CN115876494B - 一种驾驶人在环的混动汽车能量管理策略测评***和方法 - Google Patents
一种驾驶人在环的混动汽车能量管理策略测评***和方法 Download PDFInfo
- Publication number
- CN115876494B CN115876494B CN202310133131.6A CN202310133131A CN115876494B CN 115876494 B CN115876494 B CN 115876494B CN 202310133131 A CN202310133131 A CN 202310133131A CN 115876494 B CN115876494 B CN 115876494B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- energy management
- management strategy
- pedal
- state
- 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.)
- Active
Links
Images
Landscapes
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及一种驾驶人在环的混动汽车能量管理策略测评***和方法,属于混动传动***能量管理策略领域。本发明的驾驶人在环的混动汽车能量管理策略测评***和方法,考虑驾驶人在不同驾驶场景下对速度控制的主要影响,将驾驶人对速度的影响作为能量管理策略决策的重要输入,解决目前具有优化能力的能量管理策略忽视驾驶人在车速控制与扭矩需求中的关键作用,同时,重点关注能量管理策略在真实控制器中的实时性验证,同时,根据测评结果能够对所测评的能量管理策略提出优化方向。
Description
技术领域
本发明属于混动传动***能量管理策略领域,具体涉及一种驾驶人在环的混动汽车能量管理策略测评***和方法。
背景技术
混合动力汽车已成为实现汽车产业节能减排的重要技术路线,混合动力汽车的能量管理策略在混合动力汽车的发展中起到尤为重要的作用,一方面,通过设计合理的能量管理策略,使其能够在不同驾驶工况下对燃油和电能进行合理利用;另一方面,通过合理的构型方案优选和设计参数匹配,不仅能够为混动传动***能量管理提供性能优秀的控制平台,而且还能有效满足驾驶人对汽车速度和扭矩的需求。如中国发明专利:CN107697063B和CN109131350B。
目前,研究者在混动传动***能量管理领域已经提出了基于瞬时优化、滚动优化、全局优化以及学习型能量管理策略,不同能量管理策略都具有显著的节能减排优势。然而,目前上述具有优化能力的能量管理策略仅能够在离线仿真环境下进行验证,未能进行车辆的实车应用,其中,很重要的一个原因是忽视了驾驶人在车速控制与扭矩需求过程中的关键作用,驾驶人对车速的可控性是保证行驶安全的重要前提,此外,能量管理策略的实时性直接影响驾驶过程的安全性,安全是能量管理目标的首位优先级。
另外,对具有优化能力的能量管理策略进行车辆的实车测评是检验其能力的首选验证方案,但是由于涉及到动力传动***对车速的直接控制,未经过能量管理策略实时性验证将会导致动力传递不能及时满足驾驶人的速度需求,会有严重的安全风险且不具有可重复性验证能力。简单驾驶模拟器联合虚拟场景仿真软件可以对车速进行控制,但很难能够获取驾驶人的驾乘体验。
发明内容
鉴于上述问题,本发明提出了一种驾驶人在环的混动汽车能量管理策略测评***和方法,考虑驾驶人在不同驾驶场景下对速度控制的主要影响,将驾驶人对速度的影响作为能量管理策略决策的重要输入,解决目前具有优化能力的能量管理策略忽视驾驶人在车速控制与扭矩需求中的关键作用,同时,重点关注能量管理策略在真实控制器中的实时性验证,同时,根据测评结果能够对所测评的能量管理策略提出优化方向。
一方面,本发明提供的一种驾驶人在环的混动汽车能量管理策略测评***,包括虚拟场景仿真软件、多自由度驾驶模拟器、控制器、车辆混动传动***和测试台架;
虚拟场景仿真软件用于构建长时空域虚拟驾驶场景和车辆动力学模型,并传输车辆状态信号;
多自由度驾驶模拟器分别与虚拟场景仿真软件和控制器相连,用于驾驶操作控制信号输入,以及接收虚拟场景仿真软件中车辆动力学信号反馈和控制器中速度信号反馈;
多自由度驾驶模拟器包括加速踏板、制动踏板以及方向盘;
控制器还与车辆混动传动***相连,用于实时接收驾驶操作控制信号和/或车辆状态信号待测评能量管理策略决策所需信息,通过解析待测评能量管理策略并决策生成控制命令,从而对车辆混动传动***进行控制;
车辆混动传动***设置于测试台架中,用于执行控制器中控制命令的输入,并将当前时段的车辆状态表现反馈至控制器中。
进一步地,待测评能量管理策略存储于控制器中。
另一方面,本发明提供的一种驾驶人在环的混动汽车能量管理策略测评方法,使用前述的测评***,包括以下具体步骤:
步骤1、在虚拟场景仿真软件中构建长时空域虚拟驾驶场景和车辆动力学模型;
步骤2:将待测评pedal map图与待测评能量管理策略导入控制器;对待测评能量管理策略的实时性和控制器的计算能力进行实时性验证,并输出实时性测评结果;
步骤3:根据长时空域虚拟驾驶场景操作多自由度驾驶模拟器获取驾驶操作控制信号、车辆状态信号和车辆状态表现;基于待测评pedal map图、驾驶操作控制信号和车辆状态信息获得车辆需求扭矩;基于车辆需求扭矩、驾驶操作控制信号和车辆状态信号确定车辆混动传动***的工作模式;
步骤4:根据驾驶操作控制信号分析驾驶意图改变时刻,根据驾驶意图改变时刻划分加速踏板和制动踏板的踏板操作持续片段;对踏板操作持续片段添加踏板操作片段标签;按时序顺序依次对加速踏板和制动踏板的踏板操作持续片段内的待测评状态表现数据组记录,获得待测评能量管理策略的待测评状态表现数据组集;
步骤5:根据全局最优能量管理策略获取车辆混动传动***最优能耗状态表现;使用步骤4的踏板持续片段标签对车辆混动传动***最优能耗状态表现的踏板操作持续片段进行划分;按时序顺序依次对全局最优踏板操作持续片段内的全局最优能量管理策略数据组记录,获得全局最优能量管理策略的最优能耗状态表现数据组集;
步骤6:根据步骤4的具有时序性排布的待测评能量管理策略的待测评状态表现据组集和步骤5全局最优能量管理策略的最优能耗状态表现数据组集进行时序性踏板操作片段状态表现的对比测评获得状态表现测评结果;
步骤7:输出步骤2的实时性测评结果和步骤6的状态表现测评结果作为待测评能量管理策略的测评结果。
进一步地,待测评状态表现数据组包括踏板持续片段内待测评状态的车辆混动传动***的工作模式、不同工作模式下不同动力源的转速和转矩、电池SoC变化状态、瞬时燃油消耗和踏板操作持续片段标签;最优能耗状态表现数据组包括踏板持续片段内最优能耗状态的车辆混动传动***的工作模式、不同工作模式下不同动力源的转速和转矩、电池SoC变化状态、瞬时燃油消耗的最优状态和踏板操作持续片段标签。
进一步地,进行时序性踏板操作片段状态表现的对比测评时,包括采用相同工作模式的踏板操作片段和采用不同工作模式的踏板操作片段的对比测评。
与现有技术相比,本发明至少具有如下有益效果:
(1)本发明的测评***利用虚拟场景仿真软件与多自由度驾驶模拟器、真实或原型控制器和车辆混动传动***进行虚实联合仿真,一方面能够有效验证能量管理策略的实时性和能耗表现,另一方面,解决了目前能量管理策略开发过程中忽视驾驶人对速度控制和扭矩需求的随机性影响。
(2)本发明的测评***具有模块化、平台化、可拓展性强的优点,能够快速移植不同能量管理策略以及替换不同构型的混动传动***,同时,能够验证待测评的能量管理策略所适配的控制器的算力是否能够满足实时性计算要求。
(3)本发明的测评方法充分考虑驾驶人在不同驾驶场景下对速度控制的影响,利用测评***能够有效避免在实车验证过程中因能量管理策略难以保证实时控制而导致的驾驶安全问题。
(4)本发明的测评方法能够获取待测评能量管理策略的实际能耗状态和全局最优能量管理策略的最优能耗状态之间的个性和共性化差异,从而为待测评能量管理策略迭代优化和车辆的实车应用指明方向。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制。
图1是本发明的测评***结构示意图。
图2是本发明的测评方法的流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。另外,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本发明的一个具体实施例,如图1,提供了一种驾驶人在环的混动汽车能量管理策略测评***,包括虚拟场景仿真软件、多自由度驾驶模拟器、控制器、车辆混动传动***和测试台架;
虚拟场景仿真软件用于构建长时空域虚拟驾驶场景和车辆动力学模型;
多自由度驾驶模拟器分别与虚拟场景仿真软件和控制器相连,多自由度驾驶模拟器包括加速踏板、制动踏板以及方向盘;控制器还与车辆混动传动***相连;车辆混动传动***设置于测试台架中;驾驶人操作加速踏板、制动踏板以及方向盘使车辆动力学模型在长时空域虚拟驾驶场景下行驶。
可选地,控制器为真实控制器或原型控制器;待测评能量管理策略存储于控制器中,优选地,待测评能量管理策略通过代码生成并烧录至控制器中;控制器用于实时接收驾驶操作控制信号(包括加速踏板信号、制动踏板信号、方向盘信号)和/或车辆状态信号(包括车辆速度信号和车辆加速度信号等)等能量管理策略决策所需信息,通过解析能量管理策略并决策生成控制命令,从而对车辆混动传动***进行控制。其中,待测评能量管理策略决策所需信息根据待测评能量管理策略的要求进行信息采集。
如图1所示,多自由度驾驶模拟器、控制器、车辆混动传动***和虚拟场景仿真软件之间的信号传递流程为:在虚拟场景仿真软件中构建长时空域虚拟驾驶场景和车辆动力学模型;驾驶人根据长时空域虚拟驾驶场景操作多自由度驾驶模拟器的加速踏板、制动踏板以及方向盘生成驾驶操作控制信号,多自由度驾驶模拟器将驾驶操作控制信号(加速踏板信号、制动踏板信号以及方向盘信号)传输至虚拟场景仿真软件和控制器中,虚拟场景仿真软件接收驾驶操作控制信号对车辆动力学模型进行动力学控制,并在虚拟场景仿真软件生成可视动画(可视动画包括车辆位置、行驶状态、交通信息等信息的可视动画)车辆状态信号和车辆动力学信号,由此,将车辆运动与长时空域虚拟驾驶场景在虚拟场景仿真软件中的表现状态以可视动画形式展现,驾驶人通过观察可视动画调整驾驶操作;同时,虚拟场景仿真软件将由驾驶操作产生的车辆动力学信号(如车辆横摆角、俯仰角、侧倾角特征信号)反馈至多自由度驾驶模拟器,多自由度驾驶模拟器根据车辆动力学信号模拟车辆真实运动姿态,驾驶人通过多自由度驾驶模拟器感受车辆真实运动姿态,形成驾驶操作的闭环控制流程;虚拟场景仿真软件生成车辆状态信号,将车辆状态信号(包括车辆速度信号和车辆加速度信号等)输入至控制器;控制器解析车辆状态信号并依据能量管理策略生成动力源控制信号对车辆混动传动***进行控制,同时,控制器将车辆速度和车辆加速度信号反馈至多自由度驾驶模拟器中并存储车辆速度变化状态;车辆混动传动***根据动力源控制信号控制不同动力源的转速和转矩,并在测试台架中输出车辆混动传动***的当前时段的车辆状态表现(当前时刻的车辆状态表现包括车辆混动传动***的工作模式、不同工作模式下不同动力源的转速和转矩、电池SoC变化状态和瞬时燃油消耗),记录当前时段的车辆状态表现,并反馈至控制器中,作为下一时段混动传动***能量管理策略的决策与判断条件。
其中,多自由度驾驶模拟器的速度输出等效于在测试台架中车辆混动传动***的速度输出,使得本发明的测评***能够快速替换并测评不同能量管理策略和不同构型的车辆混动传动***。
本发明的测评***一方面能够存储记录混动传动***的工作模式、不同工作模式下不同动力源的转速和转矩、电池SoC变化状态和瞬时燃油消耗,另一方面可以存储记录驾驶人在不同驾驶场景下的驾驶操作控制信号和车辆状态。
本发明的另一个具体实施例,如图2,公开了一种驾驶人在环的混动汽车能量管理策略测评方法,使用前述测评***,包括以下具体步骤:
步骤1、在虚拟场景仿真软件中构建长时空域虚拟驾驶场景和车辆动力学模型;
在虚拟场景仿真软件中构建长时空域虚拟驾驶场景主要包括两种方式,其一是利用车载视觉与雷达传感器获取车辆在真实长时空域虚拟驾驶场景下的高精度地图,通过格式转化将高精度地图直接导入虚拟场景仿真软件,利用虚拟场景仿真软件中内置场景编辑器随机生成动态交通状态,基于交通状态生成长时空域虚拟驾驶场景的可视场景图像;其二是通过虚拟场景仿真软件中的场景编辑器直接构建静态道路场景和动态交通场景,生成长时空域虚拟驾驶场景的可视场景图像。同时,在虚拟场景仿真软件中输入目标车型参数以构建车辆动力学模型。
可选地,构建的长时空域虚拟驾驶场景的驾驶时长应超过30min以上,或驾驶里程应超过20km以上,所构建的长时空域虚拟驾驶场景信息包括交通信号灯状态、交通拥堵状态和随机前车状态等,由此构建复杂随机的长时空域虚拟驾驶场景,以提高对车辆混动传动***的能量利用表现测评的有效率。
进一步,所生成的长时空域虚拟驾驶场景的可视场景图像可投射至三联屏或环绕式幕布中,形成逼真的可视化驾驶场景,以使驾驶人根据驾驶场景变化调整驾驶操作行为。其中,所构建的长时空域虚拟驾驶场景信息能够以数据表形式实时传输至控制器中,如不同位置的交通信号灯每一时刻的配时状态(红灯配时、绿灯配时等)、不同位置每一时刻的交通拥堵状态(畅通、轻度拥堵、中度拥堵、重度拥堵等)和不同位置每一时刻相对于自车的前车状态(前车位置、前车速度等)等信息。上述长时空域虚拟驾驶场景信息为不同待测评能量管理策略决策所需信息。
步骤2:将待测评pedal map图与待测评能量管理策略导入控制器;对待测评能量管理策略的实时性和控制器的计算能力进行实时性验证,并输出实时性测评结果;
将待测评pedal map图与待测评能量管理策略通过代码生成并烧录至控制器;其中,待测评能量管理策略包括基于瞬时优化、滚动优化、全局优化以及学习型能量管理策略,不限于测评具有优化能力的能量管理策略,基于规则的能量管理策略也可进行测评;控制器根据车辆的车型选择真实控制器或为验证代码运行的原型控制器;控制器用于接收多自由度驾驶模拟器的车辆状态信号生成动力源控制信号,并将动力源控制信号输入至车辆混动传动***,并在测试台架中控制不同动力源(如:发动机、驱动电机和/或发电机)的转速和转矩,控制器还用于反馈接收车辆混动传动***的工作模式、电池SoC变化状态信号和瞬时燃油消耗;待测评pedal map图为车辆需求扭矩与加速踏板开度和车辆速度的映射关系表图,由动力总成输出扭矩提供动力满足车辆需求扭矩。
进一步,在驾驶人操作过程中对待测评能量管理策略的实时性和控制器的计算能力进行实时性验证,并输出实时性测评结果,具体步骤为:控制器接收待测评能量管理策略决策所需信息并发送控制命令(动力源控制信号),当控制器接收信息的时间(驾驶操作控制信号与车辆状态信号)与发送控制命令的时间差值小于预设时间阈值,则待测评能量管理策略满足实时性要求,优选地,预设时间阈值在3~5个信号采样间隔内,信号采样间隔设为10ms;如果待测评能量管理策略满足实时性要求,则输出驾驶操作控制信号与车辆状态信号之间的时延的最大值、最小值以及平均值的事实性的测评结果;如果待测评能量管理策略不满足实时性要求,则输出控制器计算能力不满足待测评能量管理策略的实时性的测评结果。
步骤3:驾驶人根据长时空域虚拟驾驶场景操作多自由度驾驶模拟器获取驾驶操作控制信号、车辆状态信号和车辆状态表现;基于待测评pedal map图、驾驶操作控制信号和车辆状态信息获得车辆需求扭矩;基于车辆需求扭矩、驾驶操作控制信号和车辆状态信号确定车辆混动传动***的工作模式。
驾驶人根据步骤1生成的长时空域虚拟驾驶场景的可视场景图像操作多自由度驾驶模拟器的加速踏板、制动踏板以及方向盘生成驾驶操作控制信号,其中,驾驶操作控制信号包括加速踏板开度信号、制动踏板开度信号和方向盘转角等信息,由此,在虚拟场景仿真软件中所构建的车辆动力学模型与长时空域虚拟驾驶场景形成动态交互,保证车辆在虚拟场景仿真软件中行车安全以及不发生碰撞;多自由度驾驶模拟器按时间序列记录驾驶操作控制信号;多自由度驾驶模拟器将驾驶操作控制信号传输至虚拟场景仿真软件中,虚拟场景仿真软件基于驾驶操作控制信号对车辆动力学模型进行动力学控制,并在虚拟场景仿真软件生成可视动画(可视动画包括车辆位置、行驶状态、交通信息等信息的可视动画)和车辆动力学信号(如车辆横摆角、俯仰角、侧倾角特征信号),由此,将车辆运动与长时空域虚拟驾驶场景在虚拟场景仿真软件中的表现状态以可视动画形式展现,驾驶人通过观察可视动画调整驾驶操作;同时,虚拟场景仿真软件将由驾驶操作产生的车辆动力学信号(如车辆横摆角、俯仰角、侧倾角特征信号)反馈至多自由度驾驶模拟器,多自由度驾驶模拟器根据车辆动力学信号模拟车辆真实运动姿态,驾驶人通过多自由度驾驶模拟器感受车辆真实运动姿态,形成驾驶操作的闭环控制流程;多自由度驾驶模拟器基于车辆动力学信号生成车辆状态信号,将车辆状态信号输入至控制器;控制器解析车辆状态信号并依据待测评能量管理策略生成动力源控制信号对车辆混动传动***进行控制,同时,控制器将车辆速度和车辆加速度信号反馈至多自由度驾驶模拟器中并存储车辆速度变化状态;车辆混动传动***根据动力源控制信号控制不同动力源的转速和转矩,并在测试台架中输出混动传动***的当前时刻的车辆状态表现(当前时刻的车辆状态表现包括车辆混动传动***的工作模式、不同工作模式下不同动力源的转速和转矩、电池SoC变化状态和瞬时燃油消耗),记录当前时刻的状态表现,并反馈至控制器中,作为下一时刻车辆混动传动***能量管理策略的决策与判断条件。
其中,车辆状态信号包括车辆速度信号和车辆加速度信号等。
基于步骤2待测评pedal map图、车辆速度信号和加速踏板开度信号获得车辆需求扭矩,用于确定待测评能量管理策略中驱动工作模式的车辆需求扭矩,具体步骤为:在pedal map图中查表获得与车辆速度信号和加速踏板开度信号对应的车辆需求扭矩,并将车辆需求扭矩输入至待测评能量管理策略中;
基于步骤2待测评pedal map图和制动踏板开度信号获得车辆滑行能量需求扭矩,用于确定待测评能量管理策略中制动能量回收工作模式的车辆需求扭矩,具体步骤为:基于制动踏板开度信号判断车辆处于滑行能量回收阶段还是制动减速阶段,当制动踏板开度小于等于制动踏板开度阈值时,车辆处于滑行能量回收阶段,当制动踏板开度大于制动踏板开度阈值时,车辆处于制动减速阶段,优选地,制动踏板开度阈值为10%;如果处于滑行能量回收阶段,在待测评pedal map图中查表获得与制动踏板开度信号对应的车辆在滑行能量回收阶段(滑行过程)中的车辆滑行能量需求扭矩,并将车辆滑行能量需求扭矩信息输入待测评的能量管理策略中;制动减速阶段主要目的是保证驾驶安全,不考虑处于该阶段的能量管理测评。
进一步,将驾驶操作控制信号、车辆需求扭矩信号以及车辆状态信号传至控制器中的待测评能量管理策略并确定车辆混动传动***所处工作模式,同时,车辆混动传动***记录各个工作模式在稳态过程和切换过程下对应动力源的转速和转矩;其中,工作模式的确定取决于待测评的能量管理策略,不同能量管理策略在相同驾驶场景下所生成的工作模式不同。
其中,基于步骤2待测评的能量管理策略确定的车辆混动传动***所处工作模式包括纯电工作模式、发动机直驱工作模式、串联增程工作模式和/或并联混动工作模式,并记录车辆混动传动***在各个不同工作模式稳态过程中以及不同工作模式在切换过程下对应动力源的转速和转矩;其中,对于只有单动力源运行的工作模式,车辆需求扭矩由单动力源完全提供;对于并联混动工作模式,根据解析的车辆需求扭矩和待测评能量管理策略计算发动机、驱动电机和/或发电机的扭矩分配和转速分配;对于串联增程的工作模式,根据解析的车辆需求扭矩和电池SoC状态确定串联增程模式的电池充放电状态。
步骤4:根据驾驶操作控制信号分析驾驶意图改变时刻,根据驾驶意图改变时刻划分加速踏板和制动踏板的踏板操作持续片段;对踏板操作持续片段添加踏板操作片段标签;按时序顺序依次对加速踏板和制动踏板的踏板操作持续片段内的待测评状态表现数据组记录,获得待测评能量管理策略的待测评状态表现据组集;
其中,驾驶操作控制信号的加速踏板信号、制动踏板信号的取值范围为0-100%。
驾驶意图改变是指驾驶人对踏板的驾驶操作行为发生明显变化,基于踏板操作控制信号确定踏板开度的峰值和谷值,所确定的峰值和谷值对应的时刻即为驾驶意图改变时刻。其中,加速踏板操作和制动踏板操作不会在同一时刻下同时发生,以踏板操作过程的峰值和谷值为驾驶意图改变时刻,不同驾驶意图改变时刻之间的持续片段即为踏板操作持续片段,通过判断踏板操作持续片段的驾驶特征对对应驾驶片段进行分类,并赋标签,标签的类别包括起步加速片段、速度保持片段、稳加速片段、急加速片段、滑行减速片段和制动能量回收片段。
确定踏板开度的峰值和谷值的具体步骤为:首先,根据驾驶操作控制信号按时序区分出多个加速踏板片段和制动踏板片段,具体步骤为:按照时序依次判断驾驶操作控制信号中的踏板开度值,当踏板开度值正数状态不发生变化时,所对应的驾驶操作控制信号属于同一个踏板片段,当踏板开度值正数状态发生变化时,变化的驾驶操作控制信号属于新一个踏板片段;如果多个连续时刻对应的驾驶操作控制信号的加速踏板开度值按照时序为正数时,该踏板片段为加速踏板片段,如果驾驶操作控制信号的制动踏板开度值按照时序为正数时,该踏板片段为制动踏板片段;其次,将每一个踏板片段中的踏板开度值按照时序排列,提取各个踏板片段中对应的踏板开度的峰值和谷值;所有确定的峰值和谷值对应的时刻即为驾驶意图改变时刻;由驾驶意图改变时刻划分加速踏板和制动踏板的踏板操作持续片段。
进一步,对所有加速踏板开度的峰值和谷值进行分析,并通过判断加速踏板踏板操作持续片段的驾驶特征对对应的踏板操作持续片段进行分类并赋加加速踏板操作持续片段标签,加速踏板操作片段标签包括起步加速片段、速度保持片段、稳加速片段、急加速片段和滑行减速片段,其中,起步加速片段为从车辆起步开始时,从加速踏板开度为0持续踩加速踏板至所记录的第一个峰值点时的持续时间为起步加速片段;速度保持片段为当踏板开度的相邻峰谷值差值的绝对值小于差值阈值时,且车辆速度变化小于预设速度时为速度保持片段;稳加速片段为当踏板开度的相邻峰值和谷值差值大于差值阈值时,且持续时间大于预设时间时为稳加速片段;急加速片段为当踏板开度的相邻峰值和谷值差值大于差值阈值时,且持续时间小于预设时间时为急加速片段;滑行减速片段为当驾驶人松开加速踏板时,加速踏板开度谷值降为0时的踏板操作持续片段为滑行减速片段。
进一步,对制动踏板开度的峰谷值进行分析,并通过判断制动踏板操作持续片段的驾驶特征对对应的踏板操作持续片段进行分类并赋制动踏板操作持续片段标签,制动踏板操作持续标签包括制动能量回收片段和制动减速片段。制动能量回收片段为制动踏板开度峰值和谷值均小于差值阈值的片段;制动减速片段为制动踏板开度峰值大于差值阈值的片段,目的是为了减速避让或减速停车,该踏板操作环节不涉及能量管理。
优选地,差值阈值为10;预设速度为5km/h;预设时间为2s。
进一步,按时序顺序依次对加速踏板和制动踏板的踏板操作持续片段记录获得待测评能量管理策略的待测评状态表现据组集
L,表达式为:
L={
L i |
i=1,2,3,…,
n},其中,
L i 为第
i时段的踏板持续片段内待测评能量管理策略的待测评状态表现据组,
n为踏板操作持续片段数据组的总时刻数;待测评能量管理策略的待测评状态表现据组集
L对应的时刻集
T L 为:
T L ={
T Li |
i=1,2,3,…,
n};第
i时段的踏板持续片段内待测评能量管理策略的待测评状态表现据组
L i 包括第
i时段的踏板持续片段内车辆混动传动***的车辆状态表现,包括工作模式、不同工作模式下不同动力源的转速和转矩、电池SoC变化状态、瞬时燃油消耗和踏板操作持续片段标签,待测评混动传动***的车辆状态表现形成待测评能量管理策略的待测评状态表现据组集
L。
步骤5:根据全局最优能量管理策略获取车辆混动传动***最优能耗状态表现;使用步骤4的踏板持续片段标签对车辆混动传动***最优能耗状态表现对应的踏板操作持续片段进行划分;按时序顺序依次对全局最优踏板操作持续片段内的全局最优能量管理策略数据组记录,获得全局最优能量管理策略的最优能耗状态表现数据组集;
车辆混动传动***在测试台架的输出速度与多自由度驾驶模拟器的速度反馈等效,在车辆完成长时域虚拟驾驶场景任务后,记录车辆速度随时间序列变化的车速信息,即驾驶全局工况;基于获取驾驶全局工况,利用全局最优能量管理策略,计算车辆混动传动***最优状态表现,车辆混动传动***最优状态表现包括车辆混动传动***的工作模式、不同工作模式下不同动力源的转速和转矩、电池SoC变化状态和瞬时燃油消耗的最优状态;由车辆混动传动***最优状态表现获得全局最优能量管理策略的全局最优状态表现,使用全局最优能量管理策略的全局最优状态表现与待测评能量管理策略对应时序的状态表现进行对比。
其中,全局最优能量管理策略采用动态规划方法,动态规划方法经过逆向遍历和正向搜索驾驶全局工况信息确定车辆混动传动***的最优状态表现。由于在测试台架中的混动传动***与多自由度驾驶模拟器的速度输出是保持一致的,控制器获取并存储记录驾驶全局工况信息,将驾驶全局工况信息作为全局优化能量管理策略的输入,进而计算车辆混动传动***的最优状态表现。
进一步,由于全局最优能量管理策略的全局最优状态表现与待测评能量管理策略的待测评状态表现在每一时刻对应的车辆需求扭矩是一致的,仅能耗状态表现不一致。因此,根据步骤4的待测评能量管理策略的待测评状态表现据组集
L的划分时刻对全局最优能量管理策略的车辆混动传动***最优能耗状态表现进行时序划分,按时序顺序依次对全局最优踏板操作持续片段内记录获得全局最优能量管理策略的最优能耗状态表现数据组集
G,表达式为:
G={
G i |
i=1,2,3,…,
n},其中,
G i 为第
i时段的踏板持续片段内的最优能耗状态表现数据组;全局最优能量管理策略的最优能耗状态表现数据组集
G对应的时刻集
T G 为:
T G ={
T Gi |
i=1,2,3,…,
n};第
i时段全局最优能量管理策略数据组
G i 包括第
i时段的踏板持续片段内车辆混动传动***的工作模式、不同工作模式下不同动力源的转速和转矩、电池SoC变化状态和瞬时燃油消耗的最优状态以及最优状态的踏板操作持续片段标签,车辆混动传动***最优状态表现形成全局最优能量管理策略的最优能耗状态表现数据组集
G。
可以理解的是,待测评能量管理策略的待测评状态表现与全局最优能量管理策略的全局最优状态表现对应的踏板操作片段的数目与持续时长是一致的,即:
T L1=
T G1,
T L2=
T G2,
T L3=
T G3,…,
T Ln =
T Gn,因此,对每一个踏板操作片段的待测评状态表现与全局最优状态表现进行对比测评。
步骤6:进行时序性踏板操作片段状态表现的对比测评;
根据步骤4的具有时序性排布的待测评能量管理策略的待测评状态表现数据组集
L和步骤5全局最优能量管理策略的最优能耗状态表现数据组集
G,对待测评能量管理策略的待测评状态表现数据组集
L和全局最优能量管理策略的最优能耗状态表现数据组集
G的每个踏板操作片段的待测评状态表现与最优能耗状态表现进行对比。
进一步,对车辆混动传动***的工作模式进行对比测评,提取出采用相同工作模式的踏板操作片段和采用不同工作模式的踏板操作片段对比;
利用信息散度分析相同工作模式的踏板操作片段下动力源的转速和转矩分布的相似程度,表达式为:
其中,
S i (
n L ‖
n G )为第
i时段的踏板持续片段内转速分布的相似性程度,
S i (
T L ‖
T G )为第
i时刻的踏板持续片段内转矩分布的相似性程度;
t表示在第
i时段的踏板操作片段内的起始时刻至终止时刻;
n L (
t)为第
i时段的踏板操作片段内待测评的能量管理策略对应的在该时段的踏板持续片段内不同时刻的动力源转速分布,
T L (
t)为第
i时段的踏板操作片段内待测评的能量管理策略对应的在该时段的踏板持续片段内不同时刻的动力源转矩分布;
n G (
t)为第
i时段的踏板操作片段内全局能量管理策略对应的在该踏板持续片段内不同时刻的动力源转速分布,
T G (
t)为第
i时段的踏板操作片段内全局能量管理策略对应的在该踏板持续片段内不同时刻的动力源转矩分布;
t表示在第
i时段的踏板操作片段内的起始时刻至终止时刻。
如果分布及数值完全相同,则信息散度为0,当两个分布不相似,则对应的信息散度将会增大。
最后,提取信息散度大于散度阈值的踏板操作片段,利用相关系数分析法对踏板操作片段的影响特征进行相关性分析,表达式为:
其中,
R xy 表示变量相关系数,优选地,变量相关系数的取值区间在1到-1之间,1表示变量完全线性相关,-1表示变量之间不相关;
S xy 表示样本协方差,
S x 表示能耗表现特征
x的样本标准差,
S y 表示驾驶人及驾驶场景影响特征
y的样本标准差,
X i 为第
i时段的踏板操作片段内的能耗表现特征,
X为踏板操作片段的能耗表现的平均值,
Y i 为第
i时段的踏板操作片段对应的驾驶人及驾驶场景影响特征,
Y为踏板操作片段对应的驾驶人及驾驶场景影响特征的平均值;能耗表现特征
x包括瞬时燃油消耗值;影响特征
y包括驾驶人及驾驶场景的影响特征,如踏板操作片段的标签、对应的驾驶人操作行为、驾驶场景信息等特征。
优选地,散度阈值为0.5。
对采用不同工作模式的踏板操作片段进行相似性分析与特征相关性分析:
其中,对采用不同工作模式的踏板操作片段,分析该踏板操作片段下的电池SoC变化状态和瞬时燃油消耗,并计算能耗表现相似度,依据能耗表现相似度法衡量不同踏板操作片段的能耗表现差异,具体方法为:
统计不同踏板操作片段下每一时刻的瞬时燃油消耗和电池SoC状态,并将电池SoC状态等效为等效瞬时燃油消耗值
m f (
i,
t),表达式为:
m f (
i,
t)=
m f0(
i,
t)+
βabs(△SoC);
其中,
m f0(
i,
t)是第
i时段的瞬时燃油消耗值,△SoC为电池SoC状态等效转化为燃油消耗量,
β为电池SoC状态等效转化为燃油消耗量的拟合因子。
计算第
i时段的踏板操作片段的能耗差异值,表达式为:
其中,
D i 为时序性踏板操作片段中的第
i时段的踏板操作片段的能耗表现差异值,
F t L 为待测评能量管理策略在第
i时段的踏板操作片段中所处
t时刻的总燃油消耗值,包括实际燃油消耗和电池SoC等效燃油消耗;
F t G 为全局最优能量管理策略在第
i时刻踏板操作片段中所处
t时刻的总燃油消耗值,
t 1为第
i时刻踏板操作片段的起始时刻,
t end为第
i时段的踏板操作片段的终止时刻。
最后,利用k-means法聚类分析每个踏板操作片段能耗差异的相似性,获得能耗表现相似性高的类别K1和能耗表现相似性低的类别K2,进而利用轮廓系数评估聚类效果,表达式为:
其中,
C为轮廓系数,
a为能耗差异值与能耗表现相似性高的类别K1的其他样本的平均距离,
b为能耗差异值与能耗表现相似性低的类别K2所有样本的平均距离,
C值越大,聚类效果越好,能够有效体现能耗表现相似性类别的划分效果。
进一步,提取不同能耗表现类别下的踏板操作特征分布进行分析,如分析能耗表现相似性高的类别(能耗差异小的踏板操作片段),利用相关系数分析方法对踏板操作片段的影响特征进行相关性分析,驾驶人及驾驶场景影响特征如踏板操作片段的标签、对应的驾驶人操作行为、驾驶场景信息等特征。
步骤7:待测评能量管理策略的测评结果输出;
依据步骤2的实时性的测评结果,输出控制器是否能够满足待测评能量管理策略的实时性要求,在满足实时性要求的前提下,输出驾驶操作控制信号与车辆状态信号之间的时延的最大值、最小值以及平均值;依据步骤6所确定的对采用相同工作模式和采用不同工作模式的踏板操作片段进行相似性分析,输出对踏板操作片段对应特征进行相关性分析结果(不同特征的相关系数、相关系数的排序等),输出对应驾驶人及驾驶场景影响特征,在具有相同标签下的踏板操作片段优化驾驶人操作行为,或为开发提前预知驾驶场景信息等工况感知功能提供依据。
此外,为确保所设定的pedal map及能量管理策略具有通用性和泛化性,可根据测评结果调整待测评pedal map及待测评能量管理策略,重复测评步骤1-6,当步骤6中的低相似性片段占比达到10%以下,即可认为待测评pedal map及待测评能量管理策略的状态表现接近于全局全由能量管理策略的最优状态表现。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种驾驶人在环的混动汽车能量管理策略测评方法,使用驾驶人在环的混动汽车能量管理策略测评***,包括虚拟场景仿真软件、多自由度驾驶模拟器、控制器、车辆混动传动***和测试台架;虚拟场景仿真软件用于构建长时空域虚拟驾驶场景和车辆动力学模型,并传输车辆状态信号;多自由度驾驶模拟器分别与虚拟场景仿真软件和控制器相连,用于驾驶操作控制信号输入,以及接收虚拟场景仿真软件中车辆动力学信号反馈和控制器中速度信号反馈;多自由度驾驶模拟器包括加速踏板、制动踏板以及方向盘;控制器还与车辆混动传动***相连,用于实时接收驾驶操作控制信号和/或车辆状态信号,即待测评能量管理策略决策所需信息,通过解析待测评能量管理策略并决策生成控制命令,从而对车辆混动传动***进行控制;车辆混动传动***设置于测试台架中,用于执行控制器中控制命令的输入,并将当前时段的车辆状态表现反馈至控制器中,其特征在于,包括以下具体步骤:
步骤1、在虚拟场景仿真软件中构建长时空域虚拟驾驶场景和车辆动力学模型;
步骤2:将待测评pedal map图与待测评能量管理策略导入控制器;对待测评能量管理策略的实时性和控制器的计算能力进行实时性验证,并输出实时性测评结果;
步骤3:根据长时空域虚拟驾驶场景操作多自由度驾驶模拟器获取驾驶操作控制信号、车辆状态信号和车辆状态表现;基于待测评pedal map图、驾驶操作控制信号和车辆状态信号获得车辆需求扭矩;基于车辆需求扭矩、驾驶操作控制信号和车辆状态信号确定车辆混动传动***的工作模式;
步骤4:根据驾驶操作控制信号分析驾驶意图改变时刻,根据驾驶意图改变时刻划分加速踏板和制动踏板的踏板操作持续片段;对踏板操作持续片段添加踏板操作持续片段标签;按时序顺序依次对加速踏板和制动踏板的踏板操作持续片段内的待测评状态表现数据组记录,获得待测评能量管理策略的待测评状态表现数据组集;
步骤5:根据全局最优能量管理策略获取车辆混动传动***最优能耗状态表现;使用步骤4的踏板操作持续片段标签对车辆混动传动***最优能耗状态表现的踏板操作持续片段进行划分;按时序顺序依次对全局最优踏板操作持续片段内的全局最优能量管理策略数据组记录,获得全局最优能量管理策略的最优能耗状态表现数据组集;
步骤6:根据步骤4的具有时序性排布的待测评能量管理策略的待测评状态表现数据组集和步骤5全局最优能量管理策略的最优能耗状态表现数据组集进行时序性踏板操作片段状态表现的对比测评获得状态表现测评结果;
步骤7:输出步骤2的实时性测评结果和步骤6的状态表现测评结果作为待测评能量管理策略的测评结果。
2.根据权利要求1所述的混动汽车能量管理策略测评方法,其特征在于,待测评能量管理策略存储于控制器中。
3.根据权利要求1所述的混动汽车能量管理策略测评方法,其特征在于,待测评状态表现数据组集包括踏板持续片段内待测评状态的车辆混动传动***的工作模式、不同工作模式下不同动力源的转速和转矩、电池SoC变化状态、瞬时燃油消耗和踏板操作持续片段标签;最优能耗状态表现数据组集包括踏板持续片段内最优能耗状态的车辆混动传动***的工作模式、不同工作模式下不同动力源的转速和转矩、电池SoC变化状态、瞬时燃油消耗的最优状态和踏板操作持续片段标签。
4.根据权利要求3所述的混动汽车能量管理策略测评方法,其特征在于,进行时序性踏板操作片段状态表现的对比测评时,包括采用相同工作模式的踏板操作片段和采用不同工作模式的踏板操作片段的对比测评。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310133131.6A CN115876494B (zh) | 2023-02-20 | 2023-02-20 | 一种驾驶人在环的混动汽车能量管理策略测评***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310133131.6A CN115876494B (zh) | 2023-02-20 | 2023-02-20 | 一种驾驶人在环的混动汽车能量管理策略测评***和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115876494A CN115876494A (zh) | 2023-03-31 |
CN115876494B true CN115876494B (zh) | 2023-05-05 |
Family
ID=85761310
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310133131.6A Active CN115876494B (zh) | 2023-02-20 | 2023-02-20 | 一种驾驶人在环的混动汽车能量管理策略测评***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115876494B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017023898A1 (en) * | 2015-08-03 | 2017-02-09 | Cummins, Inc. | Systems and methods of energy management and control of an electrified powertrain |
CN105416086B (zh) * | 2015-12-29 | 2017-11-21 | 北京理工大学 | 插电式混合动力汽车能量管理策略硬件在环仿真平台 |
CN108803377A (zh) * | 2018-07-19 | 2018-11-13 | 重庆大学 | 一种插电式混合动力汽车能量管理实验平台 |
CN110780605A (zh) * | 2019-10-29 | 2020-02-11 | 同济大学 | 一种混合动力汽车闭环***硬件在环仿真试验平台 |
CN111923897B (zh) * | 2020-09-29 | 2021-03-23 | 北京航空航天大学 | 一种插电式混合动力汽车能量智能管理方法 |
CN114475566B (zh) * | 2022-03-01 | 2024-01-30 | 重庆科技学院 | 一种智能网联插电式混合动力汽车能量管理实时控制策略 |
CN115472013B (zh) * | 2022-09-08 | 2024-05-17 | 江苏大学 | 一种基于虚拟交通场景的新能源汽车能量管理测试平台 |
-
2023
- 2023-02-20 CN CN202310133131.6A patent/CN115876494B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115876494A (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | On the movement simulations of electric vehicles: A behavioral model-based approach | |
US20200031370A1 (en) | Driver Behavior Based Propulsion Control Strategy Using Artificial Intelligence | |
CN110936949B (zh) | 基于行驶工况的能量控制方法、设备、存储介质及装置 | |
CN107628029B (zh) | 一种网联汽车队列的节能型稳定性运动控制方法 | |
Tang et al. | Visual detection and deep reinforcement learning-based car following and energy management for hybrid electric vehicles | |
Luo et al. | Green light optimal speed advisory for hybrid electric vehicles | |
CN104748981A (zh) | 一种基于人-车-路闭环控制的新能源汽车试验*** | |
CN111775925B (zh) | 一种功率分流混合动力汽车的工作模式决策方法和装置 | |
CN111959492B (zh) | 一种网联环境下考虑换道行为的hev能量管理分层控制方法 | |
CN111459995B (zh) | 一种基于驾驶数据的多模态车速预测方法 | |
CN101263293A (zh) | 失火判定装置、混合动力汽车以及失火判定方法 | |
CN112849119B (zh) | 混合动力汽车发动机和电机多变量扭矩寻优控制分配方法 | |
CN116946107B (zh) | 一种能量轨迹跟随下的混动***模式决策与功率分配方法 | |
CN115876494B (zh) | 一种驾驶人在环的混动汽车能量管理策略测评***和方法 | |
Jeong et al. | Online implementation of optimal control with receding horizon for eco-driving of an electric vehicle | |
CN113781770A (zh) | 一种模拟双离合式的合流区车路协同控制*** | |
Pan et al. | Energy-optimized adaptive cruise control strategy design at intersection for electric vehicles based on speed planning | |
Zhang et al. | Control and optimisation of a dual-motor coupling drive system of pure electric vehicle based on multi-island genetic algorithm | |
Yeom | Learning model predictive control for efficient energy management of electric vehicles under car following and road slopes | |
Chen et al. | The vehicle speed strategy with double traffic lights based on reinforcement learning | |
Wickramasinghe et al. | Intelligent driver system for improving fuel efficiency in vehicle fleets | |
CN115071712A (zh) | 一种新能源汽车滑行工况能量回收强度智能化控制方法 | |
Hu et al. | Research on vehicle speed prediction model based on traffic flow information fusion | |
Cheng et al. | Deep Learning Approach for Driver Speed Intention Recognition Based on Naturalistic Driving Data | |
Zhang et al. | Prediction Method of PHEV Driving Energy Consumption Based on the Optimized CNN BiLSTM Attention Network |
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 |