CN116176557A - 一种混合动力越野车的能量管理方法、装置及电子设备 - Google Patents
一种混合动力越野车的能量管理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116176557A CN116176557A CN202310168058.6A CN202310168058A CN116176557A CN 116176557 A CN116176557 A CN 116176557A CN 202310168058 A CN202310168058 A CN 202310168058A CN 116176557 A CN116176557 A CN 116176557A
- Authority
- CN
- China
- Prior art keywords
- road vehicle
- power
- required power
- hybrid
- analysis model
- 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
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
-
- 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
- B60W20/11—Controlling the power contribution of each of the prime movers to meet required power demand using model predictive control [MPC] strategies, i.e. control methods based on models predicting performance
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及一种混合动力越野车的能量管理方法、装置及电子设备,该方法包括:实时获取越野车的目标特征参数,根据所述目标特征参数计算越野车的主成分得分;对所述越野车的主成分得分进行聚类分析,根据聚类分析的结果确定越野车的行驶工况类型;根据所述越野车的行驶工况类型确定需求功率分析模型,将所述越野车的主成分得分输入至所述需求功率分析模型得到越野车的需求功率;根据所述目标特征参数、所述越野车的需求功率以及预设约束条件计算越野车的输出功率。本发明通过主成分得分提高了行驶工况类型确定的准确性,通过需求功率分析模型提高了需求功率的实时性和准确性,最后通过约束条件确定输出功率,实现越野车动力和经济之间的平衡。
Description
技术领域
本发明涉及车辆能量管理技术领域,尤其涉及一种混合动力越野车的能量管理方法、装置及电子设备。
背景技术
随着车辆动力***技术的快速发展,电动化在汽车动力中比例越来越高,混合动力技术已经成为降低油耗的有效技术之一。由于占有率少、使用场景特殊等诸多原因,针对越野车辆的工况构建体系尚未成熟,关键研究仍旧缺失,且当前针对工况辨识的研究多以工况为已知信息进行性能优化,导致控制策略有一定局限性。
现有技术中,混合动力车辆的能量管理大多是基于规则的能量管理方法,主要是根据发动机、电机等车辆主要部件的控制曲线MAP图,以及工程实践经验制定的。过车辆行驶工况的识别,采用了与车辆行驶工况对应的能量管理策略,以实时控制车辆发动机和电机输出扭矩。
但是,混合动力越野车行驶路况复杂多变,混合动力越野车辆行驶状态频繁变化,现有技术针对混合动力车辆的能量管理方法难以满足混合动力越野车工况识别的准确性以及实时性的要求。且当下混合动力车辆能量管理策略的主流研究方向多是基于城市用车工况以整车燃油消耗量为优化目标,仅完成对经济性的策略分析设计,无法满足混合动力越野车动力和经济之间的平衡。
发明内容
有鉴于此,有必要提供一种混合动力越野车的能量管理方法、装置及电子设备,用以解决现有技术中混合动力车辆的能量管理方法无法维持混合动力越野车动力和经济之间的平衡,也无法满足混合动力越野车工况识别的准确性以及实时性的要求的问题。
为达到上述技术目的,本发明采取了以下技术方案:
第一方面,本发明提供了一种混合动力越野车的能量管理方法,包括:
实时获取越野车的目标特征参数,根据目标特征参数计算越野车的主成分得分;
对越野车的主成分得分进行聚类分析,根据聚类分析的结果确定越野车的行驶工况类型;
根据越野车的行驶工况类型确定需求功率分析模型,将越野车的主成分得分输入至需求功率分析模型得到越野车的需求功率;
根据目标特征参数、越野车的需求功率以及预设约束条件计算越野车的输出功率。
在一些可能的实现方式中,实时获取越野车的目标特征参数,根据目标特征参数计算越野车的主成分得分,包括:
以预设采样周期实时采集越野车的目标特征参数,基于预设分析方法,将越野车的目标特征参数降维处理得到越野车的主成分得分。
在一些可能的实现方式中,对越野车的主成分得分进行聚类分析,根据聚类分析的结果确定越野车的行驶工况类型,包括:
根据越野车的历史行驶数据设置若干个聚类中心;
计算主成分得分与所有聚类中心之间的工况相似度;
将工况相似度最大值对应的聚类中心设置为越野车的行驶工况类型。
在一些可能的实现方式中,需求功率分析模型包括稳态工况分析模型和瞬态工况分析模型;根据越野车的行驶工况类型确定需求功率分析模型,将越野车的主成分得分输入至需求功率分析模型得到越野车的需求功率,包括:
根据越野车的历史行驶数据设置稳态工况分析模型和瞬态工况分析模型;
根据越野车的行驶工况类型将主成分得分按预设时间窗口输入至对应的需求功率分析模型得到越野车的需求功率时序。
在一些可能的实现方式中,根据越野车的行驶工况类型将主成分得分按预设时间窗口输入至对应的需求功率分析模型得到越野车的需求功率时序,包括:
基于稳态工况分析模型,对主成分得分进行马尔科夫时序预测确定越野车的稳态需求功率时序;
基于瞬态工况分析模型,对主成分得分进行NAR神经网络时序预测确定越野车的瞬态需求功率时序。
在一些可能的实现方式中,目标特征参数包括加速踏板开度的变化率;根据目标特征参数、越野车的需求功率以及预设约束条件计算越野车的输出功率,包括:
对越野车的需求功率和加速踏板开度的变化率进行模糊处理确定优化因子;
根据优化因子、目标特征参数以及越野车的需求功率确定动力需求功率和经济需求功率;
根据预设权重因子、动力需求功率和经济需求功率确定综合需求功率;
通过预设约束条件对综合需求功率进行约束得到越野车的输出功率。
在一些可能的实现方式中,对越野车的需求功率和加速踏板开度的变化率进行模糊处理确定优化因子,包括:
根据预测时间窗口和越野车的需求功率计算预测时间窗口内的平均需求功率;
将平均需求功率和加速踏板开度的变化率输入至预设模糊控制器,输出得到优化因子。
第二方面,本发明还提供了一种混合动力越野车的能量管理装置,包括:
主成分得分模块,用于实时获取越野车的目标特征参数,根据目标特征参数计算越野车的主成分得分;
工况识别模块,用于对越野车的主成分得分进行聚类分析,根据聚类分析的结果确定越野车的行驶工况类型;
需求功率分析模块,用于根据越野车的行驶工况类型确定需求功率分析模型,将越野车的主成分得分输入至需求功率分析模型得到越野车的需求功率;
输出功率计算模块,用于根据目标特征参数、越野车的需求功率以及预设约束条件计算越野车的输出功率。
第三方面,本发明还提供了一种电子设备,包括存储器和处理器,其中,
存储器,用于存储程序;
处理器,与存储器耦合,用于执行存储器中存储的程序,以实现上述任一种实现方式中的混合动力越野车的能量管理方法中的步骤。
第四方面,本发明还提供了一种计算机可读存储介质,用于存储计算机可读取的程序或指令,程序或指令被处理器执行时,能够实现上述任一种实现方式中的混合动力越野车的能量管理方法中的步骤。
采用上述实施例的有益效果是:本发明涉及一种混合动力越野车的能量管理方法、装置及电子设备,该方法包括:实时获取越野车的目标特征参数,根据所述目标特征参数计算越野车的主成分得分;对所述越野车的主成分得分进行聚类分析,根据聚类分析的结果确定越野车的行驶工况类型;根据所述越野车的行驶工况类型确定需求功率分析模型,将所述越野车的主成分得分输入至所述需求功率分析模型得到越野车的需求功率;根据所述目标特征参数、所述越野车的需求功率以及预设约束条件计算越野车的输出功率。本发明提高的一种混合动力越野车的能量管理方法、装置及电子设备,先计算主成分得分,通过主成分得分来确定越野车的行驶工况类型,提高了行驶工况类型识别的准确性,然后通过需求功率分析模型可以准确的确定越野车的需求功率,且可以快速计算得到越野车的需求功率,提高了计算的实时性,最后结合约束条件确定越野车的输出功率,以实现越野车动力和经济之间的平衡。
附图说明
图1为本发明提供的混合动力越野车的能量管理方法的一实施例的流程示意图;
图2为本发明提供的工况辨识周期与更新周期的一实施例的关系示意图;
图3为图1中步骤S102的一实施例的流程示意图;
图4(a)、(b)、(c)、(d)为本发明提供的聚类中心类型的一实施例的车速示意图;
图5为图1中步骤S104的一实施例的关系示意图;
图6为本发明提供的混合动力越野车的能量管理装置的一实施例的结构示意图;
图7为本发明实施例提供的电子设备的结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本发明所描述的实施例可以与其它实施例相结合。
本发明提供了一种混合动力越野车的能量管理方法、装置及电子设备,以下分别进行说明。
请参阅图1,图1为本发明提供的混合动力越野车的能量管理方法的一实施例的流程示意图,本发明的一个具体实施例,公开了一种混合动力越野车的能量管理方法,包括:
S101、实时获取越野车的目标特征参数,根据目标特征参数计算越野车的主成分得分;
S102、对越野车的主成分得分进行聚类分析,根据聚类分析的结果确定越野车的行驶工况类型;
S103、根据越野车的行驶工况类型确定需求功率分析模型,将越野车的主成分得分输入至需求功率分析模型得到越野车的需求功率;
S104、根据目标特征参数、越野车的需求功率以及预设约束条件计算越野车的输出功率。
在上述实施例中,可以通过越野车上设置的各种传感器以及检测装置或设备来实现对越野车行驶的目标特征参数的采集,可以理解的是,采集的特征参数一般都是采取一段时间内(工况段)的特征参数,不仅需要反映车辆运行的快慢,还需表征车速的波动情况以及行驶状态的综合占比,因而特征参数集的构建主要基于三个维度展开:速度、加速度、行驶状态占比。
本实施例采集14个特征参数,通过主成分分析法(PCA),将14个特征参数降维处理成3个主成分K1、K2、K3,得到工况段的主成分得分。K1与平均车速、最高车速、最大加减速度等参数呈正相关,但与平均加速度及其标准差的相关性并不大,可用于量化中高车速时缓和驾驶意图的行驶场景;K2与平均加速度、加速度标准差、加速减速段占比等呈正相关,用于量化中低车速强烈驱制动意图的行驶场景;K3则侧重凸显中低车速时缓和驾驶意图的行驶场景。
本实施例中进行聚类分析的方式为基于K-Means算法的行驶工况类型聚类分析,通过K-Means算法对各工况段的主成分得分情况做聚类处理,从中抽离出混合动力越野车辆行驶工况类型,利用欧氏距离计算出实时工况与各簇类工况的贴近程度,在后续工况类型识别中使用。
本实施例中的需求功率分析模型为Markov-NAR需求功率复合预测模型,对于稳态工况,马尔科夫预测模型依赖于状态转移概率矩阵有着更低的预测误差,对于瞬态工况,由于车辆急加/减速,纵向车速信息频繁跳变,状态转移概率矩阵的固化使得马尔科夫预测模型精度显著下降,因而在全预测时域内,多步NAR模型的预测效果均优于马尔科夫预测模型。
结合两种时序预测方法的特点,基于工况辨识的需求功率复合预测模型首先通过滑动窗口在线辨识当前工况类型,随后将车辆行驶工况类型与不同预测方法的特点紧密结合:针对具备高度非线性特征的瞬态工况,使用擅长非线性拟合的多步NAR神经网络模型进行功率预测;针对时序变化相对平稳的稳态工况,采用马尔科夫时序预测模型以准确把握车辆的状态转移过程,同时相关预测参数动态更迭以提升时序预测效果。
通过目标特征参数、越野车的需求功率分别确定动力性能函数J1和经济性能函数J2,再进一步结合动力性能函数J1和经济性能函数J2确定综合输出功率,最后结合预设约束条件对综合输出功率进行约束,确定越野车的最终输出功率。
与现有技术相比,本实施例提供的一种混合动力越野车的能量管理方法,该方法包括:实时获取越野车的目标特征参数,根据所述目标特征参数计算越野车的主成分得分;对所述越野车的主成分得分进行聚类分析,根据聚类分析的结果确定越野车的行驶工况类型;根据所述越野车的行驶工况类型确定需求功率分析模型,将所述越野车的主成分得分输入至所述需求功率分析模型得到越野车的需求功率;根据所述目标特征参数、所述越野车的需求功率以及预设约束条件计算越野车的输出功率。本发明提高的一种混合动力越野车的能量管理方法、装置及电子设备,先计算主成分得分,通过主成分得分来确定越野车的行驶工况类型,提高了行驶工况类型识别的准确性,然后通过需求功率分析模型可以准确的确定越野车的需求功率,且可以快速计算得到越野车的需求功率,提高了计算的实时性,最后结合约束条件确定越野车的输出功率,以实现越野车动力和经济之间的平衡。
请参阅图2,图2为本发明提供的工况辨识周期与更新周期的一实施例的关系示意图,在本发明的一些实施例中,实时获取越野车的目标特征参数,根据目标特征参数计算越野车的主成分得分,包括:
以预设采样周期实时采集越野车的目标特征参数,基于预设分析方法,将越野车的目标特征参数降维处理得到越野车的主成分得分。
在上述实施例中,车辆实时行驶过程中,假设当前时刻为t,则ΔT作为采样时间窗口进行特征参数提取,Δσ作为工况辨识更新周期。采用滑动窗口辨识方法具有前溯性——保证下一时刻更新工况类型时,工况辨识周期ΔT内仍保留部分历史车辆状态信息,这避免了样本片段“碎片化”,进而导致辨识结果频繁跳动,整车控制效果下降。同时,恰当的Δσ与ΔT的选值,有助于精确追踪越野车辆行驶状态的同时减少计算量,提高在线工况辨识效率,作为优选的实施例,本发明选择Δσ的值为5s,ΔT的值为50s。
在车辆实时行驶过程中,以ΔT为周期,实时计算得到特征参数集合;随后依照主成分空间分析理论,将目标工况段映射至主成分空间内,计算得到上述主成分K1、K2、K3的得分值。
请参阅图3,图3为图1中步骤S102的一实施例的流程示意图,在本发明的一些实施例中,对越野车的主成分得分进行聚类分析,根据聚类分析的结果确定越野车的行驶工况类型,包括:
S301、根据越野车的历史行驶数据设置若干个聚类中心;
S302、计算主成分得分与所有聚类中心之间的工况相似度;
S303、将工况相似度最大值对应的聚类中心设置为越野车的行驶工况类型。
在上述实施例中,请参阅图4(a)、(b)、(c)、(d),图4(a)、(b)、(c)、(d)为本发明提供的聚类中心类型的一实施例的车速示意图,采用行程分析法对典型工况进行运动学片段提取,利用Matlab软件编写脚本程序,对上述典型工况提取运动学片段,提取完毕后累计为205段,记为该205段典型工况片段集合,对205段典型工况片段集合进行组成分分析,确定4类典型的聚类中心C1、C2、C3、C4。
工况相似度变量ξ(Ci,XΔt)的计算公式如下:
ξ(XΔT)=max{ξ(C1,XΔT),ξ(C2,XΔT),…,ξ(C4,XΔT)};
其中,m为主成分个数,XΔt为目标工况段主成分得分集合,在线工况类型辨识结果记为ξ(XΔT),k表示时刻。
在本发明的一些实施例中,需求功率分析模型包括稳态工况分析模型和瞬态工况分析模型;根据越野车的行驶工况类型确定需求功率分析模型,将越野车的主成分得分输入至需求功率分析模型得到越野车的需求功率,包括:
根据越野车的历史行驶数据设置稳态工况分析模型和瞬态工况分析模型;
根据越野车的行驶工况类型将主成分得分按预设时间窗口输入至对应的需求功率分析模型得到越野车的需求功率时序。
在上述实施例中,稳态工况分析模型为马尔科夫预测模型,瞬态工况分析模型为多步NAR神经网络模型,本发明根据混合动力越野车的历史行驶数据确定了马尔科夫预测模型和多步NAR神经网络模型分别对不同类型的工况进行分析。
以设置好的滑动窗口将主成分得分输入至对应的需求功率分析模型得到越野车的需求功率时序,其中,稳态分为C1和C4的中低速稳态和中高速稳态,瞬态分为C2和C3的中低速瞬态和中高速瞬态。
在本发明的一些实施例中,根据越野车的行驶工况类型将主成分得分按预设时间窗口输入至对应的需求功率分析模型得到越野车的需求功率时序,包括:
基于稳态工况分析模型,对主成分得分进行马尔科夫时序预测确定越野车的稳态需求功率时序;
基于瞬态工况分析模型,对主成分得分进行NAR神经网络时序预测确定越野车的瞬态需求功率时序。
在上述实施例中,将稳态工况的主成分得分输入至稳态工况分析模型,通过马尔科夫时序预测确定越野车的稳态需求功率时序。
将瞬态工况的主成分得分输入至瞬态工况分析模型,通过NAR神经网络时序预测确定越野车的瞬态需求功率时序。
需要说明的是,马尔科夫时序预测和NAR神经网络时序预测为现有技术,本发明不需要对此进行过多赘述。
请参阅图5,图5为图1中步骤S104的一实施例的关系示意图,在本发明的一些实施例中,目标特征参数包括加速踏板开度的变化率;根据目标特征参数、越野车的需求功率以及预设约束条件计算越野车的输出功率,包括:
S501、对越野车的需求功率和加速踏板开度的变化率进行模糊处理确定优化因子;
S502、根据优化因子、目标特征参数以及越野车的需求功率确定动力需求功率和经济需求功率;
S503、根据预设权重因子、动力需求功率和经济需求功率确定综合需求功率;
S504、通过预设约束条件对综合需求功率进行约束得到越野车的输出功率。
在上述实施例中,混合动力越野车的动力来源为APU***(辅助动力***)和柴油发动机,APU***的高效运作有利于电能快速补给,即保证SOC维持在高效放电区间,从而更好地发挥混合动力越野车动力性潜能,实现良好功率响应效果。以越野车急加速工况为例,整车有大功率请求时,在行驶前期应当使动力电池优先放电,而后期应尽快提升APU发电系运转效率,高效实现功率补给同时维持SOC于高效工作区间,设计优化因子确定需求功率。
对于分布式驱动的混合动力越野车辆而言,来自APU发电***或动力电池的电能传递至轮毂电机为整车提供动力来源。考虑动力电池在高效SOC工作区间有较强充放电能力,同时输出响应速度显著优于APU发电***,结合研究对象对于动力性能的特殊需求,设计动力性能函数J1确定动力需求功率,计算公式如下:
其中,PAPU()为APU发电***第k时刻的输出功率,Preq()为越野车第k时刻的需求功率,Pbat()为动力电池第k时刻的输出功率,λ(k)为充/放电倍率,ξ(k)为充放电因子,U(k)为动力电池第k时刻的端电压,SOC(k)为动力电池第k时刻的剩余电量,Ebat为动力电池容量,SOClow和SOChiigh分别为动力电池剩余电量的最小阈值和最大阈值。
当混合动力越野车辆行驶于功率需求变化平缓的工况中(例如巡航工况、城郊工况时),那么应对整车燃油经济性有所侧重。其中,燃油消耗量的大小是燃油经济性最具代表性的评价指标,设计经济性能函数J2确定经济需求功率,计算公式如下:
其中,feng()为柴油机燃油消耗量,fbat()为动力电池等效油耗量,Peng()为柴油机第k时刻的输出功率,be()为第k时刻柴油机燃油消耗率,是关于转矩与转速的函数,即be()=[eng(),Tm()],可由插值法获得;为等效燃油消耗换算系数;ηAPU为APU发电***向动力电池充电时的工作效率,ηbat为动力电池的工作效率;Hμ为柴油机燃油低热值,I(k)为动力电池第k时刻的充放电电流。
为提升混合动力越野车辆的工况适应性,将车辆实时工况类型与整车能量管理、APU发电决策紧密结合,引入自适应因子λ1,λ2综合调节动力性与燃油经济性二者的优先级关系,λ1、λ2的表达式如下所示:
其中,d(C(k),Ci)表示k时刻工况辨识窗口主成分得分与第i类聚类中心主成分得分的欧氏距离。
需要说明的是,自适应因子λ1,λ2可分别视作对动力响应性与燃油经济性的优化权重系数,基于滑动窗口的在线工况辨识模型会将工况分为C1至C4四类。其中C1与C4均属于瞬态工况类型,伴随着急加/减速或紧急超车、越障意图,工况时序变化波动较大,此时应满足越野车动力需求为主,提升J1于J*中的占比;而C2与C3均属于稳态工况类型,整车处于巡航或滑行状态,工况时序变化相对平稳,故应提升J2的占比,力求整车经济性能最优,设计预测控制性能函数J*确定综合需求功率:
根据MPC理论,目标函数的寻优求解应受限于某些约束条件,否则有可能导致控制***的性能恶化。约束条件的设定通常源于控制***的客观限制因素,本发明从多能量源协作时的整车安全问题出发,加入以下约束条件:
1)动力电池安全约束:
其中,Pbat_max、Pbat_min表示动力电池最大/小放电功率;U(k)max、U(k)min表示最大/小端电压;Iconst(k)、Ipeak(k)分别表示动力电池持续充/放电、峰值充/放电电流,其值都应小于各自的实时允许限值Iallow_const(k)、Iallow_peak(k)。
2)APU发电系与驱动电机安全约束:
其中,Peng_max、Peng_min为柴油机最大/小输出功率;tempeng_max、tempeng_min-柴油机的工作温度上/下限;Pmotor为发电机的安全功率,为避免驱动电机/发电机因工作温度过高造成不可逆地高温退磁失效,应保证其值始终大于驱动电机/发电机峰值功率;tempmotor_max、tempmotor_min为驱动电机/发电机工作温度上/下限。
对于多目标优化问题,可利用动态规划算法进行求解,其思想是把所有的计算求解过程视作若干个前后相关的子过程,依次求出每个子过程的最优控制序列,即可得到单个预测时域的最优解。针对本发明MPC多目标性能函数J*,考虑约束条件,逆向求解过程可表示为:
J*(k+p)=min{λ1J1(k+p)+λ2J2(k+p)}
J*(k+p-1)=min{λ1J1(k+p-1)+λ2J2(k+p-1)+J*(k+p)}
J*(k)=min{λ1J1(k)+λ2J2(k)+J*(k+1)};
在安全性约束下的多目标优化方程在预测时域内最优解,表示为:
u*(t)的结果为越野车的输出功率。
在本发明的一些实施例中,对越野车的需求功率和加速踏板开度的变化率进行模糊处理确定优化因子,包括:
根据预测时间窗口和越野车的需求功率计算预测时间窗口内的平均需求功率;
将平均需求功率和加速踏板开度的变化率输入至预设模糊控制器,输出得到优化因子。
在上述实施例中,根据需求功率预测均值与加速踏板开度的变化率ΔαAcc设计响应性优化因子κ(k),根据需求功率分析模型可得到t-p至t-1对于t时刻的预测值。t-p至t-1时刻对于功率预测的精确程度逐级递增,故t时刻需求功率预测值需要根据时序窗口滚动进行自校正,其计算如下:
预设模糊控制器的模糊论域分别设置为[0,160]、[0,300],模糊语言变量取:{S、M、B、VB},将平均需求功率和加速踏板开度的变化率输入至预设模糊控制器,即可输出得到优化因子κ(k)。
κ(k)的意义在于能够根据驾驶员驱动意图以及需求功率变化情况动态协调整车不同能量源的功率输出占比。ΔαAcc能够表征驾驶员驱动意图的强烈程度,当ΔαAcc模糊化后的变量语言为VB或B时,κ(k)解模糊后大致处于区间[1,1.3],因而J1中被减数项内PAPU(k)变小,动力电池输出占比上升;同理,表征从工况信息中提取的功率预测均值,当/>模糊化后的变量语言为VB或B时,κ(k)解模糊后基本处于区间[0.6,1],J1中被减数项内PAPU(k)增大,从而提升APU发电***输出功率占比,保证整车能源储备与电能输出效率,从而实现整车功率响应性能优化。/>
为了更好实施本发明实施例中的混合动力越野车的能量管理方法,在混合动力越野车的能量管理方法基础之上,对应的,请参阅图6,图6为本发明提供的混合动力越野车的能量管理装置的一实施例的结构示意图,本发明实施例提供了一种混合动力越野车的能量管理装置600,包括:
主成分得分模块610,用于实时获取越野车的目标特征参数,根据目标特征参数计算越野车的主成分得分;
工况识别模块620,用于对越野车的主成分得分进行聚类分析,根据聚类分析的结果确定越野车的行驶工况类型;
需求功率分析模块630,用于根据越野车的行驶工况类型确定需求功率分析模型,将越野车的主成分得分输入至需求功率分析模型得到越野车的需求功率;
输出功率计算模块640,用于根据目标特征参数、越野车的需求功率以及预设约束条件计算越野车的输出功率。
这里需要说明的是:上述实施例提供的装置600可实现上述各方法实施例中描述的技术方案,上述各模块或单元具体实现的原理可参见上述方法实施例中的相应内容,此处不再赘述。
请参阅图7,图7为本发明实施例提供的电子设备的结构示意图。基于上述混合动力越野车的能量管理方法,本发明还相应提供了一种混合动力越野车的能量管理设备,混合动力越野车的能量管理设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该混合动力越野车的能量管理设备包括处理器710、存储器720及显示器730。图7仅示出了电子设备的部分组件,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
存储器720在一些实施例中可以是混合动力越野车的能量管理设备的内部存储单元,例如混合动力越野车的能量管理设备的硬盘或内存。存储器720在另一些实施例中也可以是混合动力越野车的能量管理设备的外部存储设备,例如混合动力越野车的能量管理设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器720还可以既包括混合动力越野车的能量管理设备的内部存储单元也包括外部存储设备。存储器720用于存储安装于混合动力越野车的能量管理设备的应用软件及各类数据,例如安装混合动力越野车的能量管理设备的程序代码等。存储器720还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中,存储器720上存储有混合动力越野车的能量管理程序740,该混合动力越野车的能量管理程序740可被处理器710所执行,从而实现本申请各实施例的混合动力越野车的能量管理方法。
处理器710在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行存储器720中存储的程序代码或处理数据,例如执行混合动力越野车的能量管理方法等。
显示器730在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。显示器730用于显示在混合动力越野车的能量管理设备的信息以及用于显示可视化的用户界面。混合动力越野车的能量管理设备的部件710-730通过***总线相互通信。
在一实施例中,当处理器710执行存储器720中混合动力越野车的能量管理程序740时实现如上的混合动力越野车的能量管理方法中的步骤。
本实施例还提供了一种计算机可读存储介质,其上存储有混合动力越野车的能量管理程序,该混合动力越野车的能量管理程序被处理器执行时实现以下步骤:
实时获取越野车的目标特征参数,根据目标特征参数计算越野车的主成分得分;
对越野车的主成分得分进行聚类分析,根据聚类分析的结果确定越野车的行驶工况类型;
根据越野车的行驶工况类型确定需求功率分析模型,将越野车的主成分得分输入至需求功率分析模型得到越野车的需求功率;
根据目标特征参数、越野车的需求功率以及预设约束条件计算越野车的输出功率。
综上,本实施例提供的一种混合动力越野车的能量管理方法、装置及电子设备,该方法包括:实时获取越野车的目标特征参数,根据所述目标特征参数计算越野车的主成分得分;对所述越野车的主成分得分进行聚类分析,根据聚类分析的结果确定越野车的行驶工况类型;根据所述越野车的行驶工况类型确定需求功率分析模型,将所述越野车的主成分得分输入至所述需求功率分析模型得到越野车的需求功率;根据所述目标特征参数、所述越野车的需求功率以及预设约束条件计算越野车的输出功率。本发明提高的一种混合动力越野车的能量管理方法、装置及电子设备,先计算主成分得分,通过主成分得分来确定越野车的行驶工况类型,提高了行驶工况类型识别的准确性,然后通过需求功率分析模型可以准确的确定越野车的需求功率,且可以快速计算得到越野车的需求功率,提高了计算的实时性,最后结合约束条件确定越野车的输出功率,以实现越野车动力和经济之间的平衡。
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 (10)
1.一种混合动力越野车的能量管理方法,其特征在于,包括:
实时获取越野车的目标特征参数,根据所述目标特征参数计算越野车的主成分得分;
对所述越野车的主成分得分进行聚类分析,根据聚类分析的结果确定越野车的行驶工况类型;
根据所述越野车的行驶工况类型确定需求功率分析模型,将所述越野车的主成分得分输入至所述需求功率分析模型得到越野车的需求功率;
根据所述目标特征参数、所述越野车的需求功率以及预设约束条件计算越野车的输出功率。
2.根据权利要求1所述的混合动力越野车的能量管理方法,其特征在于,所述实时获取越野车的目标特征参数,根据所述目标特征参数计算越野车的主成分得分,包括:
以预设采样周期实时采集越野车的目标特征参数,基于预设分析方法,将所述越野车的目标特征参数降维处理得到越野车的主成分得分。
3.根据权利要求1所述的混合动力越野车的能量管理方法,其特征在于,所述对所述越野车的主成分得分进行聚类分析,根据聚类分析的结果确定越野车的行驶工况类型,包括:
根据越野车的历史行驶数据设置若干个聚类中心;
计算所述主成分得分与所有所述聚类中心之间的工况相似度;
将工况相似度最大值对应的所述聚类中心设置为越野车的行驶工况类型。
4.根据权利要求3所述的混合动力越野车的能量管理方法,其特征在于,所述需求功率分析模型包括稳态工况分析模型和瞬态工况分析模型;所述根据所述越野车的行驶工况类型确定需求功率分析模型,将所述越野车的主成分得分输入至所述需求功率分析模型得到越野车的需求功率,包括:
根据所述越野车的历史行驶数据设置所述稳态工况分析模型和所述瞬态工况分析模型;
根据所述越野车的行驶工况类型将所述主成分得分按预设时间窗口输入至对应的所述需求功率分析模型得到越野车的需求功率时序。
5.根据权利要求4所述的混合动力越野车的能量管理方法,其特征在于,所述根据所述越野车的行驶工况类型将所述主成分得分按预设时间窗口输入至对应的所述需求功率分析模型得到越野车的需求功率时序,包括:
基于所述稳态工况分析模型,对所述主成分得分进行马尔科夫时序预测确定越野车的稳态需求功率时序;
基于所述瞬态工况分析模型,对所述主成分得分进行NAR神经网络时序预测确定越野车的瞬态需求功率时序。
6.根据权利要求1所述的混合动力越野车的能量管理方法,其特征在于,所述目标特征参数包括加速踏板开度的变化率;所述根据所述目标特征参数、所述越野车的需求功率以及预设约束条件计算越野车的输出功率,包括:
对所述越野车的需求功率和所述加速踏板开度的变化率进行模糊处理确定优化因子;
根据所述优化因子、所述目标特征参数以及所述越野车的需求功率确定动力需求功率和经济需求功率;
根据预设权重因子、所述动力需求功率和所述经济需求功率确定综合需求功率;
通过所述预设约束条件对所述综合需求功率进行约束得到越野车的输出功率。
7.根据权利要求6所述的混合动力越野车的能量管理方法,其特征在于,所述对所述越野车的需求功率和所述加速踏板开度的变化率进行模糊处理确定优化因子,包括:
根据预测时间窗口和所述越野车的需求功率计算预测时间窗口内的平均需求功率;
将所述平均需求功率和所述加速踏板开度的变化率输入至预设模糊控制器,输出得到优化因子。
8.一种混合动力越野车的能量管理装置,其特征在于,包括:
主成分得分模块,用于实时获取越野车的目标特征参数,根据所述目标特征参数计算越野车的主成分得分;
工况识别模块,用于对所述越野车的主成分得分进行聚类分析,根据聚类分析的结果确定越野车的行驶工况类型;
需求功率分析模块,用于根据所述越野车的行驶工况类型确定需求功率分析模型,将所述越野车的主成分得分输入至所述需求功率分析模型得到越野车的需求功率;
输出功率计算模块,用于根据所述目标特征参数、所述越野车的需求功率以及预设约束条件计算越野车的输出功率。
9.一种电子设备,其特征在于,包括存储器和处理器,其中,
所述存储器,用于存储程序;
所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以实现上述权利要求1至7中任一项所述混合动力越野车的能量管理方法中的步骤。
10.一种计算机可读存储介质,其特征在于,用于存储计算机可读取的程序或指令,所述程序或指令被处理器执行时,能够实现上述权利要求1至7中任一项所述混合动力越野车的能量管理方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310168058.6A CN116176557A (zh) | 2023-02-24 | 2023-02-24 | 一种混合动力越野车的能量管理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310168058.6A CN116176557A (zh) | 2023-02-24 | 2023-02-24 | 一种混合动力越野车的能量管理方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116176557A true CN116176557A (zh) | 2023-05-30 |
Family
ID=86447376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310168058.6A Pending CN116176557A (zh) | 2023-02-24 | 2023-02-24 | 一种混合动力越野车的能量管理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116176557A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116749946A (zh) * | 2023-08-21 | 2023-09-15 | 新誉集团有限公司 | 一种车辆能量管理方法、装置、设备及可读存储介质 |
-
2023
- 2023-02-24 CN CN202310168058.6A patent/CN116176557A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116749946A (zh) * | 2023-08-21 | 2023-09-15 | 新誉集团有限公司 | 一种车辆能量管理方法、装置、设备及可读存储介质 |
CN116749946B (zh) * | 2023-08-21 | 2023-10-20 | 新誉集团有限公司 | 一种车辆能量管理方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110775065B (zh) | 一种基于工况识别的混合动力汽车电池寿命预测方法 | |
Yuan et al. | Intelligent energy management strategy based on hierarchical approximate global optimization for plug-in fuel cell hybrid electric vehicles | |
Tian et al. | An adaptive ECMS with driving style recognition for energy optimization of parallel hybrid electric buses | |
CN110281904B (zh) | 一种混合动力车辆的能量管理方法、装置及终端 | |
CN108528436B (zh) | 一种内外层嵌套的ecms多目标双层优化方法 | |
Ali et al. | Optimal control of multi-source electric vehicles in real time using advisory dynamic programming | |
WO2022241898A1 (zh) | 一种分层式燃料电池汽车节能驾驶方法 | |
Xu et al. | Optimization of energy management strategy for extended range electric vehicles using multi-island genetic algorithm | |
CN112319462B (zh) | 一种插电式混合动力汽车能量管理方法 | |
CN112224035B (zh) | 一种纯电动汽车的驱动转矩优化控制方法 | |
CN116176557A (zh) | 一种混合动力越野车的能量管理方法、装置及电子设备 | |
Yan et al. | Design of a deep inference framework for required power forecasting and predictive control on a hybrid electric mining truck | |
Fries et al. | Operational strategy of hybrid heavy-duty trucks by utilizing a genetic algorithm to optimize the fuel economy multiobjective criteria | |
CN113135113A (zh) | 一种全局soc规划方法及装置 | |
Tao et al. | Terrain information-involved power allocation optimization for fuel cell/battery/ultracapacitor hybrid electric vehicles via an improved deep reinforcement learning | |
CN113276829A (zh) | 一种基于工况预测的车辆行驶节能优化变权重方法 | |
Guo et al. | Clustered energy management strategy of plug-in hybrid electric logistics vehicle based on Gaussian mixture model and stochastic dynamic programming | |
CN111824115B (zh) | 一种车辆多能源控制方法、***、装置及存储介质 | |
CN105774797A (zh) | 一种插电式并联混合动力汽车自适应控制方法 | |
Yang et al. | Variable optimization domain-based cooperative energy management strategy for connected plug-in hybrid electric vehicles | |
CN113997925B (zh) | 一种插电式混合动力***能量管理方法 | |
Mustafa et al. | Intelligent Energy Management Strategy for a Parallel Hybrid Vehicle | |
Wang et al. | Energy management of HEV in platoon operation with constant headway policy | |
Bassett et al. | GPS Based Energy Management Control for Plug-in Hybrid Vehicles | |
CN117901724B (zh) | 一种纯电动汽车热管理***控制方法、***及设备 |
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 |