CN113232645A - 车辆发电功率的控制方法、装置、存储介质和计算机设备 - Google Patents

车辆发电功率的控制方法、装置、存储介质和计算机设备 Download PDF

Info

Publication number
CN113232645A
CN113232645A CN202110623213.XA CN202110623213A CN113232645A CN 113232645 A CN113232645 A CN 113232645A CN 202110623213 A CN202110623213 A CN 202110623213A CN 113232645 A CN113232645 A CN 113232645A
Authority
CN
China
Prior art keywords
power
vehicle
power generation
generating
deviation
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
CN202110623213.XA
Other languages
English (en)
Other versions
CN113232645B (zh
Inventor
刘小飞
许林
周林
汪鸿志
刘杰
黄大飞
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.)
Chongqing Jinkang Sailisi New Energy Automobile Design Institute Co Ltd
Original Assignee
Chongqing Jinkang Sailisi New Energy Automobile Design Institute 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 Chongqing Jinkang Sailisi New Energy Automobile Design Institute Co Ltd filed Critical Chongqing Jinkang Sailisi New Energy Automobile Design Institute Co Ltd
Priority to CN202110623213.XA priority Critical patent/CN113232645B/zh
Publication of CN113232645A publication Critical patent/CN113232645A/zh
Application granted granted Critical
Publication of CN113232645B publication Critical patent/CN113232645B/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
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0008—Feedback, closed loop systems or details of feedback error signal
    • B60W2050/0011—Proportional Integral Differential [PID] controller
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0029—Mathematical model of the driver
    • 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
    • B60W2520/12—Lateral speed
    • 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
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Geometry (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Control Of Eletrric Generators (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明实施例提供了一种车辆发电功率的控制方法、装置、存储介质和计算机设备。该方法包括：根据获取的道路信息、踏板开度信息和车辆状态信息，基于驾驶员模型生成发电需求功率；根据所述发电需求功率和车辆实际消耗功率之间的偏差功率、以及所述偏差功率的变化率，基于模糊PID控制器的最优参数，生成最优发电需求功率；将所述最优发电需求功率输入到整车动力学模型，生成车辆发电功率；将所述车辆发电功率发送至增程器，以供所述增程器根据所述车辆发电功率进行工作。本发明实施例提供的技术方案中，增程器根据整车动力学模型计算出的车辆发电功率进行工作，能够保障车辆不会存在过充过压的故障问题，提高了车辆的安全性。

Description

车辆发电功率的控制方法、装置、存储介质和计算机设备
【技术领域】
本发明涉及车辆技术领域，尤其涉及一种车辆发电功率的控制方法、装置、存储介质和计算机设备。
【背景技术】
由于环境温度的影响或者车辆受某些原因(低电量或电池包自身问题)的影响致使电池包充电或者放电功率受限，车辆将面临较差的驾驶性，若整车能量管理策略控制不当，将会导致车辆油耗过高，更有甚者，车辆可能会出现过压、过充故障，降低了车辆的安全性。
【发明内容】
有鉴于此，本发明实施例提供了一种车辆发电功率的控制方法、装置、存储介质和计算机设备，用以提高车辆的安全性。
一方面，本发明实施例提供了一种车辆发电功率的控制方法，包括：
根据获取的道路信息、踏板开度信息和车辆状态信息，基于驾驶员模型生成发电需求功率；
根据所述发电需求功率和车辆实际消耗功率之间的偏差功率、以及所述偏差功率的变化率，基于模糊PID控制器的最优参数，生成最优发电需求功率；
将所述最优发电需求功率输入到整车动力学模型，生成车辆发电功率；
将所述车辆发电功率发送至增程器，以供所述增程器根据所述车辆发电功率进行工作。
可选地，所述模糊PID控制器的最优参数通过如下方式获取：
根据整车能量消耗最小时对应的所述偏差功率、所述偏差功率的变化率、前后两个时刻功率差值的最大变化量和***误差，生成评价指标函数；
基于改进PSO模型，根据所述评价指标函数生成所述模糊PID控制器的最优参数。
可选地，所述基于改进PSO模型，根据所述评价指标函数生成所述模糊PID控制器的最优参数包括：
初始化粒子群；所述粒子群包括整车能量消耗最小时对应的车辆发电功率和所述偏差功率分别对应的矢量；
将所述粒子群中的粒子依次赋值给所述模糊PID控制器的参数；
运行整车动力学模型，得到更新后的整车能量消耗最小时对应的车辆发电功率和偏差功率；
判断是否满足迭代条件；
若判断出满足迭代条件，输出所述模糊PID控制器的最优参数。
可选地，还包括：
若判断出未满足迭代条件，则更新粒子群，并继续执行所述将所述粒子群中的粒子依次赋值给所述模糊PID控制器的参数的步骤。
可选地，所述更新粒子群包括：
通过调整粒子的速度，更新粒子的位置以及更新粒子的惯性权重，生成更新后的粒子群。
可选地，所述车辆状态信息包括车速信息。
可选地，所述根据整车能量消耗最小时对应的所述偏差功率、所述偏差功率的变化率、前后两个时刻功率差值的最大变化量和***误差，生成评价指标函数，包括：
通过公式
Figure BDA0003100891610000031
对整车能量消耗最小时对应的车辆发电功率和所述偏差功率进行计算，生成评价指标函数，其中，ΔP(t)为所述偏差功率，ΔP*(i)为第i时刻所述偏差功率的变化率，
Figure BDA0003100891610000032
为所述前后两个时刻功率差值的最大变化量，α为所述***误差，J为所述评价指标函数。
另一方面，本发明实施例提供了一种车辆发电功率的控制装置，包括：
第一生成模块，用于根据获取的道路信息、踏板开度信息和车辆状态信息，基于驾驶员模型计算生成发电需求功率；
第二生成模块，用于根据所述发电需求功率和车辆实际消耗功率之间的偏差功率、以及所述偏差功率的变化率，基于模糊PID控制器的最优参数，生成最优发电需求功率；
第三生成模块，用于将所述最优发电需求功率输入到整车动力学模型，生成车辆发电功率；
发送模块，用于将所述车辆发电功率发送至增程器，以供所述增程器根据所述车辆发电功率进行工作。
另一方面，本发明实施例提供了一种存储介质，包括：所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述车辆发电功率的控制方法。
另一方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其特征在于，所述程序指令被处理器加载并执行时实现上述车辆发电功率的控制方法的步骤。
本发明实施例提供的车辆发电功率的控制方法的技术方案中，根据获取的道路信息、踏板开度信息和车辆状态信息，基于驾驶员模型生成发电需求功率；根据所述发电需求功率和车辆实际消耗功率之间的偏差功率、以及所述偏差功率的变化率，基于模糊PID控制器的最优参数，生成最优发电需求功率；将所述最优发电需求功率输入到整车动力学模型，生成车辆发电功率；将所述车辆发电功率发送至增程器，以供所述增程器根据所述车辆发电功率进行工作。本发明实施例提供的技术方案中，增程器根据整车动力学模型计算出的车辆发电功率进行工作，能够保障车辆不会存在过充过压的故障问题，提高了车辆的安全性。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种车辆发电功率的控制方法的流程图；
图2为图1中生成模糊PID控制器的最优参数的流程图；
图3为本发明实施例提供的一种车辆发电功率的控制装置的结构示意图；
图4为图3中第二生成模块的结构示意图；
图5为本发明实施例提供的一种计算机设备的示意图。
【具体实施方式】
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，甲和/或乙，可以表示：单独存在甲，同时存在甲和乙，单独存在乙这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
本发明实施例提供了一种车辆发电功率的控制方法，图1为本发明实施例提供的一种车辆发电功率的控制方法的流程图，如图1所示，该方法包括：
步骤102、根据获取的道路信息、踏板开度信息和车辆状态信息，基于驾驶员模型生成发电需求功率。
本发明实施例中，各步骤由计算机设备执行。计算机设备包括：计算机或车载计算机。
本发明实施例中，车辆状态信息包括车速信息。
步骤104、根据发电需求功率和车辆实际消耗功率之间的偏差功率、以及偏差功率的变化率，基于模糊比例积分微分(Proportion Integral Differential，简称PID)控制器的最优参数，生成最优发电需求功率。
本发明实施例中，图2为图1中生成模糊PID控制器的最优参数的流程图，如图2所示，模糊PID控制器的最优参数通过如下方式获取：
步骤S1、根据整车能量消耗最小时对应的偏差功率、偏差功率的变化率、前后两个时刻功率差值的最大变化量和***误差，生成评价指标函数。
具体地，步骤S1包括：通过公式
Figure BDA0003100891610000051
对整车能量消耗最小时对应的偏差功率、偏差功率的变化率、前后两个时刻功率差值的最大变化量和***误差进行计算，生成评价指标函数，其中，ΔP(t)为偏差功率，ΔP*(i)为第i时刻偏差功率的变化率，
Figure BDA0003100891610000052
为前后两个时刻功率差值的最大变化量，α为***误差，J为评价指标函数。
步骤S2、基于改进粒子群优化(Particle swarm optimization，简称PSO)模型，根据评价指标函数生成模糊PID控制器的最优参数。
本发明实施例中，步骤S2具体包括：
步骤A1、初始化粒子群；粒子群包括整车能量消耗最小时对应的车辆发电功率和偏差功率分别对应的矢量。
步骤A2、将粒子群中的粒子依次赋值给模糊PID控制器的参数。
步骤A3、运行整车动力学模型，得到更新后的整车能量消耗最小时对应的车辆发电功率和偏差功率。
步骤A4、判断是否满足迭代条件，若是，执行步骤A5；若否，执行步骤A6。
本发明实施例中，迭代条件包括：当前的粒子的位置的数值小于设定数值。其中，能够根据实际情况设置设定数值。例如，设定数值为0.001。
本发明实施例中，若判断出满足迭代条件，则表明已找出模糊PID控制器的最优参数，执行步骤A5；若判断出未满足迭代条件，则表明未找出模糊PID控制器的最优参数，仍需继续迭代，执行步骤A6。
步骤A5、输出模糊PID控制器的最优参数，流程结束。
步骤A6、更新粒子群，并继续执行步骤A2。
本发明实施例中，步骤A6具体包括：通过调整粒子的速度，更新粒子的位置以及更新粒子的惯性权重，生成更新后的粒子群。
具体地，通过公式Vi(k+1)＝ωVii(k)+c1*r1*Pi(k)-Xi(k))+c2*r2*Gi(k)-Xi(k))调整粒子的速度。
通过公式
Figure BDA0003100891610000061
更新粒子的位置。
通过公式
Figure BDA0003100891610000062
更新粒子的惯性权重。其中，K，k+1表示循环迭代次数，进行实验仿真测试。例如，当ωmax为1.9，ωmin为0.65时，收敛速度快，所求精度较高。
其中，Vi(k)为粒子i个体在第k次迭代中得速度，Xi(k)为粒子i个体在第k代迭代中得位置，c1和c2为加速因子，r1和r2为介于0-1得随机数。i为粒子数，i＝1,2,3,…m，Pi(k)为粒子i个体在第K次迭代中的个体最优位置，Gi(k)为所有粒子的群体最优位置。
步骤106、将最优发电需求功率输入到整车动力学模型，生成车辆发电功率。
步骤108、将车辆发电功率发送至增程器，以供增程器根据车辆发电功率进行工作。
本发明实施例提供的技术方案中，根据获取的道路信息、踏板开度信息和车辆状态信息，基于驾驶员模型生成发电需求功率；根据所述发电需求功率和车辆实际消耗功率之间的偏差功率、以及所述偏差功率的变化率，基于模糊PID控制器的最优参数，生成最优发电需求功率；将所述最优发电需求功率输入到整车动力学模型，生成车辆发电功率；将所述车辆发电功率发送至增程器，以供所述增程器根据所述车辆发电功率进行工作。本发明实施例提供的技术方案中，增程器根据整车动力学模型计算出的车辆发电功率进行工作，能够保障车辆不会存在过充过压的故障问题，提高了车辆的安全性。
本发明实施例提供的技术方案中，针对车辆处于较低的环境温度或者由于自身电池包某些因素导致放电功率不足的工况下，能够基于模糊推理控制的驾驶员模型计算出发电需求功率，然后依据改进PSO优化算法得到模糊PID控制器的最优参数，计算出的最优发电需求功率输入给整车动力学模型以生成车辆发电功率，以此控制发动机和发电机输出整车的功率，从而使得车辆在增程发电控制下，即可以保证车辆驾驶性能和乐趣的，又可以有效的降低车辆油耗。
本发明实施例提供的技术方案中，针对基本粒子群算法难以同时兼具全局探索和局部开发的能力，能够更好地改善基本粒子群优化算法整体的收敛性能，平衡其全局探索能力与局部开发能力之间的关系，避免了基本粒子群算法陷入局部最优、出现早熟现象等缺陷。
本发明实施例提供了一种车辆发电功率的控制装置。图3为本发明实施例提供的一种车辆发电功率的控制装置的结构示意图，如图3所示，该装置包括：第一生成模块11、第二生成模块12、第三生成模块13和发送模块14。
第一生成模块11用于根据获取的道路信息、踏板开度信息和车辆状态信息，基于驾驶员模型计算生成发电需求功率。
第二生成模块12用于根据发电需求功率和车辆实际消耗功率之间的偏差功率、以及偏差功率的变化率，基于模糊PID控制器的最优参数，生成最优发电需求功率。
第三生成模块13用于将最优发电需求功率输入到整车动力学模型，生成车辆发电功率。
发送模块14用于将车辆发电功率发送至增程器，以供增程器根据车辆发电功率进行工作。
本发明实施例中，图4为图3中第二生成模块的结构示意图，如图4所示，第二生成模块12包括：第一生成子模块121和第二生成子模块122。
第一生成子模块121用于根据整车能量消耗最小时对应的偏差功率、偏差功率的变化率、前后两个时刻功率差值的最大变化量和***误差，生成评价指标函数。
第二生成子模块122用于基于改进PSO模型，根据评价指标函数生成模糊PID控制器的最优参数。
本发明实施例中，第二生成子模块122具体用于初始化粒子群；粒子群包括整车能量消耗最小时对应的车辆发电功率和偏差功率分别对应的矢量；将粒子群中的粒子依次赋值给模糊PID控制器的参数；运行整车动力学模型，得到更新后的整车能量消耗最小时对应的车辆发电功率和偏差功率；判断是否满足迭代条件；若判断出满足迭代条件，输出模糊PID控制器的最优参数。若判断出未满足迭代条件，则更新粒子群，并继续执行将粒子群中的粒子依次赋值给模糊PID控制器的参数的步骤。本发明实施例中，更新粒子群包括：通过调整粒子的速度，更新粒子的位置以及更新粒子的惯性权重，生成更新后的粒子群。
本发明实施例中，车辆状态信息包括车速信息。
本发明实施例中，第一生成子模块121具体用于通过公式
Figure BDA0003100891610000091
Figure BDA0003100891610000092
对整车能量消耗最小时对应的车辆发电功率和所述偏差功率进行计算，生成评价指标函数，其中，ΔP(t)为偏差功率，ΔP*(i)为第i时刻偏差功率的变化率，
Figure BDA0003100891610000093
为前后两个时刻功率差值的最大变化量，α为***误差。
本发明实施例提供的技术方案中，根据获取的道路信息、踏板开度信息和车辆状态信息，基于驾驶员模型生成发电需求功率；根据所述发电需求功率和车辆实际消耗功率之间的偏差功率、以及所述偏差功率的变化率，基于模糊PID控制器的最优参数，生成最优发电需求功率；将所述最优发电需求功率输入到整车动力学模型，生成车辆发电功率；将所述车辆发电功率发送至增程器，以供所述增程器根据所述车辆发电功率进行工作。本发明实施例提供的技术方案中，增程器根据整车动力学模型计算出的车辆发电功率进行工作，能够保障车辆不会存在过充过压的故障问题，提高了车辆的安全性。
本实施例提供的车辆发电功率的控制装置可用于实现上述图1和图2中的车辆发电功率的控制方法，具体描述可参见上述车辆发电功率的控制方法的实施例，此处不再重复描述。
本发明实施例提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述车辆发电功率的控制方法的实施例的各步骤，具体描述可参见上述车辆发电功率的控制方法的实施例。
本发明实施例提供了一种计算机设备，包括存储器和处理器，存储器用于存储包括程序指令的信息，处理器用于控制程序指令的执行，程序指令被处理器加载并执行时实现上述车辆发电功率的控制方法的实施例的各步骤，具体描述可参见上述车辆发电功率的控制方法的实施例。
图5为本发明实施例提供的一种计算机设备的示意图。如图5所示，该实施例的计算机设备20包括：处理器21、存储器22以及存储在存储器22中并可在处理器21上运行的计算机程序23，该计算机程序23被处理器21执行时实现实施例中的应用于车辆发电功率的控制方法，为避免重复，此处不一一赘述。或者，该计算机程序被处理器21执行时实现实施例中应用于车辆发电功率的控制装置中各模型/单元的功能，为避免重复，此处不一一赘述。
计算机设备20包括，但不仅限于，处理器21、存储器22。本领域技术人员可以理解，图5仅仅是计算机设备20的示例，并不构成对计算机设备20的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器21可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器22可以是计算机设备20的内部存储单元，例如计算机设备20的硬盘或内存。存储器22也可以是计算机设备20的外部存储设备，例如计算机设备20上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器22还可以既包括计算机设备20的内部存储单元也包括外部存储设备。存储器22用于存储计算机程序以及计算机设备所需的其他程序和数据。存储器22还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
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，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (10)

1.一种车辆发电功率的控制方法，其特征在于，包括：
根据获取的道路信息、踏板开度信息和车辆状态信息，基于驾驶员模型生成发电需求功率；
根据所述发电需求功率和车辆实际消耗功率之间的偏差功率、以及所述偏差功率的变化率，基于模糊PID控制器的最优参数，生成最优发电需求功率；
将所述最优发电需求功率输入到整车动力学模型，生成车辆发电功率；
将所述车辆发电功率发送至增程器，以供所述增程器根据所述车辆发电功率进行工作。
2.根据权利要求1所述的方法，其特征在于，所述模糊PID控制器的最优参数通过如下方式获取：
根据整车能量消耗最小时对应的所述偏差功率、所述偏差功率的变化率、前后两个时刻功率差值的最大变化量和***误差，生成评价指标函数；
基于改进PSO模型，根据所述评价指标函数生成所述模糊PID控制器的最优参数。
3.根据权利要求2所述的方法，其特征在于，所述基于改进PSO模型，根据所述评价指标函数生成所述模糊PID控制器的最优参数包括：
初始化粒子群；所述粒子群包括整车能量消耗最小时对应的车辆发电功率和所述偏差功率分别对应的矢量；
将所述粒子群中的粒子依次赋值给所述模糊PID控制器的参数；
运行整车动力学模型，得到更新后的整车能量消耗最小时对应的车辆发电功率和偏差功率；
判断是否满足迭代条件；
若判断出满足迭代条件，输出所述模糊PID控制器的最优参数。
4.根据权利要求3所述的方法，其特征在于，还包括：
若判断出未满足迭代条件，则更新粒子群，并继续执行所述将所述粒子群中的粒子依次赋值给所述模糊PID控制器的参数的步骤。
5.根据权利要求4所述的方法，其特征在于，所述更新粒子群包括：
通过调整粒子的速度，更新粒子的位置以及更新粒子的惯性权重，生成更新后的粒子群。
6.根据权利要求1所述的方法，其特征在于，所述车辆状态信息包括车速信息。
7.根据权利要求2所述的方法，其特征在于，所述根据整车能量消耗最小时对应的所述偏差功率、所述偏差功率的变化率、前后两个时刻功率差值的最大变化量和***误差，生成评价指标函数，包括：
通过公式
Figure FDA0003100891600000021
对整车能量消耗最小时对应的车辆发电功率和所述偏差功率进行计算，生成评价指标函数，其中，ΔPt为所述偏差功率，ΔP*(i)为第i时刻所述偏差功率的变化率，
Figure FDA0003100891600000022
为所述前后两个时刻功率差值的最大变化量，α为所述***误差，J为所述评价指标函数。
8.一种车辆发电功率的控制装置，其特征在于，包括：
第一生成模块，用于根据获取的道路信息、踏板开度信息和车辆状态信息，基于驾驶员模型计算生成发电需求功率；
第二生成模块，用于根据所述发电需求功率和车辆实际消耗功率之间的偏差功率、以及所述偏差功率的变化率，基于模糊PID控制器的最优参数，生成最优发电需求功率；
第三生成模块，用于将所述最优发电需求功率输入到整车动力学模型，生成车辆发电功率；
发送模块，用于将所述车辆发电功率发送至增程器，以供所述增程器根据所述车辆发电功率进行工作。
9.一种存储介质，其特征在于，包括：所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至7任意一项所述的车辆发电功率的控制方法。
10.一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，其特征在于，所述程序指令被处理器加载并执行时实现权利要求1至7任意一项所述的车辆发电功率的控制方法的步骤。
CN202110623213.XA 2021-06-04 2021-06-04 车辆发电功率的控制方法、装置、存储介质和计算机设备 Active CN113232645B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110623213.XA CN113232645B (zh) 2021-06-04 2021-06-04 车辆发电功率的控制方法、装置、存储介质和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110623213.XA CN113232645B (zh) 2021-06-04 2021-06-04 车辆发电功率的控制方法、装置、存储介质和计算机设备

Publications (2)

Publication Number Publication Date
CN113232645A true CN113232645A (zh) 2021-08-10
CN113232645B CN113232645B (zh) 2022-12-09

Family

ID=77136758

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110623213.XA Active CN113232645B (zh) 2021-06-04 2021-06-04 车辆发电功率的控制方法、装置、存储介质和计算机设备

Country Status (1)

Country Link
CN (1) CN113232645B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114932811A (zh) * 2022-05-30 2022-08-23 重庆金康赛力斯新能源汽车设计院有限公司 一种能量回收方法、装置、设备及存储介质
CN117841966A (zh) * 2024-03-06 2024-04-09 成都赛力斯科技有限公司 增程器控制策略确定方法、装置、电子设备及存储介质

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110257800A1 (en) * 2010-04-14 2011-10-20 Zakariya Al-Hamouz Particle swarm optimizing sliding mode controller
US20120115057A1 (en) * 2009-07-10 2012-05-10 Toyota Jidosha Kabushiki Kaisha Fuel cell system
KR20150014003A (ko) * 2013-07-25 2015-02-06 (주) 세인 주행거리 연장을 위한 주행 모드 변환 주행 제어 장치
CN106364337A (zh) * 2016-08-26 2017-02-01 北京新能源汽车股份有限公司 一种增程器发电功率的控制方法、装置及汽车
US20180043894A1 (en) * 2016-08-11 2018-02-15 Caterpillar Inc. Powertrain Operation and Regulation
JP2018047724A (ja) * 2016-09-20 2018-03-29 日野自動車株式会社 ハイブリッド車両の発電制御装置
CN108092323A (zh) * 2017-11-16 2018-05-29 云南电网有限责任公司电力科学研究院 一种含dfig的电力***agc优化控制方法
US20180170212A1 (en) * 2016-12-20 2018-06-21 Beijing Xiaomi Mobile Software Co., Ltd. Method and device for controlling vehicle to output assisting power
CN108215813A (zh) * 2018-01-15 2018-06-29 无锡增程电子科技有限公司 一种增程器控制***及控制方法
CN108284752A (zh) * 2018-04-04 2018-07-17 南京晓庄学院 一种增程式燃料电池电动汽车动力装置及其控制方法
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
CN108973640A (zh) * 2018-08-01 2018-12-11 芜湖市智行天下工业设计有限公司 一种新能源汽车用蓄电池
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
CN111261909A (zh) * 2020-01-15 2020-06-09 武汉理工大学 燃料电池***最大净功率追踪控制装置及方法
CN112356688A (zh) * 2020-11-25 2021-02-12 北京车和家信息技术有限公司 增程器的控制方法、装置、存储介质及车辆
US20210078569A1 (en) * 2017-12-15 2021-03-18 Nissan Motor Co., Ltd. Control method and control device for hybrid vehicle
JP2021055551A (ja) * 2019-09-27 2021-04-08 日産自動車株式会社 ハイブリッド車両の制御方法及びハイブリッド車両の制御装置
CN112660103A (zh) * 2020-12-31 2021-04-16 重庆金康赛力斯新能源汽车设计院有限公司 一种车辆控制模式的确定方法、装置和整车控制***

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120115057A1 (en) * 2009-07-10 2012-05-10 Toyota Jidosha Kabushiki Kaisha Fuel cell system
US20110257800A1 (en) * 2010-04-14 2011-10-20 Zakariya Al-Hamouz Particle swarm optimizing sliding mode controller
KR20150014003A (ko) * 2013-07-25 2015-02-06 (주) 세인 주행거리 연장을 위한 주행 모드 변환 주행 제어 장치
US20180043894A1 (en) * 2016-08-11 2018-02-15 Caterpillar Inc. Powertrain Operation and Regulation
CN106364337A (zh) * 2016-08-26 2017-02-01 北京新能源汽车股份有限公司 一种增程器发电功率的控制方法、装置及汽车
JP2018047724A (ja) * 2016-09-20 2018-03-29 日野自動車株式会社 ハイブリッド車両の発電制御装置
US20180170212A1 (en) * 2016-12-20 2018-06-21 Beijing Xiaomi Mobile Software Co., Ltd. Method and device for controlling vehicle to output assisting power
CN108092323A (zh) * 2017-11-16 2018-05-29 云南电网有限责任公司电力科学研究院 一种含dfig的电力***agc优化控制方法
US20210078569A1 (en) * 2017-12-15 2021-03-18 Nissan Motor Co., Ltd. Control method and control device for hybrid vehicle
CN108215813A (zh) * 2018-01-15 2018-06-29 无锡增程电子科技有限公司 一种增程器控制***及控制方法
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
CN108284752A (zh) * 2018-04-04 2018-07-17 南京晓庄学院 一种增程式燃料电池电动汽车动力装置及其控制方法
CN108973640A (zh) * 2018-08-01 2018-12-11 芜湖市智行天下工业设计有限公司 一种新能源汽车用蓄电池
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
JP2021055551A (ja) * 2019-09-27 2021-04-08 日産自動車株式会社 ハイブリッド車両の制御方法及びハイブリッド車両の制御装置
CN111261909A (zh) * 2020-01-15 2020-06-09 武汉理工大学 燃料电池***最大净功率追踪控制装置及方法
CN112356688A (zh) * 2020-11-25 2021-02-12 北京车和家信息技术有限公司 增程器的控制方法、装置、存储介质及车辆
CN112660103A (zh) * 2020-12-31 2021-04-16 重庆金康赛力斯新能源汽车设计院有限公司 一种车辆控制模式的确定方法、装置和整车控制***

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JUNQIU LI: "Study on energy management strategy and dynamic modeling for auxiliary power units in range-extended electric vehicles", 《APPLIED ENERGY》 *
冯坚等: "基于动态规划算法和路况的增程式电动车能耗分析", 《同济大学学报(自然科学版)》 *
王坤玉: "基于粒子群算法的增程式电动汽车能量管理策略研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114932811A (zh) * 2022-05-30 2022-08-23 重庆金康赛力斯新能源汽车设计院有限公司 一种能量回收方法、装置、设备及存储介质
CN114932811B (zh) * 2022-05-30 2024-04-09 重庆金康赛力斯新能源汽车设计院有限公司 一种能量回收方法、装置、设备及存储介质
CN117841966A (zh) * 2024-03-06 2024-04-09 成都赛力斯科技有限公司 增程器控制策略确定方法、装置、电子设备及存储介质
CN117841966B (zh) * 2024-03-06 2024-05-10 成都赛力斯科技有限公司 增程器控制策略确定方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113232645B (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
Du et al. Deep reinforcement learning based energy management for a hybrid electric vehicle
CN113232645B (zh) 车辆发电功率的控制方法、装置、存储介质和计算机设备
Lee et al. Online data-driven energy management of a hybrid electric vehicle using model-based Q-learning
US10466659B2 (en) Method for designing a non-linear controller for non-linear processes
Fu et al. Real-time energy management and sensitivity study for hybrid electric vehicles
CN112498334B (zh) 智能网联混合动力汽车的鲁棒能量管理方法及***
CN114572055B (zh) 续航里程估算方法、装置、计算机设备和存储介质
WO2018083932A1 (ja) 充電率推定装置及び充電率推定方法
CN114077237B (zh) 机器学习装置
Sampathnarayanan et al. Model predictive control as an energy management strategy for hybrid electric vehicles
Wu et al. Hybrid electric vehicle powertrain controller development using hardware in the loop simulation
Feldkamp et al. Recurrent neural network training for energy management of a mild hybrid electric vehicle with an ultra-capacitor
CN112906296B (zh) 混合动力汽车全服役期能量优化方法、***和存储介质
JP7316807B2 (ja) Ｓｔｌアクチュエーションパスプランニング
CN116507982A (zh) 整车级测试装置、方法以及云管理平台
CN115210590A (zh) 优化电池管理***的方法和设备
CN112700001A (zh) 用于深度强化学习的认证对抗鲁棒性
CN112613229A (zh) 混合动力设备的能量管理方法、模型训练方法及装置
SE1050021A1 (sv) Metod och system för att uppdatera programvara
CN116384065B (zh) 一种混合动力车辆组合参数优化方法和装置
CN114815622A (zh) 车辆参数优化方法、装置、计算机设备和存储介质
Miyazaki An evaluation pattern generation scheme for electric components in hybrid electric vehicles
CN113065240B (zh) 一种自适应巡航仿真方法、装置、电子设备和存储介质
Li et al. An Online Integration Scheme for DRL-Based EMSs
Adnane et al. Torque Distribution Prediction for Dual-Motor Electric Vehicle Using Ensemble Learning Algorithms

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