CN112590760B - 一种考虑模式切换频繁度的双电机混合动力汽车能量管理*** - Google Patents

Abstract

本发明提供了一种考虑模式切换频繁度的双电机混合动力汽车能量管理***，属于新能源汽车控制技术领域。该双电机混合动力汽车能量管理***包括全局电池SOC规划模块、瞬时最优控制模块、输出控制模块和整车模型仿真模块，输出控制模块内部建立切换边界惩罚函数和周期性切换指数惩罚函数，形成同时考虑燃油经济性和模式切换频繁度的优化目标函数，输出最优控制量；整车模型仿真模块接收最优控制量信号，并判断最优控制量对应的混合动力***运行模式与当前工作模式是否相同，相同时，则不进行模式切换，否则进行切换。本发明兼顾混合动力***的模式转换频繁度和燃油经济性，对减少模式切换、提升混合动力***可靠性和舒适性具有积极意义。

Description

一种考虑模式切换频繁度的双电机混合动力汽车能量管理 ***

技术领域

本发明属于新能源汽车控制技术领域，尤其涉及一种考虑模式切换频繁度的双电机混合动力汽车能量管理***。

背景技术

汽车电动化技术能有效提升汽车的经济性和减少污染物的排放，解决交通运输过度依赖化石燃料引起的环境污染与能源短缺问题。插电式混合动力汽车(Plug-in hybridelectric vehicle，PHEV)更容易实现动力***整体效率的最大化，在现阶段具有一定的优势。

PHEV具有多个动力源，即一个发动机与至少一个电机，能量管理策略负责分配驱动车辆所需的功率或转矩，协调发动机与电动机的输出功率或转矩，关系到混合动力***的潜力能否被充分利用，是决定混合动力汽车性能的核心问题。

目前，基于规则的能量管理策略由于其简单易行，对控制单元计算能力要求低、实时性好，被广泛应用于工业界。此类策略大多从专家经验或离线优化的结果中提取用于制定控制规则的门限值，本质上缺乏理论依据，对复杂工况适应性和鲁棒性差，难以保证决策的最优性。

基于优化的能量管理策略理论上能够保证所得控制结果的最优性或次优性，通过寻找能够满足约束条件的同时，使预先定义的成本函数最小化的控制序列。根据是否需要提前获取全部行驶工况信息，基于优化的策略一般分为在线策略和离线策略。其中离线的能量管理策略以动态规划为代表，在未来行驶工况信息全部已知的情况下，通过在离散步长间的逆向递归，能够得到使得燃油经济性全局最优的控制序列，但是实车部署时很难准确预知未来工况，且动态规划算法要求控制单元具有较高的计算性能，因此不能直接用于在线能量管理。

由于基于瞬时优化，等效燃油消耗最小策略(Equivalent ConsumptionMinimization Strategy，ECMS)具有用于实车的潜力。ECMS将电池电量的变化通过油电等效因子转化成虚拟油耗的增减，最后输出最小等效燃油消耗所对应的控制量。不同于将电池SOC维持在相对稳定状态的传统混合动力汽车(Hybrid Electric Vehicle，HEV)，PHEV能够从外部电网进行充电，通过对电能的充分利用和电动机-发动机的深度互补，可以实现更优的燃油经济性，PHEV的SOC具有更大的变化范围，在未获取全部未来工况信息的情况下，无法实现对油电等效因子的有效调整。

目前，大量离线优化结果显示，燃油经济性全局最优的SOC轨迹与已行驶里程呈近似的负线性关系；现有车载定位***和导航***可以在驾驶员输入目的地后提供导航查询、路径规划等功能，提供的预期行驶里程和已行驶里程信息，可以用来进一步优化能量管理策略。

另外，PHEV的动力总成采用多模式的拓扑结构，能够实现如单、双电机的纯电驱动、并联混合驱动、串联混合(增程)驱动等模式，以提高***在复杂工况下运行在高效区的机会；同时，由于经济性最优的工作模式对工况敏感，基于瞬时优化的能量管理策略会导致频繁的模式切换，容易引起扭矩中断，破坏整车动力性和舒适性。

基于对典型工况的仿真结果分析，不必要的模式切换主要分为以下两类：(1)第一类模式切换：需要多个执行器参与(如发动机的启停，离合器的接合和分离，同步器动作等)，但实际对燃油经济性提升不明显的模式切换；(2)第二类模式切换：在一次模式切换发生后，在较短的一段时间内的另一个切换，即在时间维度上连续、频繁发生的模式切换。

因此，有必要为PHEV设计能够保证整车燃油经济性，同时针对以上两种不必要的模式切换，开发考虑模式切换频繁度的混合动力汽车能量管理方法。

发明内容

有鉴于此，本发明提供了一种考虑模式切换频繁度的双电机混合动力汽车能量管理***，用于提升混合动力***的可靠性和舒适性。

本发明是通过以下技术手段实现上述技术目的的。

一种考虑模式切换频繁度的双电机混合动力汽车能量管理***，包括全局电池SOC规划模块、瞬时最优控制模块、输出控制模块和整车模型仿真模块；

所述全局电池SOC规划模块根据行驶里程和实际SOC值，生成目标SOC值；并对实际SOC和目标SOC的误差进行调节，生成等效因子s(t)，发送给瞬时最优控制模块；

所述瞬时最优控制模块，生成在混合动力***各运行模式下，满足转矩需求和约束条件的候选控制量组合，并计算各候选控制量组合对应的成本函数，记录此时各运行模式下最小成本函数值及达到最小成本函数值时电机和发动机的转矩，并发送给输出控制模块；

所述输出控制模块内部建立切换边界惩罚函数和周期性切换指数惩罚函数，形成同时考虑燃油经济性和模式切换频繁度的优化目标函数，输出最优控制量；

所述整车模型仿真模块接收最优控制量信号，并判断最优控制量对应的混合动力***运行模式与当前工作模式是否相同，相同时，则不进行模式切换，否则进行切换。

所述优化目标函数为：

其中：ξ_{fuel_sum}(t)表示等效燃油消耗量，参数α用于调节模式切换频繁度与燃油经济性之间的平衡，Z_ij表示从模式i切换到模式j的切换边界惩罚系数，t_d表示周期性切换指数惩罚函数的作用时间，t为***时间，t₀为最近一次模切换发生的时间，β为放大倍数，u为控制量。

当瞬时最优控制模块计算得出当前转矩需求下最小成本函数值对应的运行模式与当前工作模式不一致时，所述切换边界惩罚函数被激活，并施加到所有非工作模式所能达到的最小成本函数值中；切换边界惩罚函数J_MT为：

完成一次模式切换后，在进行之后连续几个步长的控制量u计算时，周期性切换指数惩罚函数施加到所有非工作模式所能达到的最小成本函数值中；周期性切换指数惩罚函数J_Ext为：

所述α、β和t_d的求解过程为：

1)根据实际模式切换序列以及百公里燃油消耗，求出所对应的适应度函数值：

其中：κ₁、κ₂为权重系数，Trans_num表示模式切换总次数，

表示当前世代种群所有个体的实际油耗量的平均值，

表示当前世代种群所有个体模式切换总次数的平均值，

表示发动机燃油消耗率；

2)若适应度函数值不是最优解，经过遗传操作，产生新的种群，再将新个体对应的参数值组合返回到输出控制模块，返回1)；

3)若适应度函数值是最优解，迭代结束，输出结果。

所述等效因子

s₀为等效因子的初始估计值，k_p为比例增益，k_i为积分增益，SOC(t)为实际SOC，SOC_ref为目标SOC。

所述控制量u＝[k(t)，T_ICE(t)，T_EM1(t)，T_EM2(t)]，其中k为工作模式，T_ICE为发动机转矩，T_EM1为电机A转矩，T_EM2为电机B转矩。

本发明的有益成果为：本发明中全局电池SOC规划模块对实际SOC和目标SOC的误差进行调节，生成等效因子；瞬时最优控制模块生成在混合动力***各运行模式下，满足转矩需求和约束条件的候选控制量组合，并计算各候选控制量组合对应的成本函数，记录此时各运行模式下最小成本函数值及达到最小成本函数值时电机和发动机的转矩；输出控制模块内部建立切换边界惩罚函数和周期性切换指数惩罚函数，形成同时考虑燃油经济性和模式切换频繁度的优化目标函数，输出最优控制量；整车模型仿真模块接收最优控制量信号，并判断最优控制量对应的混合动力***运行模式与当前工作模式是否相同，相同时，则不进行模式切换，否则进行切换。本发明在为发动机和电动机分配转矩时，同时兼顾模式转换频繁度，减少全行程内的模式切换次数与短时间内连续模式切换的发生。本发明在保证燃油经济性的前提下，从能量管理算法的角度取消了不必要的模式切换，对减少模式切换引起的动力中断，提升混合动力***可靠性、舒适性具有积极意义。

附图说明

图1为本发明的插电式混合动力***示意图；

图2为本发明的模式切换边界惩罚矩阵示意图；

图3(a)为本发明未考虑模式切换时的四个模式对应的最低成本函数变化示例图，图3(b)为本发明未考虑模式切换时能量管理策略输出的模式切换序列示例图，图3(c)为本发明引入周期性切换指数惩罚后的四个模式对应的成本函数变化示例图，图3(d)为本发明引入周期性切换指数惩罚后能量管理策略输出的模式切换序列示例图；

图4为本发明所述考虑模式切换频繁度的双电机混合动力汽车能量管理***框图；

图5为本发明所述基于遗传算法的模式切换决策参数优化过程流程图；

图6为插电式混合动力汽车在中国轻型汽车行驶工况-乘用车(China Light-dutyvehicle Test Cycle-Passenger，CLTC-P)工况下的模式切换序列实例(未考虑模式切换频繁度)和插电式混合动力汽车在CLTC-P工况下的模式切换序列实例(考虑模式切换频繁度)的对比图。

具体实施方式

下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。

双电机混合动力汽车采用如图1所示的插电式混合动力***，包括发动机、电机控制器、双电机动力总成和主减速器，双电机动力总成包括离合器C1、离合器C2、离合器C3、电机A、电机B和三挡变速器(包括1档齿轮、2档齿轮和3档齿轮，1档齿轮工作时传动比为i₁、2档齿轮工作时传动比为i₂、3档齿轮工作时传动比为i₃)；油箱为发动机提供燃油，发动机的输出轴与离合器C1的输入轴固连，离合器C1的输出轴与电机A的输出轴固连后，且作为离合器C2和离合器C3的输入轴，离合器C3的输出轴与2档主动齿轮固连并空套在离合器C2的输出轴上，1档主动齿轮和3挡主动齿轮固定在离合器C2的输出轴上；电机B通过专用减速器与3档主动齿轮连接；2档从动齿轮固连在三档变速器的输出轴上，1挡从动齿轮和3挡从动齿轮空套在三档变速器的输出轴上，同步器将1挡从动齿轮或3挡从动齿轮固连在三档变速器的输出轴上。三档变速器输出轴与主减速器输入轴固连，主减速器输出轴与车轮连接。

电机A和电机B由电机控制器控制，电机A和电机B由电池组提供电能。

根据图1所示的插电式混合动力***，整车纵向动力学方程如式(1)、式(2)所示：

其中，J_EM1为电机A的转动惯量，J_EM2为电机B的转动惯量，J_ICE为发动机的转动惯量，J_W为单个车轮的转动惯量，T_EM1为电机A的输出转矩，T_EM2为电机B的输出转矩，T_ICE为发动机的输出转矩，T_brk为制动力矩，i_L为发动机或电机A的传动比，i_R为电机B的传动比，i_fd为主减速器的传动比，μ_r为滚动阻力系数，R_w为车轮半径，C_D为车辆空气风阻系数，m_v为车辆总质量，V_v为车速，A为车辆迎风面积，θ为道路坡度，i_EM2为电机B专用减速器的传动比，T_res为行车阻力矩。

通过离合器C1、离合器C2、离合器C3、同步器和各动力源(发动机、电机A和电机B)的协调，可以使插电式混合动力***运行在多种模式(表1)，插电式混合动力***的各种可用工作模式以及相应各执行器(离合器C1、离合器C2、离合器C3和同步器)状态、各动力源部件状态如表1所示，其中模式编号数字后I、II分别表示发动机开启时的混动模式与发动机关闭的纯电模式；·表示开或离合器的接合状态，_○表示关或离合器的分离状态。

表1可用运行模式以及相应的各执行器状态

如图4所示，为本发明的一种考虑模式切换频繁度的双电机混合动力能量管理***，包括全局电池SOC规划模块、瞬时最优控制模块、输出控制模块和整车模型仿真模块。

若驾驶员在行驶任务开始时，通过导航***设置目的地信息并规划行驶线路，所述全局电池SOC规划模块将整个行驶过程中SOC的变化控制在线性缓慢下降的趋势，且在行驶结束时达到SOC的下限值。导航定位***获取总里程和当前已行驶里程，结合电池管理***获取实际SOC，全局电池SOC规划模块生成目标SOC；

式(3)中SOC_ref表示目标SOC，SOC_min表示SOC的最低允许值，SOC_start表示行程初始时的SOC，x_td、x_t分别表示行程总里程和当前已行驶里程。

为使实际SOC跟随目标SOC的变化，等效因子由全局电池SOC规划模块内部的PI控制器根据实际SOC和目标SOC的误差进行调节，如式(4)所示：

其中s(t)为当前时刻的等效因子，s₀为等效因子的初始估计值，k_p为比例增益，k_i为积分增益，SOC(t)为实际SOC；误差调节获取的等效因子传递给瞬时最优控制模块。

所述瞬时最优控制模块接收实时车速V_real、转矩需求和等效因子s(t)，若需求转矩为负，则切换至制动模式；若需求转矩为正，计算输出各运行模式下的最优转矩分配。首先通过对电机(电机A和电机B)、发动机的外特性曲线插值，获得实时车速和需求转矩条件下，以各模式运行时电机和发动机的转矩范围并离散化，根据式(1)、式(2)，生成各模式下满足转矩需求和约束条件的候选控制量组合，然后由式(5)计算各候选控制量组合对应的成本函数，将各模式下的最小成本函数值及达到最小成本函数值时电机和发动机的转矩发送到输出控制模块。

式(5)中ξ_{fuel_sum}(t)表示等效燃油消耗量，

表示发动机燃油消耗率(单位g/s)，输入发动机转矩和转速，由燃油消耗率二维map插值获得；P_EM为电机功率，ξ_{batt_equ}表示与电池充放电功率相关的部分成本，由式(6)计算获得：

式(6)中sgn(x)为符号函数，当x为负数时输出-1，x为正数时输出1；η_dis为电池的放电效率，η_chg为电池的充电效率，H_f为汽油的低热值，P_EM1为电机A的功率，P_EM2为电机B的功率，由式(7)计算得到：

其中ω_EM表示电机转速，T_EM表示电机转矩；η_MG表示电机效率，输入电机转矩和转速，由电机效率二维map插值获得。

此能量管理问题的控制量u如式(8)所示，包括工作模式k(编号)、发动机转矩T_ICE、电机A转矩T_EM1和电机B转矩T_EM2：

u＝[k(t)，T_ICE(t)，T_EM1(t)，T_EM2(t)] (8)

将工作模式作为能量管理问题的控制量，从能量管理算法的角度取消了不必要的模式切换。

若仅将燃油经济性作为能量管理策略的优化目标，则将式(9)定义的最优控制量，作用于插电式混合动力***，由于需求转矩和车速的波动，此能量管理策略会输出频繁的模式切换命令，以保持较高的燃油经济性；但同时，频繁的模式切换会严重影响车辆的驾驶性能和传动***的疲劳寿命。

所述输出控制模块内部建立两个惩罚机制，经过两个惩罚机制对来自瞬时最优控制模块的各模式下的最小成本函数值处理后，判断是否需要进行模式切换并输出最终的最优控制量信号。首先，根据完成切换所必需的执行器数量及其动作的复杂程度设置切换边界惩罚系数，以过滤涉及多个执行器但对降低成本函数值的作用不明显的模式切换。如式(10)所示，Z_ij表示从模式i切换到模式j的切换边界惩罚系数，J_MT表示从模式i切换到模式j的切换边界惩罚函数值，参数α用于调节模式切换频繁度与燃油经济性之间的平衡。

对多个执行器参与且涉及动作复杂、切换后成本函数值降低不明显的模式切换，设置更大的切换边界惩罚系数Z_ij∈(0.2，03]；反之，对较少执行器参与、涉及动作简单、切换后成本函数值明显降低的模式切换，则设置较小的切换边界惩罚系数(0，0.2]。除一些因物理结构限制而无法实现的一些切换外，所有模式切换对应的切换边界惩罚系数构成如附图2所示的模式切换惩罚矩阵Z。当瞬时最优控制模块计算得出的对应最小成本函数值的模式与当前工作模式不一致时，此切换边界惩罚函数(公式(10))被激活，并施加到所有非工作模式所能达到的最小成本函数值中。

其次，完成一次模式切换后，在进行之后连续几个步长的控制量u计算时，把周期性切换指数惩罚函数J_Ext施加到所有非工作模式所能达到的最小成本函数值上，J_Ext由式(11)定义，其中t_d表示该惩罚函数作用时间，t为***时间，t₀为最近一次模切换发生的时间，β为放大倍数。

该周期性模式切换指数惩罚值具有如下性质：其数值在发生模式切换后的第一个步长计算时最大，之后呈指数快速衰减，一段时间后衰减至0即失效。通过引入此惩罚机制，在模式切换刚发生过后的几个步长里，即使最小成本函数值所对应的模式频繁改变，具有以上性质的惩罚函数仍使得***倾向于工作在当前模式，由此短时间内连续的模式切换被抑制。附图3通过与未考虑模式切换频繁度的能量管理策略的对比说明了此惩罚函数的作用机制：以四个模式(a，b，c，d)为例，图3(a)中a、b、c、d柱的高度分别表示每个模式所能实现的最小成本函数值，未考虑模式切换频繁度的能量管理策略，成本函数如式(9)，输出的模式切换序列为d→c→a→b→d(如图3(b))，即多次连续的切换；如图3(c)，引入此惩罚函数之后，在第一次模式切换发生后惩罚函数被激活，同时参数t₀被重置为此时的实际时间，其数值由白色块表示，并依次施加到之后几个步长的非工作模式可实现的最低成本函数值中；引入了此惩罚函数后，模式切换序列变为d→c→d(如图3(d))。可见，在第一次切换发生后***没有接着进行后续的多次切换，而是稳定工作在模式c。

所述输出控制模块中的两个惩罚机制仅作用于当前的非工作模式所能达到的最小成本函数值中，而对当前工作模式所能达到的最小成本函数值不施加任何惩罚。

考虑模式切换频繁度的能量管理策略，具体为一种兼顾模式切换频繁度和PHEV整体燃油经济性的考虑惩罚函数的模式切换修正-能量管理策略(MS-EMS)，其优化目标函数，由式(12)定义，此***的约束，包括全局约束与局部约束，由式(13)定义。所述输出控制模块最终输出最优控制量，即使得优化目标函数式(12)最小的控制量。

其中ω_ICE表示发动机转速，P_batt表示电池功率。

整车模型仿真模块用于根据整车纵向动力学方程仿真并输出车速和SOC，接收输出控制模块输出的最优控制量信号，并判断最优控制量对应的混合动力***运行模式与当前工作模式是否相同，相同时，则不进行模式切换，则将t₀保持在上一次模式切换发生的时间；否则进行切换，将t₀设置为此时的实际时间。在仿真结束时，计算并输出百公里燃油消耗和整个行程中的实际模式切换序列。

如图5所示，结合具体工况，使用多目标遗传算法求解所述惩罚机制的设计参数：α、β和t_d；通过多目标遗传算法的多次迭代，求解最佳的参数组合，输出最优控制量，实现模式切换频繁度与整车燃油经济性的平衡。多目标遗传算法的具体步骤为：

步骤(1)：初始化，由初始种群开始迭代过程，将不同个体对应的初始参数值组合代入输出控制模块，并整车模型仿真模块对整个工况进行正向仿真，统计得到的实际模式切换序列以及百公里燃油消耗，以此求出所对应的适应度函数值，进而进入步骤(2)；

其中目标函数(即适应度函数)为：

其中κ₁、κ₂为权重系数，Trans_num表示模式切换总次数，将全局实际燃油消耗量与模式切换总次数分别用当前世代种群所有个体的平均值进行归一化；

和

分别表示当前世代种群所有个体的实际油耗量的平均值和模式切换总次数的平均值。

步骤(3)：判断适应度函数值是否为最优解，若不是最优解，则进入步骤(4)；若为最优解，则进入步骤(5)。

步骤(4)：不是最优解，则进行进一步优化，经过选择、交叉和变异，产生新的种群，再次将新个体对应的参数值组合返回到输出控制模块，对整个工况进行正向仿真，循环结束后，统计模式切换情况以及真实全局燃油消耗，计算适应度函数，返回步骤(3)。

步骤(5)：迭代结束，输出结果；得到能够实现模式切换频繁度与整车燃油经济性的平衡的最优参数组合。

图6中虚线为CLTC-P工况仿真结果中的模式切换序列(未考虑模式切换频繁度)，实线为CLTC-P工况仿真结果中的模式切换序列(考虑模式切换频繁度)。比较两种策略的仿真结果，可以看出引入两种惩罚机制的MS-EMS带来的有益效果：相较于未引入惩罚函数的能量管理策略，频繁的模式切换被显著抑制，混合动力***工作更加稳定。根据统计结果，模式切换次数减少了70％以上，而燃油消耗仅增加了4.8％。因此，本发明的双电机混合动力汽车的能量管理方法能够以较低的油耗成本实现对频繁模式切换的抑制，对提升车辆驾驶性、舒适性具有积极意义。

表2 CLTC-P工况下考虑模式切换频繁度前后的能量管理策略仿真结果

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。

Claims (4)

1.一种考虑模式切换频繁度的双电机混合动力汽车能量管理***，其特征在于，包括全局电池SOC规划模块、瞬时最优控制模块、输出控制模块和整车模型仿真模块；

所述全局电池SOC规划模块根据行驶里程和实际SOC值，生成目标SOC值；并对实际SOC和目标SOC的误差进行调节，生成等效因子s(t)，发送给瞬时最优控制模块；

所述等效因子

s₀为等效因子的初始估计值，k_p为比例增益，k_i为积分增益，SOC(t)为实际SOC，SOC_ref为目标SOC；

所述瞬时最优控制模块，生成混合动力***在各运行模式下，满足转矩需求和约束条件的候选控制量组合，并计算各候选控制量组合对应的成本函数，记录此时各运行模式下最小成本函数值及达到最小成本函数值时电机和发动机的转矩，并发送给输出控制模块；

所述输出控制模块内部建立切换边界惩罚函数和周期性切换指数惩罚函数，形成同时考虑燃油经济性和模式切换频繁度的优化目标函数，输出最优控制量；

所述优化目标函数为：

其中：ξ_{fuel_sum}(t)表示等效燃油消耗量，参数α用于调节模式切换频繁度与燃油经济性之间的平衡，Z_ij表示从模式i切换到模式j的切换边界惩罚系数，t_d表示周期性切换指数惩罚函数的作用时间，t为***时间，t₀为最近一次模式切换发生的时间，β为放大倍数，u为控制量；

所述控制量u＝[k(t)，T_ICE(t)，T_EM1(t)，T_EM2(t)]，其中k为工作模式，T_ICE为发动机转矩，T_EM1为电机A转矩，T_EM2为电机B转矩；

所述整车模型仿真模块接收最优控制量信号，并判断最优控制量对应的混合动力***运行模式与当前工作模式是否相同，相同时，则不进行模式切换，否则进行切换。

2.根据权利要求1所述的双电机混合动力汽车能量管理***，其特征在于，当瞬时最优控制模块计算得出当前转矩需求下最小成本函数值对应的运行模式与当前工作模式不一致时，所述切换边界惩罚函数被激活，并施加到所有非工作模式所能达到的最小成本函数值中；切换边界惩罚函数J_MT为：

3.根据权利要求1所述的双电机混合动力汽车能量管理***，其特征在于，完成一次模式切换后，在进行之后连续几个步长的控制量u计算时，周期性切换指数惩罚函数施加到所有非工作模式所能达到的最小成本函数值上；周期性切换指数惩罚函数J_Ext为：

4.根据权利要求1所述的双电机混合动力汽车能量管理***，其特征在于，所述α、β和t_d的求解过程为：

使用多目标遗传算法求解所述参数：α、β和t_d，通过多目标遗传算法的多次迭代，求解最佳的参数组合；所述多目标遗传算法的具体步骤为：

1)根据实际模式切换序列以及百公里燃油消耗，求出所对应的适应度函数值：

其中：κ₁、κ₂为权重系数，Trans_num表示模式切换总次数，

表示当前世代种群所有个体的实际油耗量的平均值，

表示当前世代种群所有个体模式切换总次数的平均值，

表示发动机燃油消耗率；

2)若适应度函数值不是最优解，经过遗传操作，产生新的种群，再将新个体对应的参数值组合返回到输出控制模块，返回1)；

3)若适应度函数值是最优解，迭代结束，输出结果；

当所述适应度函数值取最优解时，α、β和t_d为最佳的参数组合。

Images