[发明专利]基于数据驱动预测控制的电动汽车扭矩优化方法

说明书

技术领域

本发明属于电动汽车技术领域。 

背景技术

随着环境污染和能源危机的日益加重，纯电动汽车因为高能效、低排放、低噪声、能进行能量回收等优势成为当今汽车工业发展的重大方向，国家也出台了大量的优惠政策支持企业研究电动汽车，“十五”期间，国家863计划“电动汽车重大科技专项”连续两期得到国家大力支持，经过很多企业、高等院校和研究所人员的努力研究，我国在纯电动汽车的研究有了很大突破，其核心部件研发和整车系统设计方面有了不少技术创新和突破。无论是传统汽车还是电动汽车都涉及到扭矩优化的问题，如何设计控制器来合理的产生驱动和制动力矩信号，来实现车辆的良好性能，一直是汽车行业研究的重要问题之一。对于电动汽车，由于其结构比较简单，控制问题可以得到适当简化，同时，电机的响应速度快，电机的扭矩和转速容易获取，这为电动汽车的扭矩优化控制提供了良好的基础条件。针对于集中式电动汽车扭矩优化控制，主要有以下问题： 

1. 由于研究对象是集中式纯电动汽车，只有一个电机，并且是前轮驱动的，所以不存在分配优化问题，进而不能像四轮轮毂电机驱动电动汽车那样进行扭矩分配优化设计，只能从整车控制器中驱/制动扭矩的产生方面来考虑。

2.电动汽车扭矩优化控制系统机理模型复杂，非线性强，建模困难。同时，控制器的输出驱动和制动力矩信号，要满足执行器电机和制动器的硬性约束，即控制器的输出驱动和制动力矩信号不能超过电机的实际最大输出力矩和制动器的最大制动力矩。 

3.电动汽车需要动力电源，现在常用的是锂电池组，来给电机供电，电机的供电电压也影响着电机的最大输出力矩，因此在考虑电机的最大输出力矩时也必须考虑电池组输出电压的影响。 

发明内容

本发明的目的是可以有效进行电动汽车驱动和制动力矩优化分配，以实现车辆纵向速度跟踪控制方法的基于数据驱动预测控制的电动汽车扭矩优化方法。 

本发明步骤是： 

a、集中式电动汽车仿真模型搭建：采用模块化方法，在AMESim中搭建集中式电动汽车的整车模型，整个电动汽车仿真模型主要包括电驱动模块，传动模块、轮胎模块以及车辆纵向动力学，整车模型参数如表一：

表一  电动汽车参数表

；

b、扭矩优化数据驱动预测控制器设计：采用的数据驱动预测控制算法是由子空间辨识和模型预测控制相结合构成，具体的步骤如下：

①激励数据的选取：选取驱动力矩命令和制动力矩命令作为激励输入信号，在AMESim整车模型中，将设计的驱动力矩和制动力矩数据给电机和制动器，开环运行模型，便得到测量的实际车速，驱动力矩命令、制动力矩命令以及测量得到的车速，便是最终需要的系统激励数据；根据这些数据得到系统的输入Hankel矩阵Up、Uf，输出Hankel矩阵Yp、Yf：

 ；

②预测方程：

通过输入输出Hankel矩阵构造出系统的预测输出方程为：

，                            (1)

即为通过子空间辨识方法估计的系统未来输出值，通过求解最小二乘问题，获得预测方程中的两个预测矩阵系数Lw和Lu

                           (2)

两个预测矩阵系数Lw和Lu的解由下式求得：

              (3)

在已知系统的输入输出信息的 Hankel矩阵，并获得Lw和Lu后，利用子空间预测方程(1)，即得到系统未来输出值；

最终的输出预测方程为如公式(4)， 是Hankel矩阵的第一列

，                   (4)

③数据驱动预测控制器设计：对目标代价函数的求解获得优化后的驱动力矩和制动力矩信号，代价函数的数学表达形式如下：

        (5)

将系统输出的预测方程(5)改写为增量型式：

 ； (6)

对增项型预测输出进行累加得到如下的模型预测输出方程：

             (7)

其中，

   

 ；  

F项为系统自由响应，相应地 S?uf 项被称为系统的控制响应；

利用增量型预测输出模型构造出如下形式的代价函数：