. | A quasi-steady-state lap time simulation for electrified race cars | |
Yi et al. | Energy efficient platooning of connected electrified vehicles enabled by a mixed hybrid electric powertrain architecture | |
Chu et al. | Energy optimal control of powertrain and air conditioning systems for connected EVs | |
US20220402508A1 (en) | Model Predictive Control of Multiple Components of a Motor Vehicle | |
Shahram et al. | Utilizing Speed Information Forecast in Energy Optimization of an Electric Vehicle with Adaptive Cruise Controller |
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 |