CN113928330A - 一种纯电动汽车速度轨迹优化控制方法 - Google Patents
一种纯电动汽车速度轨迹优化控制方法 Download PDFInfo
- Publication number
- CN113928330A CN113928330A CN202111227490.5A CN202111227490A CN113928330A CN 113928330 A CN113928330 A CN 113928330A CN 202111227490 A CN202111227490 A CN 202111227490A CN 113928330 A CN113928330 A CN 113928330A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- battery
- control method
- model
- vehicle speed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 230000032683 aging Effects 0.000 claims abstract description 54
- 238000005265 energy consumption Methods 0.000 claims abstract description 40
- 230000007246 mechanism Effects 0.000 claims abstract description 6
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000005096 rolling process Methods 0.000 claims description 13
- 238000009795 derivation Methods 0.000 claims description 7
- 230000032677 cell aging Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 239000013543 active substance Substances 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000001172 regenerating effect Effects 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims 1
- 238000002474 experimental method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000011149 active material Substances 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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
-
- 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
- B60W2050/0018—Method for the design of a control 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
- 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
- B60W2050/0026—Lookup tables or parameter maps
-
- 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
- B60W2050/0031—Mathematical model of the vehicle
-
- 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
- B60W2050/0037—Mathematical models of vehicle sub-units
- B60W2050/0039—Mathematical models of vehicle sub-units of the propulsion unit
-
- 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
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及一种纯电动汽车速度轨迹优化控制方法,属于电动汽车控制技术领域。该方法包括单车控制方法和非协作车队控制方法。单车控制方法是通过构建状态空间方程将车速与电池能耗相关联,然后引入基于机理的动力电池老化模型构建目标函数,实现电池循环老化最小。非协作车队控制方法是构建非协作车队控制器以引入交通,该控制器通过调控车间距减小后车的空气阻力系数,进而实现车辆能耗与电池老化最小。本发明引入了基于机理的电池老化模型构建目标函数来控制车速使电池老化最小,进一步开发了非协同车队控制器来降低风阻导致的能量损耗,从而延长了电池寿命。
Description
技术领域
本发明属于电动汽车控制技术领域,涉及一种纯电动汽车速度轨迹优化控制方法。
背景技术
为应对能源短缺和环境污染问题,新能源汽车的发展愈来愈受到关注,纯电动汽车具有高效、零排放等突出优点,是汽车发展的重要方向之一,但是现阶段动力电池性能仍然存在技术瓶颈,随着动力电池性能的衰退,纯电动汽车续驶里程发生明显的降低,尤其是在频繁起步、加速、制动等城市行驶工况下,电动汽车的能耗增加、续驶里程明显缩短,严重限制了纯电动汽车的使用。
因此,亟需一种能够延长电动汽车电池寿命的优化控制方法。
发明内容
有鉴于此,本发明的目的在于提供一种纯电动汽车速度轨迹优化控制方法,实现车辆能耗与电池老化最小,从额延长动力电池的使用寿命。
为达到上述目的,本发明提供如下技术方案:
一种纯电动汽车速度轨迹优化控制方法,包括单车控制方法和非协作车队控制方法。
1、单车控制方法是:构建状态空间方程将车速与电池能耗相关联,然后引入基于机理的动力电池老化模型构建目标函数,实现电池循环老化最小;
所述单车控制方法具体包括以下步骤:
S101:构建车辆纵向动力学模型、电机模型、电池模型、电池老化模型;
S102:构建状态空间方程;
S103:构建模型约束和目标函数;
S104:构建单车控制器模型预测控制函数。
进一步,所述步骤S101具体包括:
(1)构建车辆纵向动力学模型
①计算车轮受到的转矩Twhl:
Twhl=TEMig+Tbrake (1)
其中,TEM是由电机产生的(牵引或者刹车)力矩,Tbrake是由辅助制动器产生的刹车力矩,ig为固定传动比;
②计算坡度阻力Tgrade和滚动阻力Troll,坡度阻力和滚动阻力均与位置s处的道路坡度有关;
Tgrade=rwhlFgrade=rwhlmgsinα(s) (2)
Troll=rwhlFroll=rwhlmgcrcosα(s) (3)
其中,rwhl为车轮半径,α为道路坡度,cr为滚动摩擦系数,m为车辆质量;
③计算空气阻力Tdrag,空气阻力与速度的平方成比例:
其中,Af为车辆迎风面积,cd为空气阻力系数,ρa为空气密度,v(t)为车辆在t时刻的速度;
依据牛顿定律,可推导出:
(2)构建电机模型
假设电机在牵引以及可再生制动效率相同;此时,靠近电池端的电机功率表示为:
其中,η(nm,TEM)表示基于转速nm与转矩的电机效率,该效率可通过电机效率图获得;
基于电池内阻模型可推导出:
SOC定义为电池剩余容量与其额定容量的比值,可通过下式进行推导:
其中,z(t)表示t时刻的电池SOC,Qnom表示电池额定容量;
(3)构建电池老化模型
本发明采用的电池老化模型如下:恒温条件下,t时刻的电池容量衰减(%)可表示为:
其中,
进一步,步骤S102中,构建状态空间方程,具体包括:由于道路坡度与位置有关,本发明中的时间导数均需转换为位置导数。对于函数f(s(t)),基于链式求导法则可以推导出:
其中,f(·)表示任意函数,s表示空间域;
根据式(5)和(6)可以重新推导出:
指定h为每个路段的长度以及
xk+1=F(xk,uk),yk=G(xk,uk)
其中,F(·,·)表示状态函数,xk=v(kh),G(·,·)表示输出函数,yk=Δz(kh),且uk=u(kh);k表示第k个路段,h表示每一个路段的长度;
每一步离散化的控制信号均被当作是分段常数;因此,式(8)可应用欧拉公式进行离散化为:
因为有
其中,nwhl表示车轮转速;此时有
代入等式(10)的nm,此时有
进一步,所述步骤S103具体包括:
(1)构建模型约束
①每一路段的行程时间为:
应用梯形法则计算积分值:
②N个路段的行程时间约束为:
其中,τ为所要求的行程时间;
③电机扭矩约束为:
④摩擦制动的约束为:
⑤车辆速度约束为:
⑥电池SOC约束为:
0≤zi≤1
(2)构建目标函数
①N个路段内的能量损耗为:
其中,Δzi表示车辆通过第i个路段电池SOC的变化量;
能量最小化的目标函数JME定义为:
②每一个路段的电池老化为:
其推导需使用如下等式:
应用梯形法则计算积分值如下:
其中,zk通过式(9)进行计算;
N个路段的容量损失计算为:
电池最小化目标函数JMD计算为:
③权衡能量损耗和电池老化的目标函数定义为:
其中,ω为惩罚函数。
进一步,步骤S104中,构建单车控制器模型预测控制函数,具体包括:可构建如下优化问题来最小化N个路段的能量损耗或电池老化,同时满足行程时间为τ的要求:
Subject to xi+1=F(xi,ui),i=1,2,…,N
0≤zi≤1,i=1,2,…,N+1 (17)
其中,JMV=JME为实现能耗最小化,JMV=JMD为实现电池老化最小化,JNV=JMB为实现能耗及电池老化均衡最小化。
2、非协作车队控制方法是:构建非协作车队控制器以引入交通,该控制器通过调控车间距减小后车的空气阻力系数,进而实现车辆能耗与电池老化最小。
涉及交通的控制架构:
(1)前车以“非协作”方式行驶,即以能耗或者电池老化最小的方式行驶,而不顾后车的行驶状态。
(2)基于前车的速度轨迹,后车跟车控制器优化所需控制信号,从而实现能耗或者电池老化最小。
(3)与空间间隔不同,本发明采用时间间隔tg来调整车队车间间距。
所述非协作车队控制方法具体包括以下步骤:
S111:构建基于交通的状态方程;
S112:计算车辆速度;
S113:构建模型约束与目标函数;
S114:构建非协同控制器模型预测函数。
进一步,步骤S111中,构建基于交通的状态方程,具体包括:在状态向量x中增加时间间隔tg来定位目标车辆的位置,即
xi=[vi,tg,i]T=H(xi,ui)
其中,状态函数H(·,·)的详细推导过程如下:
计算时间间隔:第i个路段的时间间隔变化Δtg,i计算如下:
Δtg,i=Δti-Δtp,i
其中,Δti表示后车在第i个路段的行程时间,Δtp,i表示前车在第i个路段的行程时间,进一步计算可得:
tg,i+1=tg,i+Δti-Δtp,i。
进一步,步骤S112中,计算车辆速度,具体包括:为了引入车间距对空气动力学特性的影响,定义空气阻力系数cd与车间距di的关系为:
vi+1的计算公式更新为:
其中,h表示每个路段的长度,TEM是由电机产生的(牵引或者刹车)力矩,Tbrake是由辅助制动器产生的刹车力矩,Tgrade是坡度阻力,Troll是滚动阻力,Tdrag是空气阻力,m为车辆质量;
在每个路段的起始段,前车总是比后车提前tg时间,因此两车的距离计算如下:
其中,sp为前车位置,sf为后车位置,l为卡车长度。
进一步,步骤S113中,构建模型约束与目标函数,具体包括:为了保证行驶安全,时间间隔tg,i定义为:
tmin≤tg,i≤tmax
其中,tmin和tmax分别为最小时间间隔和最大时间间隔;其他模型约束以及目标函数均与单车控制器相同。
进一步,步骤S114中,构建非协同控制器模型预测函数,具体包括:优化目标为使跟车N个路段后能耗和电池老化最小,因而优化问题PMP可构建为:
Subject to xi+1=F(xi,ui),i=1,2,…,N
tmin≤tg,i≤tmax,i=1,2,…,N+1
0≤zi≤1,i=1,2,…,N+1 (19)
其中,JMP=JME为实现能耗最小化,JMP=JMD为实现电池老化最小化,JMP=JMB为实现能耗及电池老化均衡最小化。
本发明的有益效果在于:
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为车辆纵向受力图;
图2为电机效率图;
图3为电池内阻模型;
图4为非协作车队控制器涉及交通的控制架构图;
图5为实验数据及空气阻力系数回归曲线图;
图6为道路数据,其中道路高度(上图)以及道路坡度(下图);
图7为本发明单车控制器全路段性能指标相对基准控制器的变化量;
图8为非协作车队行驶示意图;
图9为非协作车队控制器仿真结果,其中图9(a)为控制器全路段性能相对案例0控制器性能的相对变化量,图9(b)为不同案例特定阻力导致的能耗情况。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
请参阅图1~图9,本发明提供了一种纯电动汽车速度轨迹优化控制方法,包括单车控制方法和非协作车队控制方法,其中:
1、单车控制方法是通过构建状态空间方程将车速与电池能耗相关联,然后引入基于机理的动力电池老化模型构建目标函数,实现电池循环老化最小。该方法具体包括以下步骤:
S101:构建车辆纵向动力学模型、电机模型、电池模型、电池老化模型;
(1)构建车辆纵向动力学模型,如图1所示。
①计算车轮受到的转矩Twhl:
Twhl=TEMig+Tbrake (1)
其中,TEM是由电机产生的(牵引或者刹车)力矩,Tbrake是由辅助制动器产生的刹车力矩,ig为固定传动比;
②计算坡度阻力Tgrade和滚动阻力Troll,坡度阻力和滚动阻力均与位置s处的道路坡度有关;
Tgrade=rwhlFgrade=rwhlmgsinα(s) (2)
Troll=rwhlFroll=rwhlmgcrcosα(s) (3)
其中,rwhl为车轮半径,α为道路坡度,cr为滚动摩擦系数,m为车辆质量;
③计算空气阻力Tdrag,空气阻力与速度的平方成比例:
其中,Af为车辆迎风面积,cd为空气阻力系数,ρa为空气密度,v(t)为车辆在t时刻的速度;
依据牛顿定律,可推导出:
(2)构建电机模型
假设电机在牵引以及可再生制动效率相同;此时,靠近电池端的电机功率表示为:
其中,η(nm,TEM)表示基于转速nm与转矩的电机效率,该效率可通过电机效率图2获得;
基于电池内阻模型(参照图3)可推导出:
SOC定义为电池剩余容量与其额定容量的比值,可通过下式进行推导:
其中,z(t)表示t时刻的电池SOC,Qnom表示电池额定容量;
(3)构建电池老化模型
本发明采用的电池老化模型如下:恒温条件下,t时刻的电池容量衰减(%)可表示为:
其中,
S102:构建状态空间方程,具体包括:由于道路坡度与位置有关,本发明中的时间导数均需转换为位置导数。对于函数f(s(t)),基于链式求导法则可以推导出:
其中,f(·)表示任意函数,s表示空间域;
根据式(5)和(6)可以重新推导出:
指定h为每个路段的长度以及
xk+1=F(xk,uk),yk=G(xk,uk)
其中,F(·,·)表示状态函数,xk=v(kh),G(·,·)表示输出函数,yk=Δz(kh),且uk=u(kh);k表示第k个路段,h表示每一个路段的长度;
每一步离散化的控制信号均被当作是分段常数;因此,式(8)可应用欧拉公式进行离散化为:
因为有
其中,nwhl表示车轮转速;此时有
代入等式(10)的nm,此时有
S103:构建模型约束和目标函数,具体包括:
(1)构建模型约束
①每一路段的行程时间为:
应用梯形法则计算积分值:
②N个路段的行程时间约束为:
其中,τ为所要求的行程时间;
③电机扭矩约束为:
④摩擦制动的约束为:
⑤车辆速度约束为:
⑥电池SOC约束为:
0≤zi≤1
(2)构建目标函数
①N个路段内的能量损耗为:
其中,Δzi表示车辆通过第i个路段电池SOC的变化量;
能量最小化的目标函数JME定义为:
②每一个路段的电池老化为:
其推导需使用如下等式:
应用梯形法则计算积分值如下:
其中,zk通过式(9)进行计算;
N个路段的容量损失计算为:
电池最小化目标函数JMD计算为:
③权衡能量损耗和电池老化的目标函数定义为:
其中,ω为惩罚函数。
S104:构建单车控制器模型预测控制函数,具体包括:可构建如下优化问题来最小化N个路段的能量损耗或电池老化,同时满足行程时间为τ的要求:
Subject to xi+1=F(xi,ui),i=1,2,…,N
0≤zi≤1,i=1,2,…,N+1 (17)
其中,JMV=JME为实现能耗最小化,JMV=JMD为实现电池老化最小化,JMV=JMB为实现能耗及电池老化均衡最小化。
2、非协作车队控制方法是通过构建非协作车队控制器以引入交通,该控制器通过调控车间距减小后车的空气阻力系数,进而实现车辆能耗与电池老化最小。该方法涉及的交通控制架构(参见图4)为:
(1)前车以“非协作”方式行驶,即以能耗或者电池老化最小的方式行驶,而不顾后车的行驶状态。
(2)基于前车的速度轨迹,后车跟车控制器优化所需控制信号,从而实现能耗或者电池老化最小。
(3)与空间间隔不同,本发明采用时间间隔tg来调整车队车间间距。
该方法具体包括以下步骤:
S111:构建基于交通的状态方程,具体包括:在状态向量x中增加时间间隔tg来定位目标车辆的位置,即
xi=[vi,tg,i]T=H(xi,ui)
其中,状态函数H(·,·)的详细推导过程如下:
计算时间间隔:第i个路段的时间间隔变化Δtg,i计算如下:
Δtg,i=Δti-Δtp,i
其中,Δti表示后车在第i个路段的行程时间,Δtp,i表示前车在第i个路段的行程时间,进一步计算可得:
tg,i+1=tg,i+Δti-Δtp,i。
S112:计算车辆速度,具体包括:为了引入车间距对空气动力学特性的影响,定义空气阻力系数cd与车间距di的关系为:
其中,cd,0为没有前车时的风阻系数,cd,1和cd,2为基于实验数据获得的回归系数;实验数据及空气阻力系数回归曲线如图5所示。
vi+1的计算公式更新为:
其中,h表示每个路段的长度,TEM是由电机产生的(牵引或者刹车)力矩,Tbrake是由辅助制动器产生的刹车力矩,Tgrade是坡度阻力,Troll是滚动阻力,Tdrag是空气阻力,m为车辆质量;
在每个路段的起始段,前车总是比后车提前tg时间,因此两车的距离计算如下:
其中,sp为前车位置,sf为后车位置,l为卡车长度。
S113:构建模型约束与目标函数,具体包括:为了保证行驶安全,时间间隔tg,i定义为:
tmin≤tg,i≤tmax
其中,tmin和tmax分别为最小时间间隔和最大时间间隔;其他模型约束以及目标函数均与单车控制器相同。
S114:构建非协同控制器模型预测函数,具体包括:优化目标为使跟车N个路段后能耗和电池老化最小,因而优化问题PMP可构建为:
Subject to xi+1=F(xi,ui),i=1,2,…,N
tmin≤tg,i≤tmax,i=1,2,…,N+1
0≤zi≤1,i=1,2,…,N+1 (19)
其中,JMP=JME为实现能耗最小化,JMP=JMD为实现电池老化最小化,JMP=JMB为实现能耗及电池老化均衡最小化。
验证实验:
1、单车控制器性能分析
(1)实验参数设置,参见图6和表1。
表1卡车及电池包参数
参数 | 数值 |
重量(m) | 40t |
长度(l) | 18m |
额定容量(Q<sub>nom</sub>) | 312.5Ah |
电机效率(η) | 94.7% |
AC/DC转换器效率(η<sub>AD</sub>) | 98% |
最大电机功率(P<sub>max</sub>) | 211kW |
最小电机功率(P<sub>min</sub>) | -211kW |
传动比(i<sub>g</sub>) | 19:1 |
车轮半径(r<sub>whl</sub>) | 0.5m |
(2)单车控制方法性能分析
本发明主要对能耗与老化均衡最优的控制策略进行试验验证。
1)基准控制器为车辆匀速巡航控制器。
2)等式(16)中的惩罚系数决定优化过程中能耗与电池老化所占比例,如图7所示,
ω=0相当于电池老化最小,ω越大,则能耗占比越大。
ω=1.1时,与基准控制器相比,能耗降低-0.56%,寿命延长-19.1%。
ω=1.15时,与基准控制器相比,能耗降低-1.1%,寿命延长-18.6%。ω→∞时相当于能耗最小。
通过大量实验表明,与巡航控制器相比,本发明的单车控制器可将电池能耗、老化分别降低3.2%和25.7%。
2、非协作车队控制器性能分析
(1)实验参数设置,参见图8和表2。
表2前车参数设置
案例<sup>1</sup> | 重量(t) | SOC<sub>ini</sub> | 老化 | ω |
1 | 40 | 90% | 7.1% | 1.1 |
2 | 35 | 80% | 12.4% | 1.15 |
3 | 30 | 50% | 18% | 1.15 |
本实验使用案例0来指示没有前车的情形。
由图9(a)可以看出,与案例0无前车情形相比,案例1-3可将能耗降低9%-10%,电池老化降低2%-5%。图9(b)中,Eb,Er,Ed分别代表摩擦制动、滚动阻力以及空气阻力导致的能量损耗。可见,当有前车时,通过调整车间距降低风阻系数,可将风阻导致的能耗从41.11kWh(案例0)降低大约34%到27kWh(案例1-3)。
通过大量实验表明,与巡航控制器相比,本发明的非协作车队控制器可进一步将电池能耗老化分别降低9%~10%和2%~5%。
总结:本发明引入了基于机理的电池老化模型构建目标函数来控制车速使电池老化最小。进一步开发了非协同车队控制器来降低风阻导致的能量损耗。仿真结果表明,与匀速巡航控制器相比,所开发的控制器可将能耗降低高达10%电池寿命延长超过20%。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种纯电动汽车速度轨迹优化控制方法,其特征在于,该方法包括单车控制方法,包括:构建状态空间方程将车速与电池能耗相关联,然后引入基于机理的动力电池老化模型构建目标函数,实现电池循环老化最小;
所述单车控制方法具体包括以下步骤:
S101:构建车辆纵向动力学模型、电机模型、电池模型、电池老化模型;
S102:构建状态空间方程;
S103:构建模型约束和目标函数;
S104:构建单车控制器模型预测控制函数。
2.根据权利要求1所述的纯电动汽车速度轨迹优化控制方法,其特征在于,所述步骤S101具体包括:
(1)构建车辆纵向动力学模型
①计算车轮受到的转矩Twhl:
Twhl=TEMig+Tbrake (1)
其中,TEM是由电机产生的力矩,Tbrake是由辅助制动器产生的刹车力矩,ig为固定传动比;
②计算坡度阻力Tgrade和滚动阻力Troll,坡度阻力和滚动阻力均与位置s处的道路坡度有关;
Tgrade=rwhlFgrade=rwhlmgsinα(s) (2)
Troll=rwhlFroll=rwhlmgcrcosα(s) (3)
其中,rwhl为车轮半径,α为道路坡度,cr为滚动摩擦系数,m为车辆质量;
③计算空气阻力Tdrag:
其中,Af为车辆迎风面积,cd为空气阻力系数,ρa为空气密度,v(t)为车辆在t时刻的速度;
依据牛顿定律,推导出:
(2)构建电机模型
假设电机在牵引以及可再生制动效率相同;此时,靠近电池端的电机功率表示为:
其中,η(nm,TEM)表示基于转速nm与转矩的电机效率;
基于电池内阻模型推导出:
SOC定义为电池剩余容量与其额定容量的比值,通过下式进行推导:
其中,z(t)表示t时刻的电池SOC,Qnom表示电池额定容量;
(3)构建电池老化模型
恒温条件下,t时刻的电池容量衰减(%)表示为:
其中,
其中,kAM为活性物质损失的指数因子,EAM为活性物质损失的活化能,R为理想气体常数,T为绝对温度。
3.根据权利要求2所述的纯电动汽车速度轨迹优化控制方法,其特征在于,步骤S102中,构建状态空间方程,具体包括:对于函数f(s(t)),基于链式求导法则推导出:
其中,f(·)表示任意函数,s表示空间域;
根据式(5)和(6)重新推导出:
指定h为每个路段的长度以及
xk+1=F(xk,uk),yk=G(xk,uk)
其中,F(·,·)表示状态函数,xk=v(kh),G(·,·)表示输出函数,yk=Δz(kh),且uk=u(kh);k表示第k个路段,h表示每一个路段的长度;
每一步离散化的控制信号均被当作是分段常数;因此,式(8)应用欧拉公式进行离散化为:
因为有
其中,nwhl表示车轮转速;此时有
代入等式(10)的nm,此时有
4.根据权利要求3所述的纯电动汽车速度轨迹优化控制方法,其特征在于,所述步骤S103具体包括:
(1)构建模型约束
①每一路段的行程时间为:
应用梯形法则计算积分值:
②N个路段的行程时间约束为:
其中,τ为所要求的行程时间;
③电机扭矩约束为:
④摩擦制动的约束为:
⑤车辆速度约束为:
⑥电池SOC约束为:
0≤zi≤1
(2)构建目标函数
①N个路段内的能量损耗为:
其中,Δzi表示车辆通过第i个路段电池SOC的变化量;
能量最小化的目标函数JME定义为:
②每一个路段的电池老化为:
其推导需使用如下等式:
应用梯形法则计算积分值如下:
其中,zk通过式(9)进行计算;
N个路段的容量损失计算为:
电池最小化目标函数JMD计算为:
③权衡能量损耗和电池老化的目标函数定义为:
其中,ω为惩罚函数。
6.根据权利要求1~5中任意一项所述的纯电动汽车速度轨迹优化控制方法,其特征在于,该方法还包括非协作车队控制方法,包括:构建非协作车队控制器以引入交通,该控制器通过调控车间距减小后车的空气阻力系数,进而实现车辆能耗与电池老化最小;
所述非协作车队控制方法具体包括以下步骤:
S111:构建基于交通的状态方程;
S112:计算车辆速度;
S113:构建模型约束与目标函数;
S114:构建非协同控制器模型预测函数。
7.根据权利要求6所述的纯电动汽车速度轨迹优化控制方法,其特征在于,步骤S111中,构建基于交通的状态方程,具体包括:在状态向量x中增加时间间隔tg来定位目标车辆的位置,即
xi=[vi,tg,i]T=H(xi,ui)
其中,状态函数H(·,·)的推导过程如下:
计算时间间隔:第i个路段的时间间隔变化Δtg,i计算如下:
Δtg,i=Δti-Δtp,i
其中,Δti表示后车在第i个路段的行程时间,Δtp,i表示前车在第i个路段的行程时间,进一步计算可得:
tg,i+1=tg,i+Δti-Δtp,i。
8.根据权利要求7所述的纯电动汽车速度轨迹优化控制方法,其特征在于,步骤S112中,计算车辆速度,具体包括:定义空气阻力系数cd与车间距di的关系为:
其中,cd,0为没有前车时的风阻系数,cd,1和cd,2为基于实验数据获得的回归系数;
vi+1的计算公式更新为:
其中,h表示每个路段的长度,TEM是由电机产生的力矩,Tbrake是由辅助制动器产生的刹车力矩,Tgrade是坡度阻力,Troll是滚动阻力,Tdrag是空气阻力,m为车辆质量;
在每个路段的起始段,前车总是比后车提前tg时间,因此两车的距离计算如下:
其中,sp为前车位置,sf为后车位置,l为卡车长度。
9.根据权利要求8所述的纯电动汽车速度轨迹优化控制方法,其特征在于,步骤S113中,构建模型约束与目标函数,具体包括:为了保证行驶安全,时间间隔tg,i定义为:
tmin≤tg,i≤tmax
其中,tmin和tmax分别为最小时间间隔和最大时间间隔;其他模型约束以及目标函数均与单车控制器相同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111227490.5A CN113928330B (zh) | 2021-10-21 | 2021-10-21 | 一种纯电动汽车速度轨迹优化控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111227490.5A CN113928330B (zh) | 2021-10-21 | 2021-10-21 | 一种纯电动汽车速度轨迹优化控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113928330A true CN113928330A (zh) | 2022-01-14 |
CN113928330B CN113928330B (zh) | 2024-07-02 |
Family
ID=79280928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111227490.5A Active CN113928330B (zh) | 2021-10-21 | 2021-10-21 | 一种纯电动汽车速度轨迹优化控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113928330B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115001053A (zh) * | 2022-07-13 | 2022-09-02 | 重庆大学 | 主动抑制电池老化的v2g最优调频方法 |
CN118144635A (zh) * | 2024-05-09 | 2024-06-07 | 山东浪潮智慧能源科技有限公司 | 一种v2g放电策略优化方法、装置及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108365986A (zh) * | 2018-02-07 | 2018-08-03 | 重庆大学 | 基于模型预测控制的混合动力车队协同能量管理方法 |
CN108490365A (zh) * | 2018-04-18 | 2018-09-04 | 北京理工大学 | 一种估计电动汽车的动力电池的剩余寿命的方法 |
WO2018209038A1 (en) * | 2017-05-12 | 2018-11-15 | Ohio State Innovation Foundation | Real-time energy management strategy for hybrid electric vehicles with reduced battery aging |
CN109733208A (zh) * | 2019-01-24 | 2019-05-10 | 湖南普西智能科技有限责任公司 | 一种纯电动汽车加速控制方法及*** |
CN110641456A (zh) * | 2019-10-29 | 2020-01-03 | 重庆大学 | 一种基于pmp原理的插电式混合动力***双态自适应控制方法 |
CN111261973A (zh) * | 2020-01-19 | 2020-06-09 | 重庆大学 | 基于模型预测控制的电动汽车整车电池热管理方法 |
CN111645530A (zh) * | 2020-06-14 | 2020-09-11 | 长春理工大学 | 考虑电池寿命的制动能量滚动优化控制方法 |
CN113147321A (zh) * | 2021-04-29 | 2021-07-23 | 重庆大学 | 一种车载空调与可再生制动协调控制方法 |
-
2021
- 2021-10-21 CN CN202111227490.5A patent/CN113928330B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018209038A1 (en) * | 2017-05-12 | 2018-11-15 | Ohio State Innovation Foundation | Real-time energy management strategy for hybrid electric vehicles with reduced battery aging |
CN108365986A (zh) * | 2018-02-07 | 2018-08-03 | 重庆大学 | 基于模型预测控制的混合动力车队协同能量管理方法 |
CN108490365A (zh) * | 2018-04-18 | 2018-09-04 | 北京理工大学 | 一种估计电动汽车的动力电池的剩余寿命的方法 |
CN109733208A (zh) * | 2019-01-24 | 2019-05-10 | 湖南普西智能科技有限责任公司 | 一种纯电动汽车加速控制方法及*** |
CN110641456A (zh) * | 2019-10-29 | 2020-01-03 | 重庆大学 | 一种基于pmp原理的插电式混合动力***双态自适应控制方法 |
CN111261973A (zh) * | 2020-01-19 | 2020-06-09 | 重庆大学 | 基于模型预测控制的电动汽车整车电池热管理方法 |
CN111645530A (zh) * | 2020-06-14 | 2020-09-11 | 长春理工大学 | 考虑电池寿命的制动能量滚动优化控制方法 |
CN113147321A (zh) * | 2021-04-29 | 2021-07-23 | 重庆大学 | 一种车载空调与可再生制动协调控制方法 |
Non-Patent Citations (1)
Title |
---|
解少博: "智能网联混合动力车辆速度规划的多目标协同控制研究》", 汽车工程, vol. 43, no. 7, 31 July 2021 (2021-07-31), pages 954 - 961 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115001053A (zh) * | 2022-07-13 | 2022-09-02 | 重庆大学 | 主动抑制电池老化的v2g最优调频方法 |
CN118144635A (zh) * | 2024-05-09 | 2024-06-07 | 山东浪潮智慧能源科技有限公司 | 一种v2g放电策略优化方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113928330B (zh) | 2024-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Maia et al. | Electrical vehicle modeling: A fuzzy logic model for regenerative braking | |
CN106143472B (zh) | 车辆以及运转车辆的牵引电池的方法 | |
CN110126841A (zh) | 基于道路信息和驾驶风格的纯电动汽车能耗模型预测方法 | |
CN113928330A (zh) | 一种纯电动汽车速度轨迹优化控制方法 | |
CN109204300B (zh) | 混合动力车辆及其行驶模式控制方法 | |
CN112389208B (zh) | 自动驾驶车辆能量回收方法、***、终端、介质及车辆 | |
CN101386304A (zh) | 自动车辆动力***控制方法与*** | |
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 | |
US20200108829A1 (en) | Energy-optimal adaptive cruise controller | |
JPH11164402A (ja) | ハイブリッド車両の制御装置及び制御方法 | |
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 | |
Zendegan et al. | Predictive battery state of charge reference generation using basic route information for optimal energy management of heavy-duty fuel cell vehicles | |
CN113147321B (zh) | 一种车载空调与可再生制动协调控制方法 | |
JP2009274610A (ja) | ハイブリッド車の制御装置 | |
CN113085860A (zh) | 一种跟车环境下的燃料电池混合动力汽车的能量管理方法 | |
Maamria et al. | On the use of Dynamic Programming in eco-driving cycle computation for electric vehicles | |
CN112046335A (zh) | 一种基于行驶能耗模型的电动汽车剩余行驶里程计算方法 | |
Zhang et al. | Optimal eco-driving control of autonomous and electric trucks in adaptation to highway topography: Energy minimization and battery life extension | |
CN112896161A (zh) | 一种基于强化学习的电动汽车生态自适应巡航控制*** | |
CN114746316A (zh) | 在考虑到到达时间因素的情况下对交通工具的基于模型的预测控制 | |
CN114585548A (zh) | 在使用关于第二交通工具的轨迹信息的情况下基于mpc确定第一交通工具的轨迹 | |
Zhang et al. | Battery aging-minimal speed control of autonomous heavy-duty electric trucks in adaptation to highway topography and traffic | |
CN116101130B (zh) | 一种燃料电池汽车能量管理的方法及*** | |
CN114555406B (zh) | 对机动车的动力总成的电机的基于模型的预测性调节 | |
JP2004178965A (ja) | 車両の制御装置 |
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 |