CN115571113A - 一种基于速度规划的混合动力车辆能量优化控制方法及*** - Google Patents
一种基于速度规划的混合动力车辆能量优化控制方法及*** Download PDFInfo
- Publication number
- CN115571113A CN115571113A CN202211125986.6A CN202211125986A CN115571113A CN 115571113 A CN115571113 A CN 115571113A CN 202211125986 A CN202211125986 A CN 202211125986A CN 115571113 A CN115571113 A CN 115571113A
- Authority
- CN
- China
- Prior art keywords
- speed
- vehicle
- curve
- planning
- gaussian function
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000005457 optimization Methods 0.000 title claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- 239000000446 fuel Substances 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 23
- 230000001133 acceleration Effects 0.000 claims description 18
- 238000005096 rolling process Methods 0.000 claims description 10
- 238000007726 management method Methods 0.000 claims description 8
- 239000003921 oil Substances 0.000 claims description 5
- 238000010248 power generation Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 230000006641 stabilisation Effects 0.000 claims description 5
- 238000011105 stabilization Methods 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000010705 motor oil Substances 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 50
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- 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
- 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
- B60W10/24—Conjoint control of vehicle sub-units of different type or different function including control of energy storage means
- B60W10/26—Conjoint control of vehicle sub-units of different type or different function including control of energy storage means for electrical energy, e.g. batteries or capacitors
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/14—Adaptive cruise control
- B60W30/143—Speed control
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0023—Planning or execution of driving tasks in response to energy consumption
-
- 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
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供一种基于速度规划的混合动力车辆能量优化控制方法及***,包括以下步骤:A、对行车状态按驾驶目的进行分类,设定不同类别的速度规划曲线的数据采集内容;B、确定拟规划的速度曲线类别,进行速度数据采集,采用高斯函数算法拟合速度曲线,进行速度规划,获得本车辆本周期目标速度规划曲线;C、建立串联混合动力车辆SHEV模型;D、建立目标性能函数;E、根据目标速度规划曲线,采用模型预测控制算法,计算出目标速度规划曲线的整个行车过程中的优化控制序列,获得该行车过程的发动机输出功率控制曲线,控制车辆发动机在经济曲线上运行。本发明能够提高车辆自动驾驶的舒适性与精准性,并使车辆能量消耗局部最优,提高燃油效率。
Description
技术领域
本发明涉及自动驾驶车辆速度规划、混合动力车辆能量优化控制管理领域,具体涉及一种基于速度规划的混合动力车辆能量优化控制方法及***。
背景技术
自动驾驶车辆依靠人工智能、视觉计算、雷达、监控装置和全球定位***协同合作,让计算机可以在没有任何人类主动的操作下,自动安全地操作机动车辆。
当前自动驾驶技术虽然能够适用巡航、跟车、超车以及停车等多个场景,但是存在跟车或者超车场景下,拟合的速度曲线纵向加加速度峰值较大,舒适度较差;以及停车场景下,速度末端存在一段较长时间的加速度接近于零的情况,不利于控制,无法保证停车位置的准确度。因此,需要一种速度规划方法,使自动驾驶更具有舒适性与精准性。
混合动力车辆性能中,燃油经济性受车辆的结构形式、动力***的参数匹配、车辆参数、循环工况和控制策略的影响。因此,有必要在现有技术的基础上进一步改进混合动力车辆的能源管理策略。动态规划(DP)是一种全局优化算法,需要事先知道全局工况信息,能够得到全局最优解,但是计算量大,无法在车辆控制器上实时运行。为了更好地利用全局优化,在每个预测的时域中找到最优的控制动作,保证最优性和实时控制,即模型预测控制(MPC),采用在线滚动优化方法和反馈自校正策略,实现预期的控制目标,并使***有良好的鲁棒性和稳定性。
发明内容
本发明旨在提供一种基于速度规划的混合动力车辆能量优化控制方法及***,该方法及***能够提高车辆自动驾驶的舒适性与精准性,并使局部能量消耗最优,提高燃油效率。
本发明的技术方案如下:
所述的基于速度规划的混合动力车辆能量优化控制方法,使用模型预测控制算法作为优化算法,上层采用基于高斯函数算法完成车辆速度的规划,下层主要完成对车辆的能量管理,其中主要考虑的车辆的燃油消耗和电池SOC即荷电状态的轨迹跟踪等。包括以下步骤:
A、对行车状态按驾驶目的进行分类,设定不同类别的速度规划曲线的数据采集内容;
B、确定拟规划的速度曲线属于哪一类别,进行速度数据采集,作为本车辆本周期规划速度曲线的基础数据,采用高斯函数算法拟合速度曲线,进行速度规划,获得本车辆本周期目标速度规划曲线;
其中,高斯函数算法为单峰高斯函数和多峰高斯函数,根据所采集的速度数据是单极值或者多极值来选用;
C、建立串联混合动力车辆SHEV模型,包括一个发动机-发电机组、驱动电机和电池组;
D、基于发动机燃油消耗降低和电池SOC相对参考轨迹稳定两个协调优化目标,建立目标性能函数;
E、根据目标速度规划曲线,采用模型预测控制算法,求解目标性能函数,计算出目标速度规划曲线的整个行车过程中的优化控制序列,获得该行车过程的发动机输出功率控制曲线;基于该发动机输出功率控制曲线控制车辆发动机在经济曲线上运行,保障车辆动力需求的同时,降低车辆油耗。
所述的行车状态分类具体为:车辆跟车行驶状态、车辆超车行驶状态、车辆停车入位行驶状态。
所述的步骤B中,速度曲线的规划过程为:
车辆跟车行驶状态:拟规划速度曲线起点是上一周期规划的行车速度曲线的末端点,采集的信息包括该点时本车辆的速度、加速度数据,以及上一周期采集被跟车辆的速度、加速度数据;对采集的上一周期的被跟车辆的速度数据进行极值搜索,确定在该次规划周期内,速度曲线采用单峰还是多峰的高斯函数算法进行速度规划;
车辆超车行驶状态:拟规划速度曲线起点是上一周期规划的行车速度曲线的末端点,采集的信息包括该点时本车辆的速度、加速度数据,以及上一周期采集的车辆前方、左侧、右侧以及后侧的车辆的速度、加速度数据;其中前方的车辆即为超车目标;基于上一周期采集的被超车辆速度Vi,以速度Vi*(1+d%)为基础数据,以时间为数轴,建立超车速度曲线,对该超车速度数据进行极值搜索,确定在该次规划周期内,采用单峰还是多峰的高斯函数算法对该超车速度数据曲线拟合,从而进行速度规划;其中,d%为被超车辆行驶速度值上的增加值,0<d%<100%;
车辆停车入位行驶状态:拟规划速度曲线起点是上一周期规划的行车速度曲线的末端点,采集的信息包括该点时速度数据,以及车辆附近的静态障碍物的状态;车辆开启停车模式时规划起点的车辆速度即为拟规划的速度曲线中的最大速度,而拟规划的速度曲线中末端即为停车时速度为零,设定最低高斯函数规划速度阀值,该速度阀值接近于零;基于规划起点的车辆速度、最低高斯函数规划速度阀值、停车距离、停车总时间,采用单峰高斯函数进行速度曲线规划,当速度低于最低高斯函数规划速度阀值时,换用斜线速度规划,将车速在短时间内降为零。
所述的车辆跟车行驶状态中,若车辆跟踪的为零速起步车辆,则设定速度阙值,以斜线曲线按固定加速度加速到设定的速度阀值,然后基于上周期采集的被跟车辆的速度数据,采用单峰单边高斯函数算法规划速度曲线,实现零速起步车辆的跟踪。
所述的单峰高斯函数为:
其中,ti为时间点,vi为该时间点所采集的速度,i代表上周期采集的数据点下标序号,i=1,2,3,...,vmax为高斯曲线的峰值,tm为峰值位置,S为半宽度信息;
所述的多峰高斯函数
其中,ti为时间点,vi为时间点对应的速度;i代表上周期采集的数据点下标序号,i=1,2,3,...;vjmax为高斯曲线各个峰的峰值,tjm为各个峰的峰值位置,Sj为各个峰的半宽度信息,j代表上一周期采集的速度数据中的各个峰值下标序号,j=1,2,3,...。
基于单峰高斯函数和多峰高斯函数,高斯函数算法拟合速度曲线的过程如下:
单峰高斯函数拟合过程:
式(1)两边取自然对数,得到式(3):
令:
依据采用数据,由(4)式可以将(3)式表示为:
式(5)可记为:
Z=XB (6)
为使拟合出的函数曲线到达所有数据点的最小方差,根据最小二乘法定理估算出B的最优值,矩阵B的广义最小二乘解为:
B=(XTX)-1XTZ (7)
求得b0、b1、b2,再依据式(4)可以求出待估计的参数vmax、tm、S的值,即得到高斯函数的特征参数:
基于公式(8)就能求出待估计的参数vmax、tm、S的值,即得到高斯函数的特征参数,得到目标速度规划曲线;
多峰高斯函数拟合过程:
多峰高斯函数拟合曲线中各个峰分别按照上述单峰高斯函数拟合过程进行计算,最终组成包含多个峰的目标速度规划曲线。
所述的步骤D中,建立的目标性能函数为:
其中,燃油消耗项代表在预测时域内混合动力汽车的燃油消耗量,电量消耗项是为了保证预测时域内,电池SOC尽可能接近期望的SOCr值;
式中,t为当前时刻,Δt为单位采样时间,p为预测域长度,预测时域([t,t+pΔt]∈[t0,tf]),Wfuel和wsoc均为权重系数,为燃油消耗率,SOCr(t)是参考的电池SOC轨迹值,SOC(t)为t时刻电池的荷电状态。
所述的参考的电池SOC轨迹值的函数为:
其中,SOC0为SOC初始值,SOCf为SOC最终值,Sz为车辆行驶总里程,S(t)为t时刻车辆行驶的里程,Sp(t)为车辆预测域内的行驶里程,v(t)为车辆t时刻的速度,vp(t)为预测时域内的车速;
在预测时域内规划的车速序列为v(t+Δt)、v(t+2Δt)、…、v(t+p(-1)Δt)、v(t+pΔt)。
所述的目标性能函数中SOC(t)的求解函数为:
式中,SOC(t)为t时刻电池的荷电状态,Qc为电池额定容量,Voc为电池开路电压,R0为电池内部电阻,Pbatt为电池输出功率。
所述的目标性能函数的约束条件为:
车辆的轮胎需求功率Pwheel公式:
其中,Pwheel为车辆轮胎需求功率;M为车辆满载质量;g为重力加速度;f为车轮滚动阻力系数;θ为坡度角;v为车速;CD为风阻系数;A为车辆迎风面积;dv/dt为车辆行驶加速度;
发动机、发动机-发电机组的输出功率关系表达式为:
Pft(t)=Pe(t)·ηg (13)
其中,Pft为发动机-发电机组的输出功率,Pe为发动机的输出功率;ηg为发电机的效率;
发动机在经济运行曲线上运行,对应的工作点为经济运行点,通过多项式方程拟合发动机油耗模型:
在不考虑机械制动情况下,电机功率表达式为:
其中,Pm为电机功率;Tm为电机输出转矩;wm为电机输出转速;ηm为电机电动状态下的效率;η′m为电机发电状态下的效率,ηi为减速传动***总效率;Tm>0,电机为驱动状态,Tm<0电机为发电状态;
ηm=fm(Tm,wm) (16)
η′m=f′m(Tm,wm) (17)
串联式混合动力车辆瞬时消耗的功率等于能量源提供的功率,即满足:
Pm(t)+Pel(t)=Pft(t)+Pbatt(t) (18)
Pm实际就是电机功率,电机的输出功率满足速度规划的功率需求;Pft就是发动机发电机组的输出功率,Pbatt就是电池的功率;Pel(t)-其他电气负载消耗功率;
所用不等式约束为:
选择发动机输出功率Pe作为控制变量,电池SOC值作为状态变量,将油耗mf、电机功率Pm、电机输出转矩Tm、电池功率Pbatt作为输出,通过在预测域内实时求解预测域内的多目标多约束优化问题,得到最优控制变量序列,选择第一个元素作用于车辆,在下一时刻更新车辆状态实现滚动优化控制。
本发明还公开了一种速度规划的混合动力车辆能量优化控制***,包括:
获取模块:用于采集本车辆及相关车辆的速度数据,作为本车辆本周期规划速度曲线的基础数据;
速度规划模块:用于对采集的采用速度数据通过高斯函数算法拟合速度曲线,进行速度规划,获得本车辆本周期目标速度规划曲线;其中,高斯函数算法为单峰高斯函数和多峰高斯函数,根据所采集的速度数据是单极值或者多极值来选用;
能量管理模块:其内建立有串联混合动力车辆SHEV模型,包括一个发动机-发电机组、驱动电机和电池组;其内还基于发动机燃油消耗降低和电池SOC相对参考轨迹稳定两个协调优化目标,建立有目标性能函数;根据目标速度规划曲线,采用模型预测控制算法,求解目标性能函数,计算出目标速度规划曲线的整个行车过程中的优化控制序列,获得该行车过程的发动机输出功率控制曲线;基于该发动机输出功率控制曲线控制车辆发动机在经济曲线上运行,保障车辆动力需求的同时,降低车辆油耗将车辆规划速度的结果放入模型预期控制器中,通过求解一个多目标多约束优化问题,在预测时域内得到最优的发动机功率控制序列,并利用在线滚动优化方法和反馈自校正,实现整个行车过程中的优化控制。
硬件方面主要包括:利用GPS设备和车速传感器、监控前车距离及车身两侧是否有来车的雷达传感器、测对方车辆车速的测速器,获得车辆历史出行工况数据、当前车辆位置和前车距离、速度等信息;存储器用于存储程序、数据等;处理器用于计算运行所述程序,包括车速的规划、能量管理控制程序。
本发明的方法及***利用高斯函数拟合算法对混合动力车辆自动驾驶的速度曲线进行规划,这一速度规划方法及***能够反映出数据的总体变化情况,有效提升自动驾驶的舒适性与精准性;通过模型预测控制算法,在预测的时域中找到最优的控制动作,使局部能量消耗最优,计算效率高,实时控制性好,有较好的可行性。
附图说明
图1为单峰高斯函数进行速度拟合的示意图;
图2为多峰高斯函数进行速度拟合的示意图;
图3混合动力车辆动力***结构示意图;
图4工作流程图
具体实施方式
实施例1
1、对行车状态按驾驶目的进行分类,设定不同类别的速度规划曲线的数据采集内容;
2、确定拟规划的速度曲线属于哪一类别,进行数据采集,利用GPS设备和车速传感器、监控前车距离及车身两侧是否有来车的雷达传感器、测对方车辆车速的测速器,获得车辆历史出行工况数据、当前车辆位置和前车距离、速度等信息,作为本车辆本周期规划速度曲线的基础数据;
3、采用高斯函数算法拟合速度曲线,进行速度规划,获得本车辆本周期目标速度规划曲线,以确定车辆的需求功率;
所述的单峰高斯函数为:
其中,ti为时间点,vi为该时间点所采集的速度,i代表上周期采集的数据点下标序号,i=1,2,3,...,vmax为高斯曲线的峰值,tm为峰值位置,S为半宽度信息;
所述的多峰高斯函数
其中,ti为时间点,vi为时间点对应的速度;i代表上周期采集的数据点下标序号,i=1,2,3,...;vjmax为高斯曲线各个峰的峰值,tjm为各个峰的峰值位置,Sj为各个峰的半宽度信息,j代表上一周期采集的速度数据中的各个峰值下标序号,j=1,2,3,...。
基于单峰高斯函数和多峰高斯函数,高斯函数算法拟合速度曲线的过程如下:
单峰高斯函数拟合过程:
式(1)两边取自然对数,得到式(3):
令:ln vi=zi
依据采用数据,由(4)式可以将(3)式表示为:
式(5)可记为:
Z=XB (6)
为使拟合出的函数曲线到达所有数据点的最小方差,根据最小二乘法定理估算出B的最优值,矩阵B的广义最小二乘解为:
B(XTX)-1XTZ (7)
求得b0、b1、b2,再依据式(4)可以求出待估计的参数vmax、tm、S的值,即得到高斯函数的特征参数:
基于公式(8)就能求出待估计的参数vmax、tm、S的值,即得到高斯函数的特征参数,得到目标速度规划曲线;
多峰高斯函数拟合过程:
多峰高斯函数拟合曲线中各个峰分别按照上述单峰高斯函数拟合过程进行计算,最终组成包含多个峰的目标速度规划曲线;
4、建立的混合动力车辆模型见图3所示,包括一个发动机-发电机组、驱动电机和电池组;
5、建立电池模型的SOC状态方程
式中,SOC(t)为t时刻电池的荷电状态,Qc为电池额定容量,Voc为电池开路电压,R0为电池内部电阻,Pbatt为电池输出功率。
6、确定目标性能函数的约束条件为:
车辆的轮胎需求功率Pwheel公式:
其中,Pwheel为车辆轮胎需求功率;M为车辆满载质量;g为重力加速度;f为车轮滚动阻力系数;θ为坡度角;v为车速;CD为风阻系数;A为车辆迎风面积;dv/dt为车辆行驶加速度。
发动机、发动机-发电机组的输出功率关系表达式为:
Pft(t)=Pe(t)·ηg (13)
其中,Pft为发动机-发电机组的输出功率,Pe为发动机的输出功率;ηg为发电机的效率;
发动机在经济运行曲线上运行,对应的工作点为经济运行点,通过多项式方程拟合发动机油耗模型:
在不考虑机械制动情况下,电机功率表达式为:
其中,Pm为电机功率;Tm为电机输出转矩;wm为电机输出转速;ηm为电机电动状态下的效率;η′m为电机发电状态下的效率,ηi为减速传动***总效率;Tm>0,电机为驱动状态,Tm<0电机为发电状态;
ηm=fm(Tm,wm) (16)
η′m=f′m(Tm,wm) (17)
串联式混合动力车辆瞬时消耗的功率等于能量源提供的功率,即满足:
Pm(t)+Pel(t)=Pft(t)+Pbatt(t) (18)
Pm实际就是电机功率,电机的输出功率满足速度规划的功率需求;Pft是发动机发电机组的输出功率,Pbatt是电池的功率;Pel(t)为其他电气负载消耗功率。
不等式约束为:
7、确定目标性能函数,考虑了发动机燃油消耗,电池SOC相对参考轨迹稳定,协调优化两个目标。目标性能函数为:
其中,燃油消耗项代表在预测时域内混合动力汽车的燃油消耗量,电量消耗项是为了保证预测时域内,电池SOC尽可能接近期望的SOCr值。
在预测时域内规划的车速序列为v(t+Δt)、v(t+2Δt)、…、v(t+(p-1)Δt)、v(t+pΔt)。
8、电池SOC轨迹值计算
其中,SOC0为SOC初始值,SOCf为SOC最终值,Sz为车辆行驶总里程,S(t)为t时刻车辆行驶的里程,Sp(t)为车辆预测域内的行驶里程,v(t)为车辆t时刻的速度,vp(t)为预测时域内的车速。
9、以发动机输出功率Pe作为控制变量,电池SOC值作为状态变量,将油耗mf、电机功率Pm(电机输出转矩Tm)、电池功率等Pbatt作为输出;通过在预测域内实时求解预测域内的多目标多约束优化问题,得到最优控制变量序列,选择第一个元素作用于车辆,在下一时刻更新车辆状态实现滚动优化控制。
图4为本发明所述的能量优化方法的工作流程图。
目前,本发明基于速度规划的混合动力车辆能量优化方法已经进行了仿真实验,发现本发明方法具有以下优点:1)提高车辆自动驾驶的舒适性与精准性;2)能更好地利用全局优化,在每个预测的时域中找到局部最优的控制动作,保证最优性和实时控制,实现预期的控制目标,并使***有良好的鲁棒性和稳定性。
实施例2
本发明提供了实现实施例1方法所应用的装置***;包括如下模块:
获取模块:用于采集本车辆及相关车辆的速度数据,作为本车辆本周期规划速度曲线的基础数据;
速度规划模块:用于对采集的采用速度数据通过高斯函数算法拟合速度曲线,进行速度规划,获得本车辆本周期目标速度规划曲线;其中,高斯函数算法为单峰高斯函数和多峰高斯函数,根据所采集的速度数据是单极值或者多极值来选用;
能量管理模块:其内建立有串联混合动力车辆SHEV模型,包括一个发动机-发电机组、驱动电机和电池组;其内还基于发动机燃油消耗降低和电池SOC相对参考轨迹稳定两个协调优化目标,建立有目标性能函数;根据目标速度规划曲线,采用模型预测控制算法,求解目标性能函数,计算出目标速度规划曲线的整个行车过程中的优化控制序列,获得该行车过程的发动机输出功率控制曲线;基于该发动机输出功率控制曲线控制车辆发动机在经济曲线上运行,保障车辆动力需求的同时,降低车辆油耗将车辆规划速度的结果放入模型预期控制器中,通过求解一个多目标多约束优化问题,在预测时域内得到最优的发动机功率控制序列,并利用在线滚动优化方法和反馈自校正,实现整个行车过程中的优化控制。
硬件方面主要包括:利用GPS设备和车速传感器、监控前车距离及车身两侧是否有来车的雷达传感器、测对方车辆车速的测速器,获得车辆历史出行工况数据、当前车辆位置和前车距离、速度等信息;存储器用于存储程序、数据等;处理器用于计算运行所述程序,包括车速的规划、能量管理控制程序。
Claims (10)
1.一种基于速度规划的混合动力车辆能量优化控制方法,其特征在于包括以下步骤:
A、对行车状态按驾驶目的进行分类,设定不同类别的速度规划曲线的数据采集内容;
B、确定拟规划的速度曲线属于哪一类别,进行速度数据采集,作为本车辆本周期规划速度曲线的基础数据,采用高斯函数算法拟合速度曲线,进行速度规划,获得本车辆本周期目标速度规划曲线;
其中,高斯函数算法为单峰高斯函数和多峰高斯函数,根据所采集的速度数据是单极值或者多极值来选用;
C、建立串联混合动力车辆SHEV模型,包括一个发动机-发电机组、驱动电机和电池组;
D、基于发动机燃油消耗降低和电池SOC相对参考轨迹稳定两个协调优化目标,建立目标性能函数;
E、根据目标速度规划曲线,采用模型预测控制算法,求解目标性能函数,计算出目标速度规划曲线的整个行车过程中的优化控制序列,获得该行车过程的发动机输出功率控制曲线;基于该发动机输出功率控制曲线控制车辆发动机在经济曲线上运行,保障车辆动力需求的同时,降低车辆油耗。
2.如权利要求1所述的基于速度规划的混合动力车辆能量优化控制方法,其特征在于:
所述的行车状态分类具体为:车辆跟车行驶状态、车辆超车行驶状态、车辆停车入位行驶状态。
3.如权利要求1所述的基于速度规划的混合动力车辆能量优化控制方法,其特征在于:
所述的步骤B中,速度曲线的规划过程为:
车辆跟车行驶状态:拟规划速度曲线起点是上一周期规划的行车速度曲线的末端点,采集的信息包括该点时本车辆的速度、加速度数据,以及上一周期采集被跟车辆的速度、加速度数据;对采集的上一周期的被跟车辆的速度数据进行极值搜索,确定在该次规划周期内,速度曲线采用单峰还是多峰的高斯函数算法进行速度规划;
车辆超车行驶状态:拟规划速度曲线起点是上一周期规划的行车速度曲线的末端点,采集的信息包括该点时本车辆的速度、加速度数据,以及上一周期采集的车辆前方、左侧、右侧以及后侧的车辆的速度、加速度数据;其中前方的车辆即为超车目标;基于上一周期采集的被超车辆速度Vi,以速度Vi*(1+d%)为基础数据,以时间为数轴,建立超车速度曲线,对该超车速度数据进行极值搜索,确定在该次规划周期内,采用单峰还是多峰的高斯函数算法对该超车速度数据曲线拟合,从而进行速度规划;其中,d%为被超车辆行驶速度值上的增加值,0<d%<100%;
车辆停车入位行驶状态:拟规划速度曲线起点是上一周期规划的行车速度曲线的末端点,采集的信息包括该点时速度数据,以及车辆附近的静态障碍物的状态;车辆开启停车模式时规划起点的车辆速度即为拟规划的速度曲线中的最大速度,而拟规划的速度曲线中末端即为停车时速度为零,设定最低高斯函数规划速度阀值,该速度阀值接近于零;基于规划起点的车辆速度、最低高斯函数规划速度阀值、停车距离、停车总时间,采用单峰高斯函数进行速度曲线规划,当速度低于最低高斯函数规划速度阀值时,换用斜线速度规划,将车速在短时间内降为零。
4.如权利要求3所述的基于速度规划的混合动力车辆能量优化控制方法,其特征在于:
所述的车辆跟车行驶状态中,若车辆跟踪的为零速起步车辆,则设定速度阙值,以斜线曲线按固定加速度加速到设定的速度阀值,然后基于上周期采集的被跟车辆的速度数据,采用单峰单边高斯函数算法规划速度曲线,实现零速起步车辆的跟踪。
6.如权利要求5所述的基于速度规划的混合动力车辆能量优化控制方法,其特征在于:
基于单峰高斯函数和多峰高斯函数,高斯函数算法拟合速度曲线的过程如下:
单峰高斯函数拟合过程:
式(1)两边取自然对数,得到式(3):
令:
依据采用数据,由(4)式可以将(3)式表示为:
式(5)可记为:
Z=XB (6)
为使拟合出的函数曲线到达所有数据点的最小方差,根据最小二乘法定理估算出B的最优值,矩阵B的广义最小二乘解为:
B=(XTX)-1XTZ (7)
求得b0、b1、b2,再依据式(4)可以求出待估计的参数vmax、tm、S的值,即得到高斯函数的特征参数:
基于公式(8)就能求出待估计的参数vmax、tm、S的值,即得到高斯函数的特征参数,得到目标速度规划曲线;
多峰高斯函数拟合过程:
多峰高斯函数拟合曲线中各个峰分别按照上述单峰高斯函数拟合过程进行计算,最终组成包含多个峰的目标速度规划曲线。
8.如权利要求7所述的基于速度规划的混合动力车辆能量优化控制方法,其特征在于:
所述的参考的电池SOC轨迹值的函数为:
其中,SOC0为SOC初始值,SOCf为SOC最终值,Sz为车辆行驶总里程,S(t)为t时刻车辆行驶的里程,Sp(t)为车辆预测域内的行驶里程,v(t)为车辆t时刻的速度,vp(t)为预测时域内的车速;
在预测时域内规划的车速序列为v(t+Δt)、v(t+2Δt)、...、v(t+(p-1)Δt)、v(t+pΔt);
所述的目标性能函数中SOC(t)的求解函数为:
式中,SOC(t)为t时刻电池的荷电状态,Qc为电池额定容量,Voc为电池开路电压,R0为电池内部电阻,Pbatt为电池输出功率。
9.如权利要求8所述的基于速度规划的混合动力车辆能量优化控制方法,其特征在于:
所述的目标性能函数的约束条件为:
车辆的轮胎需求功率Pwheel公式:
其中,Pwheel为车辆轮胎需求功率;M为车辆满载质量;g为重力加速度;f为车轮滚动阻力系数;θ为坡度角;v为车速;CD为风阻系数;A为车辆迎风面积;dv/dt为车辆行驶加速度;
发动机、发动机-发电机组的输出功率关系表达式为:
Pft(t)=Pe(t)·ηg (13)
其中,Pft为发动机-发电机组的输出功率,Pe为发动机的输出功率;ηg为发电机的效率;
发动机在经济运行曲线上运行,对应的工作点为经济运行点,通过多项式方程拟合发动机油耗模型:
在不考虑机械制动情况下,电机功率表达式为:
其中,Pm为电机功率;Tm为电机输出转矩;wm为电机输出转速;ηm为电机电动状态下的效率;η′m为电机发电状态下的效率,ηi为减速传动***总效率;Tm>0,电机为驱动状态,Tm<0电机为发电状态;
ηm=fm(Tm,wm) (16)
η′m=f′m(Tm,wm) (17)
串联式混合动力车辆瞬时消耗的功率等于能量源提供的功率,即满足:
Pm(t)+Pel(t)=Pft(t)+Pbatt(t) (18)
Pm实际就是电机功率,电机的输出功率满足速度规划的功率需求;Pft就是发动机发电机组的输出功率,Pbatt就是电池的功率;Pel(t)为其它电气负载消耗功率;
所用不等式约束为:
选择发动机输出功率Pe作为控制变量,电池SOC值作为状态变量,将油耗mf、电机功率Pm、电机输出转矩Tm、电池功率Pbatt作为输出,通过在预测域内实时求解预测域内的多目标多约束优化问题,得到最优控制变量序列,选择第一个元素作用于车辆,在下一时刻更新车辆状态实现滚动优化控制。
10.一种于速度规划的混合动力车辆能量优化控制***,其特征在于,包括:
获取模块:用于采集本车辆及相关车辆的速度数据,作为本车辆本周期规划速度曲线的基础数据;
速度规划模块:用于对采集的采用速度数据通过高斯函数算法拟合速度曲线,进行速度规划,获得本车辆本周期目标速度规划曲线;其中,高斯函数算法为单峰高斯函数和多峰高斯函数,根据所采集的速度数据是单极值或者多极值来选用;
能量管理模块:其内建立有串联混合动力车辆SHEV模型,包括一个发动机-发电机组、驱动电机和电池组;其内还基于发动机燃油消耗降低和电池SOC相对参考轨迹稳定两个协调优化目标,建立有目标性能函数;根据目标速度规划曲线,采用模型预测控制算法,求解目标性能函数,计算出目标速度规划曲线的整个行车过程中的优化控制序列,获得该行车过程的发动机输出功率控制曲线;基于该发动机输出功率控制曲线控制车辆发动机在经济曲线上运行,保障车辆动力需求的同时,降低车辆油耗将车辆规划速度的结果放入模型预期控制器中,通过求解一个多目标多约束优化问题,在预测时域内得到最优的发动机功率控制序列,并利用在线滚动优化方法和反馈自校正,实现整个行车过程中的优化控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211125986.6A CN115571113A (zh) | 2022-09-16 | 2022-09-16 | 一种基于速度规划的混合动力车辆能量优化控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211125986.6A CN115571113A (zh) | 2022-09-16 | 2022-09-16 | 一种基于速度规划的混合动力车辆能量优化控制方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115571113A true CN115571113A (zh) | 2023-01-06 |
Family
ID=84580280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211125986.6A Pending CN115571113A (zh) | 2022-09-16 | 2022-09-16 | 一种基于速度规划的混合动力车辆能量优化控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115571113A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117782635A (zh) * | 2024-02-27 | 2024-03-29 | 湖北军缔悍隆科技发展有限公司 | 车辆稳定性的检测方法及*** |
-
2022
- 2022-09-16 CN CN202211125986.6A patent/CN115571113A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117782635A (zh) * | 2024-02-27 | 2024-03-29 | 湖北军缔悍隆科技发展有限公司 | 车辆稳定性的检测方法及*** |
CN117782635B (zh) * | 2024-02-27 | 2024-05-17 | 湖北军缔悍隆科技发展有限公司 | 车辆稳定性的检测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110696815B (zh) | 一种网联式混合动力汽车的预测能量管理方法 | |
CN108528436B (zh) | 一种内外层嵌套的ecms多目标双层优化方法 | |
CN105539423B (zh) | 结合环境温度保护电池的混合动力车转矩分配控制方法及*** | |
CN108909702A (zh) | 一种插电式混合动力汽车能量管理方法及*** | |
CN105216782A (zh) | 基于能量预测的插电式混合动力汽车能量管理方法 | |
CN103863087B (zh) | 一种基于发动机最优工作线的插电式混合动力汽车节能预测控制方法 | |
CN110509914B (zh) | 一种并联式混合动力汽车的能耗优化方法 | |
CN114771293A (zh) | 一种基于等效消耗最小策略的燃料电池汽车能量管理方法 | |
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 | |
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 | |
CN111552185A (zh) | 一种基于pmp的插电式混合动力汽车模型预测控制的能量管理方法 | |
Zhou et al. | A two-term energy management strategy of hybrid electric vehicles for power distribution and gear selection with intelligent state-of-charge reference | |
CN113135113B (zh) | 一种全局soc规划方法及装置 | |
Yan et al. | Design of a deep inference framework for required power forecasting and predictive control on a hybrid electric mining truck | |
CN115534929A (zh) | 基于多元信息融合的插电式混合动力汽车能量管理方法 | |
CN115805840A (zh) | 一种增程式电动装载机能耗控制方法及*** | |
CN115571113A (zh) | 一种基于速度规划的混合动力车辆能量优化控制方法及*** | |
CN113276829B (zh) | 一种基于工况预测的车辆行驶节能优化变权重方法 | |
Xia et al. | A predictive energy management strategy for multi-mode plug-in hybrid electric vehicle based on long short-term memory neural network | |
Vajedi | Real-time optimal control of a plug-in hybrid electric vehicle using trip information | |
Yang et al. | Variable optimization domain-based cooperative energy management strategy for connected plug-in hybrid electric vehicles | |
Yang et al. | A rolling convergent equivalent consumption minimization strategy for plug-in hybrid electric vehicles | |
Li | An energy management method of electric vehicles based on stochastic model predictive control | |
Bassett et al. | GPS Based Energy Management Control for Plug-in Hybrid Vehicles | |
Wang et al. | Energy management of HEV in platoon operation with constant headway policy |
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 |