CN112193232A - 一种混合动力汽车自适应能量管理***及方法 - Google Patents

一种混合动力汽车自适应能量管理***及方法 Download PDF

Info

Publication number
CN112193232A
CN112193232A CN202011013209.3A CN202011013209A CN112193232A CN 112193232 A CN112193232 A CN 112193232A CN 202011013209 A CN202011013209 A CN 202011013209A CN 112193232 A CN112193232 A CN 112193232A
Authority
CN
China
Prior art keywords
vehicle
torque
module
braking
control module
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
Application number
CN202011013209.3A
Other languages
English (en)
Other versions
CN112193232B (zh
Inventor
施德华
刘盛
容香伟
汪少华
蔡英凤
陈龙
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.)
Jiangsu University
Original Assignee
Jiangsu University
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 Jiangsu University filed Critical Jiangsu University
Priority to CN202011013209.3A priority Critical patent/CN112193232B/zh
Publication of CN112193232A publication Critical patent/CN112193232A/zh
Application granted granted Critical
Publication of CN112193232B publication Critical patent/CN112193232B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
    • 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
    • B60W20/13—Controlling the power contribution of each of the prime movers to meet required power demand in order to stay within battery power input or output limits; in order to prevent overcharging or battery depletion
    • 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
    • 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
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/06—Combustion engines, Gas turbines
    • B60W2510/0604—Throttle position
    • 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
    • B60W2510/18—Braking system
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—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
    • 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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/18—Braking system
    • 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
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems
    • 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)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Hybrid Electric Vehicles (AREA)

Abstract

本发明公开了一种混合动力汽车自适应能量管理***及方法，该***包括模式判别模块、驱动控制模块、制动控制模块、转矩分配模块。模式判别模块判断车辆工作模式，并由驱动控制模块和制动控制模块采用相应的控制策略求解不同动力源的理想输出转矩，转矩分配模块进一步根据驱动控制模块或制动控制模块的输出量进行不同动力源输出转矩的分配，驱动控制模块采用等效燃油消耗最小控制策略。针对等效燃油消耗最小控制策略中固定等效因子工况适应性差的缺点，采用等效因子求解模块根据平均功率预测模块预测的路段平均需求功率和电池当前荷电状态进行等效因子的模糊自适应求解，从而显著改善大范围道路行驶条件下混合动力汽车的整车燃油经济性。

Description

一种混合动力汽车自适应能量管理***及方法
技术领域
本发明涉及一种混合动力汽车能量管理优化方法，属于混合动力汽车整车优化控制领域。
背景技术
中国已成为全球最大的单体汽车市场，传统燃油汽车导致的空气污染与能源紧缺问题也将愈发严峻，我国《节能与新能源汽车技术路线图》明确提出混合动力技术作为汽车节能技术之首值得大力发展。能量管理策略是改善混合动力汽车燃油经济性的关键，必须结合行之有效的能量管理策略才能使混合动力汽车充分发挥其节能减排的优势。目前，无论是基于规则的还是基于优化算法的能量管理策略都得到了广泛研究。其中，基于规则的策略预先定义一些逻辑门限值，并根据车辆的运行状态确定***工作模式和转矩分配，控制实现简单，实时性强，得到了广泛的工程应用，但控制效果依赖于专家经验的准确性，且无法满足复杂工况下的高效控制需求。基于全局优化的控制算法计算任务重，且需预先知道整个循环工况，无法用于车辆的在线控制，但求取的全局最优结果可以作为其他判断其他能力管理策略优劣的基准。
等效燃油消耗最小策略作为一种实时优化控制方法，将电池的电能消耗转化为相应的燃油消耗并结合发动机实际油耗构建整车总的等效油耗，通过使总等效油耗最小获取最优控制量，其实时性好，已经取得了较好的应用，但其仍然存在工况适应性差的缺陷，即固定的等效因子无法适用于大范围工况下的优化控制。随着智能交通技术、无线通信技术的发展，车辆在未来路段或时间内的路段特征信息可以预测求得，将预测信息与等效燃油消耗最小策略进行结合，构建基于预测信息的等效因子自适应方法对于提高等效燃油消耗最小策略在大范围路况下的自适应性具有重要意义，也有利于进一步提升等效燃油消耗最小策略的控制效果。
发明内容
本发明所要解决的技术问题是：避免采用固定等效因子的等效燃油消耗最小策略在不同工况下导致电池过充或过放，提高等效燃油消耗最小策略的工况适应性，从而改善大范围道路行驶条件下混合动力汽车的整车燃油经济性。针对该技术问题，本发明提出一种混合动力汽车自适应能量管理***与方法，利用预测的路段特征参数进行等效燃油消耗最小策略中等效因子的模糊自适应调节，从而有效地维持复杂路况下电池的充放电平衡，并改善车辆的燃油经济性。本发明所采用的技术方案为：
一种混合动力汽车自适应能量管理***和方法，所述自适应能量管理***包含模式判别模块、驱动控制模块、制动控制模块、转矩分配模块、平均功率预测模块以及等效因子求解模块，模式判别模块根据驾驶员加速踏板、制动踏板以及车速信号判断车辆处于驱动或制动模式，并将求得的模式信号传递给驱动控制模块、制动控制模块和转矩分配模块，当车辆处于驱动模式时，驱动控制模块确定最优发动机转矩和转速，当车辆处于制动模式时，制动控制模块在保证制动安全性的前提下确定电机再生制动力矩，转矩分配模块进一步根据驱动控制模块或制动控制模块求得的不同部件转矩以及模式判别模块确定的车辆工作模式信号求解其他部件的输出转矩。平均功率预测模块根据路段特征参数预测未来一段有限时域内车辆的平均需求功率，并输出到等效因子求解模块，等效因子求解模块周期性地确定等效因子，并输入到驱动控制模块。
优选地，平均功率预测模块预测未来一段有限时域内车辆的平均需求功率，需要的输入为预测时域内车辆的平均速度、速度标准差和平均加速度3个路段特征参数，所采用的平均需求功率预测模型为BP神经网络模型，且模型参数的获取基于样本工况离线求得，样本工况包含国际通用的标准循环工况及实际采集的车辆运行工况。
优选地，驱动控制模块采用等效燃油消耗最小策略进行能量的优化管理，制动控制模块采用最优制动能量回收策略确定再生制动力矩和摩擦制动力矩的分配，即当车辆总制动力矩小于最大再生制动力矩时，仅由电机再生制动力矩起作用，当总制动力矩大于再生制动力矩时，电机提供最大再生制动力矩，其余制动力矩由摩擦制动力矩提供。
优选地，等效因子求解模块采用模糊控制算法周期性地以时间或距离为间隔求解等效因子，等效因子求解模块的输入为预测的平均需求功率和电池当前荷电状态，输出为等效因子。
本发明技术方案提出的自适应能量管理方法包括以下步骤：
(1)确定混合动力汽车的类型和工作模式，建立车辆驱动和制动模式下发动机、电机以及需求转矩的稳态转速耦合方程和转矩耦合方程；
(2)根据加速踏板、制动踏板以及车速信号确定模式判别模块的混合动力汽车工作模式判断方法，并将确定的车辆驱动或制动模式信号输送给驱动控制模块、制动控制模块和转矩分配模块；
(3)针对车辆驱动过程，确定等效燃油消耗最小策略的目标函数和约束条件，采用等效因子将电池的电能消耗转化为相应的等效燃油消耗，建立的目标函数为
Figure BDA0002696856280000021
Figure BDA0002696856280000022
式中，
Figure BDA0002696856280000031
为包含发动机油耗
Figure BDA0002696856280000032
和电池等效燃油消耗
Figure BDA0002696856280000033
的总的等效燃油消耗，为等效燃油消耗最小策略的目标函数；sequ为等效因子；Hlhv为发动机燃油热值；ηbat表示电池的工作效率；PL为电池的负载功率，由混合动力汽车电机及电动附件工作功率决定；
约束条件包括发动机、电机等不同动力源的转速、转矩限值，以及电池的工作电流和电压限值；
(4)采用BP神经网络构建基于车辆平均速度、速度标准差和平均加速度三个路段特征参数的平均需求功率预测模型，基于样本工况进行BP神经网络的训练，确定模型参数；
(5)自适应能量管理***的平均功率预测模块根据平均需求功率预测模型基于未来一段时域内的平均速度、速度标准差和平均加速度预测相应的平均需求功率，并输入到等效因子求解模块；
(6)构建基于模糊控制的等效因子自适应求解方法，模糊控制器的输入变量为预测的平均需求功率和电池当前荷电状态，输出变量为等效因子，确定模糊控制规则、输入输出变量的论域和语言变量，等效因子自适应求解模块根据模糊控制确定当前的等效因子并输入到驱动控制模块；
(7)确定***控制变量，在驱动控制模块中，控制变量为发动机转矩和转速，当车辆处于驱动模式时，驱动控制模块根据步骤(3)建立的目标函数、约束条件以及步骤(6)确定的当前等效因子求得最优发动机转矩和转速，所需要的输入变量包括车辆加速踏板信号、实际车速以及电池荷电状态，并将求得的最优发动机转矩和转速输入到转矩分配模块；在制动控制模块中，控制变量为进行制动能量回收所采用电机的再生制动力矩和转速，当车辆处于制动模式时，制动控制模块根据最优制动能量回收策略确定电机再生制动力矩和转速，并输入到转矩分配模块；
(8)当车辆处于驱动模式时，转矩分配模块根据驱动控制模块求得的发动机最优转速和转矩以及步骤(1)所建立的***驱动模式稳态转矩耦合方程确定电机的输出转矩，当车辆处于制动模式时，转矩分配模块根据制动控制模块求得的电机的再生制动力矩和转速以及步骤(1)所建立的***制动模式稳态转矩耦合方程确定制动器的摩擦制动力矩，从而实现混合动力汽车不同动力源输出转矩的自适应优化分配；
优选地，在步骤(5)中，平均速度、速度标准差和平均加速度可以基于无线通信技术从交通信息中心获得，或者采用马尔科夫模型、自回归模型、BP神经网络模型基于当前车速和历史车速信息预测得到未来车速序列，并进一步求得未来车速序列的平均速度、速度标准差和平均加速度。
本发明的有益效果在于充分结合等效燃油消耗最小策略和车辆预测工况信息的优势，通过引入预测的路段特征参数信息实现对车辆驱动过程等效燃油消耗最小策略中等效因子的自适应调节，从而提高能量管理策略在复杂工况下的工况适应性，实现了大范围工况下整车能量的高效管理，对于进一步改善混合动力汽车的燃油经济性具有显著效果。
附图说明
图1是混合动力汽车自适应能量管理***示意图。
图2是基于行星排结构的混合动力汽车传动***示意图。
图3是基于BP神经网络的平均需求功率预测模型示意图。
图4是基于BP神经网络的未来车速序列预测模型示意图。
图5是基于模糊控制的等效因子自适应求解示意图。
图6是基于PI控制的发动机转速控制原理。
图2中：S1-前行星排太阳轮C1-前行星排行星架R1-前行星排齿圈S2-后行星排太阳轮C2-后行星排行星架R2-后行星排齿圈
图4中：t-当前时刻v(t)-当前时刻的车速v(t-1)-前一秒的车速v(t-2)-两秒前的车速v(t-Nhis+1)-Nhis-1秒前的车速v(t-Nhis)-Nhis秒前的车速v(t+1)-下一秒的车速v(t+2)-两秒后的车速v(t+Npre)-未来Npre秒时的车速Nhis-历史车速序列长度Npre-预测车速序列长度
图6中：ωEref-发动机最优转速TEref-发动机最优转矩ΔTG-发电机动态补偿转TGstat-发电机稳态输出转矩K1-前行星排特征参数ωE-发动机稳态转速TGref-发电机理想输出转矩
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
图1是本发明实施例拟采用的自适应能量管理***结构示意图。该***包含模式判别模块、驱动控制模块、制动控制模块、转矩分配模块、平均功率预测模块以及等效因子求解模块。模式判别模块根据驾驶员加速踏板、制动踏板以及车速信号判断车辆处于驱动或制动模式，并将求得的模式信号传递给驱动控制模块、制动控制模块和转矩分配模块。
当车辆处于驱动模式时，驱动控制模块采用等效燃油消耗最小策略进行能量的优化管理并确定最优发动机转矩和转速，针对固定等效因子导致的等效燃油消耗最小策略工况适应性差的缺陷，提出基于路段特征参数的等效因子自适应优化方法。其中，采用平均功率预测模块根据路段特征参数预测未来一段有限时域内车辆的平均需求功率，并输出到等效因子求解模块，由等效因子求解模块采用模糊控制算法根据预测的平均需求功率和电池当前荷电状态周期性地求解等效因子，实现对驱动控制模块中控制参数的更新。平均功率预测模块的输入为预测时域内车辆的平均速度、速度标准差和平均加速度3个路段特征参数，采用的平均需求功率预测模型为BP神经网络模型，且模型参数的获取基于样本工况离线求得，样本工况包含国际通用的标准循环工况及实际采集的车辆运行工况。
当车辆处于制动模式时，制动控制模块在保证制动安全性的前提下采用最优制动能量回收策略确定电机再生制动力矩。
转矩分配模块进一步根据驱动控制模块或制动控制模块求得的不同部件转矩以及模式判别模块确定的车辆工作模式信号求解其他部件的输出转矩。
为了进一步阐述本发明实施例所提出的自适应能量管理方法，以一款基于行星排结构的混合动力汽车为研究对象，其传动***示意图如图2所示，由包含两个行星排的动力耦合机构实现发动机、发电机和电动机输出动力的耦合，发动机与前行星排行星架C1相连，发电机与前行星排太阳轮S1相连，电动机与后行星排太阳轮S2相连，前行星排齿圈R1、后行星排行星架C2以及输出轴相连，***耦合的动力由输出轴输出。针对图2所示的混合动力汽车传动***，所采用的自适应能量管理方法包括如下步骤：
(1)确定混合动力汽车的类型为采用行星排结构的混联型，工作模式包含纯电动模式、混合动力模式、停车模式、停车充电模式、机械制动模式、再生制动模式。其中，纯电动模式、混合动力模式、停车模式和停车发电模式均可描述为驱动模式，并由驱动控制模块进行驱动模式下最优发动机转速转矩的求解；机械制动模式和再生制动模式统一为制动模式，由制动控制模块进行相应模式下的转矩分配求解。
当车辆处于驱动模式时，***的稳态转矩耦合方程为
Figure BDA0002696856280000051
式中，TE，TG和TM分别为发动机、发电机和电动机的输出转矩；Tout为输出轴所需的负载转矩；K1和K2分别为前行星排和后行星排的特征参数。
当车辆处于制动模式时，采用电动机进行再生制动能量的回收，发动机输出转矩为零，***的稳态转矩耦合方程为
Tbrk＝Treq-Treg_max (2)
式中，Tbrk和Treq分别为制动器提供的总的摩擦制动力矩和车轮处需要的总的制动力矩；Treg_max为电动机能提供的最大再生制动力矩在车轮处的等效再生制动力矩。采用最优制动能量回收策略进行再生制动力矩和摩擦制动力矩的分配，当车轮处需要的总的制动力矩Treq小于电动机的最大等效再生制动力矩Treg_max时，仅由电机再生制动力矩起作用，摩擦制动力矩Tbrk为零；当车轮处需要的总的制动力矩Treq大于电动机的最大等效再生制动力矩Treg_max时，电动机提供最大再生制动力矩，其余制动力矩由摩擦制动力矩***提供。
***的稳态转速耦合模型为
Figure BDA0002696856280000061
式中，ωE，ωG和ωM分别为发动机、发电机和电动机的稳态转速ωout表示输出轴的转速。
(2)根据加速踏板、制动踏板以及车速信号确定模式判别模块的混合动力汽车工作模式判断方法，并将确定的车辆驱动或制动模式信号输送给驱动控制模块、制动控制模块和转矩分配模块。如当加速踏板信号大于零或车速为零时，模式判别模块确定车辆工作在驱动模式，当制动踏板信号大于零时，模式判别模块确定车辆工作在制动模式。
(3)针对车辆驱动模式，采用等效因子将电池的电能消耗转化为相应的等效燃油消耗，建立的目标函数为
Figure BDA0002696856280000062
Figure BDA0002696856280000063
式中，
Figure BDA0002696856280000064
为包含发动机油耗
Figure BDA0002696856280000065
和电池等效燃油消耗
Figure BDA0002696856280000066
的总的等效燃油消耗，为等效燃油消耗最小策略的目标函数；sequ为等效因子；Hlhv为发动机燃油热值；ηbat表示电池的工作效率；PL为电池的负载功率，由混合动力汽车电机及电动附件工作功率决定。
约束条件包括发动机、电机等不同动力源的转速、转矩限值，以及电池的工作电流和电压限值，约束条件表示为
Figure BDA0002696856280000067
式中，Ibat和Ubat分别为电池的工作电流和电压；·，max和·，min分别表示相应变量的最大值和最小值。
(4)采用BP神经网络构建基于车辆平均速度、速度标准差和平均加速度三个路段特征参数的平均需求功率预测模型，预测模型示意图如图3所示。基于样本工况求解模型参数，所采用的样本工况包含国际通用的标准循环工况，如NEDC、UDDS以及WLTC等标准循环工况，也可根据目标车辆的实际运行环境进行相应运行工况的采集。针对样本工况，以时间或以路段长度为间隔进行划分，求解各路段的平均车速、速度标准差、平均加速度和平均需求功率，构成路段特征参数的样本数据库。基于样本数据训练神经网络模型，其中训练的输入为平均车速、速度标准差、平均加速度，训练的输出为平均需求功率，训练函数、学***均需求功率预测模型应用到平均功率预测模块，且可以根据车辆的实际运行工况周期性地离线更新模型参数，并输入到平均功率预测模块。
(5)未来一段时域内的平均速度、速度标准差和平均加速度可以通过多种方式求得，如采用马尔科夫模型、自回归模型、BP神经网络模型等现有车速预测模型，基于当前车速和历史车速信息获取未来有限时域内的车速序列，进一步进行平均速度、速度标准差和平均加速度3个路段特征参数的综合，也可由交通信息中心根据采集到的道路交通大数据信息进行道路平均速度、速度标准差和平均加速度等特征参数的云计算，并基于无线通信等技术由车载控制模块接收未来路段内的相应特征信息。本发明以采用3层的BP神经网络模型进行未来车速序列的预测为例，所构建的基于BP神经网络模型的未来车速序列预测方法如图4所示，预测模型的输入为当前车速v(t)和过去Nhis秒内的历史车速序列[v(t-1) v(t-2) ... v(t-Nhis+1)v(t-Nhis)]，输出为未来Npre秒的车速序列[v(t+1) v(t+2) ... v(t+Npre)]。基于预测的车速序列，平均速度vavg、速度标准差vstd和平均加速度aavg分别为
Figure BDA0002696856280000071
(6)采用模糊控制进行等效因子的求解，模糊控制器示意图如图5所示，输入变量为预测的平均需求功率和电池当前荷电状态，输出变量为等效因子，确定输入输出变量的论域和语言变量。根据不同工况下车辆的实际功率需求，定义平均需求功率的论域为[-15kW，30kW]，语言变量为{负大，负小，零，正小，正中，正大}；电池荷电状态的论域和语言变量分别为[0.4，0.7]和{负大，负小，零，正小，正大}，等效因子的输出论域为[1.3，3.5]，语言变量为{负大，负中，负小，零，正小，正中，正大}。通过制定模糊规则，可以根据平均需求功率和电池荷电状态求得适应当前预测时域内路段特征参数的等效因子，并输入到驱动控制模块，从而实现能量的优化分配。
(7)在驱动控制模块中，控制变量为发动机转矩和转速，当车辆处于驱动模式时，驱动控制模块根据步骤(3)建立的目标函数、约束条件以及步骤(6)确定的当前等效因子求得最优发动机转矩和转速，所需要的输入变量包括车辆加速踏板信号、实际车速以及电池荷电状态，并将求得的最优发动机转矩和转速输入到转矩分配模块；在制动控制模块中，控制变量为进行制动能量回收所采用电机的再生制动力矩和转速，当车辆处于制动模式时，制动控制模块根据最优制动能量回收策略确定电机再生制动力矩和转速，并输入到转矩分配模块。
(8)当车辆处于驱动模式时，转矩分配模块根据驱动控制模块求得的发动机最优转速ωEref和转矩TEref以及步骤(1)所建立的***驱动模式稳态转矩耦合方程确定发电机和电动机的稳态输出转矩，即
Figure BDA0002696856280000081
式中，TGstat和TMstat分别为发电机和电动机的稳态输出转矩，其中，电动机稳态输出转矩TMstat作为理想输出转矩TMref可以直接由转矩分配模块输出。针对本发明实施例具有两个自由度的行星排式混合动力结构，为了使发动机实际转速跟踪由等效燃油消耗最小策略确定的最优转速，转矩分配模块中还需设计基于PI控制的发动机调速器，如图6所示。PI调速器的输入为发动机理想转速与实际转速，输出为发电机的动态补偿转矩ΔTG，因此，转矩分配模块根据发动机最优转速ωEref和转矩TEref所确定的发电机理想输出转矩TGref为
TGref＝TGstat+ΔTG (9)
当车辆处于制动模式时，发动机输出转矩为零，发动机转速为怠速转速或零，转矩分配模块根据由制动控制模块求得的电机再生制动力矩以及步骤(1)所建立的***制动模式稳态转矩耦合方程确定制动器的摩擦制动力矩，为了进行发动机的调速，转矩分配模块根据发动机转速ωEref确定的发电机理想输出转矩TGref为
TGref＝ΔTG (10)

Claims (6)

1.一种混合动力汽车自适应能量管理***，其特征在于，所述自适应能量管理***包含模式判别模块、驱动控制模块、制动控制模块、转矩分配模块、平均功率预测模块以及等效因子求解模块，模式判别模块根据驾驶员加速踏板、制动踏板以及车速信号判断车辆处于驱动或制动模式，并将求得的模式信号传递给驱动控制模块、制动控制模块和转矩分配模块；当车辆处于驱动模式时，驱动控制模块确定最优发动机转矩和转速，当车辆处于制动模式时，制动控制模块在保证制动安全性的前提下确定电机再生制动力矩，转矩分配模块进一步根据驱动控制模块或制动控制模块求得的不同部件转矩以及模式判别模块确定的车辆工作模式信号求解其他部件的输出转矩；平均功率预测模块根据路段特征参数预测未来一段有限时域内车辆的平均需求功率，并输出到等效因子求解模块，等效因子求解模块周期性地确定等效因子，输入到驱动控制模块。
2.根据权利要求1所述的一种混合动力汽车自适应能量管理***，其特征在于，所述平均功率预测模块预测未来一段有限时域内车辆的平均需求功率，所需要的输入为预测时域内车辆的平均速度、速度标准差和平均加速度3个路段特征参数，所采用的平均需求功率预测模型为BP神经网络模型，且模型参数的获取基于样本工况离线求得，样本工况包含国际通用的标准循环工况及实际采集的车辆运行工况。
3.根据权利要求1所述的一种混合动力汽车自适应能量管理***，其特征在于，所述驱动控制模块采用等效燃油消耗最小策略进行能量的优化管理，所述制动控制模块采用最优制动能量回收策略确定再生制动力矩和摩擦制动力矩的分配，即当车辆总制动力矩小于最大再生制动力矩时，仅由电机再生制动力矩起作用，当总制动力矩大于再生制动力矩时，电机提供最大再生制动力矩，其余制动力矩由摩擦制动力矩提供。
4.根据权利要求1所述的一种混合动力汽车自适应能量管理***，其特征在于，所述等效因子求解模块采用模糊控制算法周期性地以时间或距离为间隔求解等效因子，等效因子求解模块的输入为预测的平均需求功率和电池当前荷电状态，输出为等效因子。
5.根据权利要求1所述的一种混合动力汽车自适应能量管理方法，其特征在于，所述自适应能量管理方法包括以下步骤：
(1)确定混合动力汽车的类型和工作模式，建立车辆驱动和制动模式下发动机、电机以及需求转矩的稳态转速耦合方程和转矩耦合方程；
(2)根据加速踏板、制动踏板以及车速信号确定模式判别模块的混合动力汽车工作模式判断方法，并将确定的车辆驱动或制动模式信号输送给驱动控制模块、制动控制模块和转矩分配模块；
(3)针对车辆驱动过程，确定等效燃油消耗最小策略的目标函数和约束条件，采用等效因子将电池的电能消耗转化为相应的等效燃油消耗，建立的目标函数为
Figure FDA0002696856270000021
Figure FDA0002696856270000022
式中，
Figure FDA0002696856270000023
为包含发动机油耗
Figure FDA0002696856270000024
和电池等效燃油消耗
Figure FDA0002696856270000025
的总的等效燃油消耗，为等效燃油消耗最小策略的目标函数；sequ为等效因子；Hlhv为发动机燃油热值；ηbat表示电池的工作效率；PL为电池的负载功率，由混合动力汽车电机及电动附件工作功率决定；约束条件包括发动机、电机等不同动力源的转速、转矩限值，以及电池的工作电流和电压限值；
(4)采用BP神经网络构建基于车辆平均速度、速度标准差和平均加速度三个路段特征参数的平均需求功率预测模型，采用BP神经网络构建预测模型时，基于样本工况进行BP神经网络的训练，确定模型参数；
(5)自适应能量管理***的平均功率预测模块根据平均需求功率预测模型基于未来一段时域内的平均速度、速度标准差和平均加速度预测相应的平均需求功率，并输入到等效因子求解模块；
(6)构建基于模糊控制的等效因子自适应求解方法，模糊控制器的输入变量为预测的平均需求功率和电池当前荷电状态，输出变量为等效因子，确定模糊控制规则、输入输出变量的论域和语言变量，等效因子自适应求解模块根据模糊控制确定当前的等效因子并输入到驱动控制模块；
(7)确定***控制变量，在驱动控制模块中，控制变量为发动机转矩和转速，当车辆处于驱动模式时，驱动控制模块根据步骤(3)建立的目标函数、约束条件以及步骤(6)确定的当前等效因子求得最优发动机转矩和转速，所需要的输入变量包括车辆加速踏板信号、实际车速以及电池荷电状态，并将求得的最优发动机转矩和转速输入到转矩分配模块；在制动控制模块中，控制变量为进行制动能量回收所采用电机的再生制动力矩和转速，当车辆处于制动模式时，制动控制模块根据最优制动能量回收策略确定电机再生制动力矩和转速，并输入到转矩分配模块；
(8)当车辆处于驱动模式时，转矩分配模块根据驱动控制模块求得的发动机最优转速和转矩以及步骤(1)所建立的***驱动模式稳态转矩耦合方程确定电机的输出转矩，当车辆处于制动模式时，转矩分配模块根据制动控制模块求得的电机的再生制动力矩和转速以及步骤(1)所建立的***制动模式稳态转矩耦合方程确定制动器的摩擦制动力矩，从而实现混合动力汽车不同动力源输出转矩的自适应优化分配。
6.根据权利要求5所述的一种混合动力汽车自适应能量管理方法，其特征在于，所述步骤(5)中，平均速度、速度标准差和平均加速度可以基于无线通信技术从交通信息中心获得，或者采用BP神经网络模型基于当前车速和历史车速信息预测得到未来车速序列，并进一步求得未来车速序列的平均速度、速度标准差和平均加速度。
CN202011013209.3A 2020-09-23 2020-09-23 一种混合动力汽车自适应能量管理***及方法 Active CN112193232B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011013209.3A CN112193232B (zh) 2020-09-23 2020-09-23 一种混合动力汽车自适应能量管理***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011013209.3A CN112193232B (zh) 2020-09-23 2020-09-23 一种混合动力汽车自适应能量管理***及方法

Publications (2)

Publication Number Publication Date
CN112193232A true CN112193232A (zh) 2021-01-08
CN112193232B CN112193232B (zh) 2021-10-12

Family

ID=74014556

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011013209.3A Active CN112193232B (zh) 2020-09-23 2020-09-23 一种混合动力汽车自适应能量管理***及方法

Country Status (1)

Country Link
CN (1) CN112193232B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112776610A (zh) * 2021-02-25 2021-05-11 北京工业大学 一种电动汽车再生制动***的控制方法
CN112793428A (zh) * 2021-02-25 2021-05-14 合肥工业大学 一种汽车制动能量回收***的工况识别与匹配控制方法
CN113264032A (zh) * 2021-04-16 2021-08-17 中国重汽集团济南动力有限公司 一种混合动力车的能量管理方法、装置和***
CN113459791A (zh) * 2021-06-29 2021-10-01 广东工业大学 一种混合动力电动汽车及应用其的能量管理控制方法
CN113682292A (zh) * 2021-03-11 2021-11-23 中国科学院广州能源研究所 Cvt并联型混合动力汽车的实时预测能量管理方法及装置
CN113771827A (zh) * 2021-08-30 2021-12-10 江苏大学 基于有限时间状态扩张观测器与时滞补偿控制器的混合动力汽车模式切换协调控制方法
US11230288B1 (en) * 2020-09-28 2022-01-25 GM Global Technology Operations LLC Optimized regenerative braking for hybrid electric vehicle (HEV) powertrain configurations
CN115214691A (zh) * 2022-08-03 2022-10-21 武汉理工大学 汽车行驶车速预测方法、装置、电子设备以及存储介质

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007269255A (ja) * 2006-03-31 2007-10-18 Fuji Heavy Ind Ltd ハイブリッド車両の駆動制御装置
JP2008279803A (ja) * 2007-05-08 2008-11-20 Nissan Motor Co Ltd ハイブリッド車両の充電制御装置
JP2010202114A (ja) * 2009-03-05 2010-09-16 Nissan Motor Co Ltd ハイブリッド車両の制御装置
CN102975713A (zh) * 2012-12-14 2013-03-20 清华大学 基于模型预测控制的混合动力汽车控制方法
CN106080585A (zh) * 2016-06-22 2016-11-09 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
CN106080579A (zh) * 2016-06-17 2016-11-09 江苏大学 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
WO2016199247A1 (ja) * 2015-06-10 2016-12-15 日産自動車株式会社 ハイブリッド車両のエネルギ管理制御装置
CN106427989A (zh) * 2016-10-14 2017-02-22 上海汽车变速器有限公司 用于插电式混合动力汽车的模式集成优化能量控制实现方法
CN106427990A (zh) * 2016-12-16 2017-02-22 上汽大众汽车有限公司 混合动力***及其能量管理方法
KR101816247B1 (ko) * 2016-12-09 2018-01-08 현대오트론 주식회사 요구 출력 변화에 따른 하이브리드 차량의 엔진과 모터의 동력분배방법
CN108515963A (zh) * 2018-03-16 2018-09-11 福州大学 一种基于its***的插电式混合动力汽车能量管理方法
CN108528436A (zh) * 2018-01-18 2018-09-14 合肥工业大学 一种内外层嵌套的ecms多目标双层优化方法
US20180370522A1 (en) * 2017-06-21 2018-12-27 Ford Global Technologies, Llc Hev energy management for high performance operation
CN109733378A (zh) * 2018-12-19 2019-05-10 江苏大学 一种线下优化线上预测的转矩分配方法
CN109747625A (zh) * 2018-12-11 2019-05-14 同济大学 一种混合动力车辆复合式能量管理方法
CN110239512A (zh) * 2019-05-10 2019-09-17 浙江吉利控股集团有限公司 一种混合动力车辆的能量管理方法及***
CN110562239A (zh) * 2019-08-28 2019-12-13 武汉理工大学 基于需求功率预测的变域最优能量管理控制方法及装置
CN110929920A (zh) * 2019-11-05 2020-03-27 中车戚墅堰机车有限公司 一种基于工况识别的混合动力列车能量管理方法
CN110936949A (zh) * 2019-12-12 2020-03-31 湖北文理学院 基于行驶工况的能量控制方法、设备、存储介质及装置
CN111198501A (zh) * 2020-01-14 2020-05-26 浙江工业大学 一种由rbf神经网络确定燃油等效因子的方法
CN111267831A (zh) * 2020-02-28 2020-06-12 南京航空航天大学 一种混合动力车辆智能变时域模型预测能量管理方法

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007269255A (ja) * 2006-03-31 2007-10-18 Fuji Heavy Ind Ltd ハイブリッド車両の駆動制御装置
JP2008279803A (ja) * 2007-05-08 2008-11-20 Nissan Motor Co Ltd ハイブリッド車両の充電制御装置
JP2010202114A (ja) * 2009-03-05 2010-09-16 Nissan Motor Co Ltd ハイブリッド車両の制御装置
CN102975713A (zh) * 2012-12-14 2013-03-20 清华大学 基于模型预测控制的混合动力汽车控制方法
WO2016199247A1 (ja) * 2015-06-10 2016-12-15 日産自動車株式会社 ハイブリッド車両のエネルギ管理制御装置
CN106080579A (zh) * 2016-06-17 2016-11-09 江苏大学 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
CN106080585A (zh) * 2016-06-22 2016-11-09 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
CN106427989A (zh) * 2016-10-14 2017-02-22 上海汽车变速器有限公司 用于插电式混合动力汽车的模式集成优化能量控制实现方法
KR101816247B1 (ko) * 2016-12-09 2018-01-08 현대오트론 주식회사 요구 출력 변화에 따른 하이브리드 차량의 엔진과 모터의 동력분배방법
CN106427990A (zh) * 2016-12-16 2017-02-22 上汽大众汽车有限公司 混合动力***及其能量管理方法
US20180370522A1 (en) * 2017-06-21 2018-12-27 Ford Global Technologies, Llc Hev energy management for high performance operation
CN108528436A (zh) * 2018-01-18 2018-09-14 合肥工业大学 一种内外层嵌套的ecms多目标双层优化方法
CN108515963A (zh) * 2018-03-16 2018-09-11 福州大学 一种基于its***的插电式混合动力汽车能量管理方法
CN109747625A (zh) * 2018-12-11 2019-05-14 同济大学 一种混合动力车辆复合式能量管理方法
CN109733378A (zh) * 2018-12-19 2019-05-10 江苏大学 一种线下优化线上预测的转矩分配方法
CN110239512A (zh) * 2019-05-10 2019-09-17 浙江吉利控股集团有限公司 一种混合动力车辆的能量管理方法及***
CN110562239A (zh) * 2019-08-28 2019-12-13 武汉理工大学 基于需求功率预测的变域最优能量管理控制方法及装置
CN110929920A (zh) * 2019-11-05 2020-03-27 中车戚墅堰机车有限公司 一种基于工况识别的混合动力列车能量管理方法
CN110936949A (zh) * 2019-12-12 2020-03-31 湖北文理学院 基于行驶工况的能量控制方法、设备、存储介质及装置
CN111198501A (zh) * 2020-01-14 2020-05-26 浙江工业大学 一种由rbf神经网络确定燃油等效因子的方法
CN111267831A (zh) * 2020-02-28 2020-06-12 南京航空航天大学 一种混合动力车辆智能变时域模型预测能量管理方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
施德华;蔡英凤;汪少华;陈龙;朱镇: "***效率最优的功率分流式混合动力汽车非线性预测控制", 《浙江大学学报(工学版)》 *
汪少华，李佳芯，施德华，孙晓强: "基于传动效率最优的功率分流式混合动力汽车控制", 《江苏大学学报（自然科学版）》 *
郭金刚，董昊轩，盛伟辉，凃超: "电动汽车再生制动能力回收最优控制策略", 《江苏大学学报（自然科学版）》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11230288B1 (en) * 2020-09-28 2022-01-25 GM Global Technology Operations LLC Optimized regenerative braking for hybrid electric vehicle (HEV) powertrain configurations
CN112776610A (zh) * 2021-02-25 2021-05-11 北京工业大学 一种电动汽车再生制动***的控制方法
CN112793428A (zh) * 2021-02-25 2021-05-14 合肥工业大学 一种汽车制动能量回收***的工况识别与匹配控制方法
CN112793428B (zh) * 2021-02-25 2022-04-01 合肥工业大学 一种汽车制动能量回收***的工况识别与匹配控制方法
CN113682292A (zh) * 2021-03-11 2021-11-23 中国科学院广州能源研究所 Cvt并联型混合动力汽车的实时预测能量管理方法及装置
CN113264032A (zh) * 2021-04-16 2021-08-17 中国重汽集团济南动力有限公司 一种混合动力车的能量管理方法、装置和***
CN113264032B (zh) * 2021-04-16 2022-05-03 中国重汽集团济南动力有限公司 一种混合动力车的能量管理方法、装置和***
CN113459791A (zh) * 2021-06-29 2021-10-01 广东工业大学 一种混合动力电动汽车及应用其的能量管理控制方法
CN113771827A (zh) * 2021-08-30 2021-12-10 江苏大学 基于有限时间状态扩张观测器与时滞补偿控制器的混合动力汽车模式切换协调控制方法
CN115214691A (zh) * 2022-08-03 2022-10-21 武汉理工大学 汽车行驶车速预测方法、装置、电子设备以及存储介质

Also Published As

Publication number Publication date
CN112193232B (zh) 2021-10-12

Similar Documents

Publication Publication Date Title
CN112193232B (zh) 一种混合动力汽车自适应能量管理***及方法
CN110135632B (zh) 基于路径信息的phev自适应最优能量管理方法
CN106080585B (zh) 一种双行星排式混合动力汽车非线性模型预测控制方法
CN103606271B (zh) 一种混合动力城市公交车控制方法
CN109291925B (zh) 一种节能型智能网联混合动力汽车跟车控制方法
CN113753021B (zh) 一种并联混合动力车辆动力域稳态控制方法
CN112455420B (zh) 一种基于模糊神经网络的混合动力***能量控制方法
CN104742898A (zh) 一种分速汇矩式混合动力功率流控制方法
CN110001620B (zh) 一种液压轮毂混合动力车辆多模式切换控制方法
CN113942491B (zh) 一种串联式混合动力***及联网混合动力车辆能量管理方法
CN104760591A (zh) 混合动力综合控制***
CN113264032B (zh) 一种混合动力车的能量管理方法、装置和***
CN110667564B (zh) 并联式混合动力汽车自主队列行驶能量智能管理方法
Ruan et al. Delayed deep deterministic policy gradient-based energy management strategy for overall energy consumption optimization of dual motor electrified powertrain
AU2020102967A4 (en) A parallel – series electric hybrid vehicles based on geometry formulation
Zhang et al. Co-simulation of energy management strategy for hybrid electric vehicle in AVL InMotion
CN117445890A (zh) 一种基于功率分流轻卡巡航工况的能量管理控制方法
US20220118980A1 (en) Methods and systems for coordinating predictive cruise control, engine-off coasting, and hybrid power split
Sun et al. A Dynamic Programming based Fuzzy Logic Energy Management Strategy for Series-parallel Hybrid Electric Vehicles.
Wang et al. Energy management of HEV in platoon operation with constant headway policy
CN107054044B (zh) 一种混合动力车辆驱动装置及其控制方法
CN110901628A (zh) 一种二阶振荡粒子群算法的全混动汽车能效优化方法
Shuang Research progress and prospect of energy-saving optimal control for intelligent and connected electric vehicles
Qu et al. Instantaneous velocity optimization strategy of electric vehicle considering varying road slopes
Han et al. Parameter design of an ISG hybrid electric trackless rubber tyred vehicle based on degree of hybridisation

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