[发明专利]插电式混合动力汽车节能控制方法

权利要求书

1.一种插电式混合动力汽车节能控制方法，其特征在于：包括以下步骤：

步骤1)信息采集：由全球定位系统采集车辆的位置信息和充电站位置信息，作为实时车辆状态反馈；由车载雷达测速装置采集前方车辆速度，用于跟踪控制；由智能交通系统采集交通信号信息以及实时路况信息，用于智能交通控制；由卡尔曼滤波器利用采集的蓄电池信息对蓄电池荷电状态进行测定；

步骤2)车辆建模：行星齿轮式混联插电式混合动力汽车包含五大动态部件：它们是发动机、蓄电池、两个发电电动一体机和车轮；行星齿轮作为既有速度耦合器的作用又有电子无极变速器作用的动力分配装置，根据车辆机械耦合和电子耦合关系，列写系统动力学方程，对动力学方程解耦，获得系统的状态空间模型，如式(1)所示；

$\stackrel{\·}{x}=f(x,u)$

x＝[ω_eng p ω_M/G2 x_SOC]^T

u＝[τ_eng τ_M/G2 τ_M/G1 τ_brake]^T

$f(x,u)=\left[\begin{array}{c}{\mathrm{M\τ}}_{eng}+{\mathrm{N\τ}}_{M/G2}+(M\frac{S+R}{S}-N\frac{R}{S}){\mathrm{\τ}}_{M/G1}-N\frac{{\mathrm{\τ}}_{brake}}{g_f}-N\frac{{\mathrm{\τ}}_{resist}}{g_f}\\ \frac{r_w}{g_f}{\mathrm{\ω}}_{M/G2}\\ {\mathrm{N\τ}}_{eng}+{\mathrm{P\τ}}_{M/G2}+(M\frac{S+R}{S}-P\frac{R}{S}){\mathrm{\τ}}_{M/G1}-P\frac{{\mathrm{\τ}}_{brake}}{g_f}-P\frac{{\mathrm{\τ}}_{resist}}{g_f}\\ -\frac{V_{OC}-\sqrt{V_{OC}^2-4P_{batt}\left(t\right)R_{batt}}}{2R_{batt}{Q}_{batt}}\end{array}\right]$

${\mathrm{\τ}}_{resist}=r_{w}mg\left(\mathrm{\μ}cos\right(\mathrm{\θ})+sin(\mathrm{\θ}\left)\right)+\frac{1}{2}{\mathrm{\ρC}}_D{\mathrm{Ar}}_w{\left(\frac{{\mathrm{\ω}}_{M/G2}}{g_f}{r}_w\right)}^2$

$\left[\begin{array}{cc}M& N\\ N& P\end{array}\right]={\left[\begin{array}{cc}{I}_{eng}+{\left(\frac{S+R}{S}\right)}^2{I}_{M/G1}& -\frac{R(S+R)}{S^2}{I}_{M/G1}\\ -\frac{R(S+R)}{S^2}{I}_{M/G1}& I_{M/G2}+\frac{I_w}{g_f^2}+{\left(\frac{R}{S}\right)}^2{I}_{M/G1}+m\frac{r_w^2}{g_f^2}\end{array}\right]}^{-1}$

式中，x为状态量，u为控制量，S和R是太阳轮和齿圈齿数，τ_M/G1，τ_M/G2，τ_resist，τ_brake和τ_eng是第一发电电动一体机，第二发电电动一体机，车辆行驶阻力，车辆摩擦制动和发动机转矩；ω_M/G1，ω_M/G2和ω_eng是第一发电电动一体机，第二发电电动一体机和发动机的角转速度；g_f是主减速器速比；I_M/G1，I_M/G2，I_w和I_eng是第一发电电动一体机，第二发电电动一体机，车轮和发动机的转动惯量；r_w是车轮半径；参数ρ，C_D，A，m，g，μ和θ是空气密度，空气阻力系数，迎风面积，车辆质量，重力加速度，滚动阻力系数和道路坡度；参数p为车辆位置；x_SOC为蓄电池荷电状态；V_OC，R_batt和Q_batt是蓄电池开路电压，内阻和容量；

蓄电池功率P_batt由式(2)计算：

P_batt＝τ_M/G1ω_M/G1+τ_M/G2ω_M/G2(2)

道路坡度模型由S型函数分段线性近似，如式(3)所示：

$\mathrm{\θ}\left(p\right)=\frac{s_1}{1+e^{\left(s_3\right(p-s_2\left)\right)}}+\frac{s_4}{1+e^{\left(s_6\right(p-s_5\left)\right)}}+...---\left(3\right)$

式中s₁，s₂，s₃，s₄，s₅和s₆是形函数参数；

车辆的燃油经济性评价采用威兰氏线性模型,如式(4)所示：

${\stackrel{\·}{m}}_f=\frac{{\mathrm{a\τ}}_{eng}{\mathrm{\ω}}_{eng}+{\mathrm{b\ω}}_{eng}+{\mathrm{c\ω}}_{eng}^3}{h+{\mathrm{k\ω}}_{eng}+{\mathrm{l\ω}}_{eng}^2}---\left(4\right)$

式中m_f为燃油消耗率；参数a，b，c，h，k和l为常数；

步骤3)公式化控制策略：插电式混合动力汽车能量管理模型预测最优控制策略的步骤为：首先检测插电式混合动力车辆状态以及道路交通信息，其次运用所建立的数学模型和公式化控制策略求解最优控制问题，最后应用所求得的最优控制序列的第一个控制量于系统；由于模型预测控制为区间最优控制，所以其求得的最优控制量是数量为预测区间除以采样间隔的序列；最优控制序列的第一个控制量与实际状态最接近，采用它来作为实际的控制量；

插电式混合动力汽车不同于一般混合动力汽车，其蓄电池容量保证车辆纯电动状态续航30km，利用基础设施充电站进行快速充电，其有比一般混合动力汽车更好的燃油经济性；

电量维持阶段的最优控制问题定义如式(5)所示：

$\begin{array}{cc}\min imize& J=\underset{t}{\overset{t+T}{\∫}}{L}_{CS}\left(x\right(\mathrm{\τ}\left|t\right),u\left(\mathrm{\τ}\right|t))d\mathrm{\τ}\\ subjectto& {\mathrm{\τ}}_{M/G2\min }\≤{\mathrm{\τ}}_{M/G2}\left(\mathrm{\τ}\right|t)\≤{\mathrm{\τ}}_{M/G2\max }\\ & {\mathrm{\τ}}_{M/G1\min }\≤{\mathrm{\τ}}_{M/G1}\left(\mathrm{\τ}\right|t)\≤{\mathrm{\τ}}_{M/G1\max }\\ & 0\≤{\mathrm{\τ}}_{brake}\left(\mathrm{\τ}\right|t)\≤{\mathrm{\τ}}_{brake\max }\end{array}---\left(5\right)$

式中T为预测区间，τ_M/G2max，τ_M/G2min，τ_M/G1max，τ_M/G1min和τ_brakemax为控制量约束；

评价函数定义如式(6)所示：

L_CS＝w_xL_x+w_yL_y+w_zL_z+w_dL_d+w_eL_e+w_fL_f+w_gL_g+w_hL_h+w_iL_i+w_jL_j+w_kL_k+w_lL_l

$L_x={\stackrel{\·}{m}}_f$

$L_y=\frac{1}{2}{(\frac{r_w}{g_f}{\stackrel{\·}{\mathrm{\ω}}}_{M/G_2}+gsin(\mathrm{\θ}\left)\right)}^2$

$L_z=\frac{1}{2}{(v-v_d)}^2$

$L_d=\frac{1}{2}{(x_{SOC}-{\mathrm{SOC}}_d(p\left)\right)}^2$

L_e＝-ln(x_SOC-SOC_min)-ln(SOC_max-x_SOC)

L_f＝-ln(ω_eng)-ln(ω_engmax-ω_eng)

L_g＝-ln(ω_M/G2)-ln(ω_M/G2max-ω_M/G2)

$L_h=\frac{1}{2}{\left({\mathrm{\τ}}_{brake}\right)}^2$

L_i＝-ln(ω_M/G1-ω_M/G1min)-ln(ω_M/G1max-ω_M/G1)

L_j＝-ln(P_batt-P_battmin)-ln(P_battmax-P_batt)

L_k＝-ln(τ_eng)-ln(τ_engmax(ω_eng)-τ_eng)

L_l＝-ln(p_p-p-l_p-d_min)

$a_p\left(\mathrm{\τ}\right)=\frac{a_p\left(t\right)}{(1+e^{-{\mathrm{\β}}_1\left(v_p\right(\mathrm{\τ})-v_{min})})(1+e^{{\mathrm{\β}}_2\left(v_p\right(\mathrm{\τ})-v_{max})})}---\left(6\right)$

$p_p=v_p\left(t\right)+\frac{1}{2}{a}_p\left(\mathrm{\τ}\right){\mathrm{\τ}}^2$

式中SOC_d是目标蓄电池荷电状态，其值由下一充电站的位置信息决定，v_d是车辆目标速度，它取值为车辆最优等速燃油经济性速度，w_x，w_y，w_z，w_d，w_e，w_f，w_g，w_h，w_i，w_j，w_k和w_l是权重系数，SOC_min,SOC_max,ω_engmax,ω_M/G2max,ω_M/G1min,ω_M/G1max,P_battmin,P_battmax，τ_engmax为参数约束，τ_engmax随状态变化的控制量约束，参数p_p，v_p，d_min和l_p分别是预测区间内前方车辆位置，速度，最小车间距和车长，预测区间内由于车辆的惯性，假设前方车辆加速度一定，如果前行车速度大于最大值或者小于一定值，则前行车加速度为0，如果前方遭遇交通信号灯红灯，则假定一辆速度为0的前行车停在交通信号灯位置处，车辆的启动和停止速度模式采用实验曲线，运用实际驾驶员的特性测取，障碍函数用于处理系统状态约束，电量维持阶段的控制策略通过评价函数第一项和第四项控制蓄电池的放电速率，需求功率的满足尽量使用蓄电池功率，不足部分由发动机补充，发动机工作时使其工作于其高效区域附近，

电量消耗阶段的最优控制问题定义如式(7)所示：

$\begin{array}{cc}\min imize& J=\underset{t}{\overset{t+T}{\∫}}{L}_{CS}\left(x\right(\mathrm{\τ}\left|t\right),u\left(\mathrm{\τ}\right|t))d\mathrm{\τ}\\ subjectto& {\mathrm{\τ}}_{M/G2\min }\≤{\mathrm{\τ}}_{M/G2}\left(\mathrm{\τ}\right|t)\≤{\mathrm{\τ}}_{M/G2\max }\\ & {\mathrm{\τ}}_{M/G1\min }\≤{\mathrm{\τ}}_{M/G1}\left(\mathrm{\τ}\right|t)\≤{\mathrm{\τ}}_{M/G1\max }\\ & 0\≤{\mathrm{\τ}}_{brake}\left(\mathrm{\τ}\right|t)\≤{\mathrm{\τ}}_{brake\max }\end{array}---\left(7\right)$

评价函数定义如式(8)所示：

L_CD＝w_xL_x+w_yL_y+w_zL_z+w_dL_d+w_eL_e+w_fL_f+w_gL_g+w_hL_h+w_iL_i+w_jL_j+w_kL_k+w_lL_l+w_mL_m

$L_x={\stackrel{\·}{m}}_f$

$L_y=\frac{1}{2}{(\frac{r_w}{g_f}{\stackrel{\·}{\mathrm{\ω}}}_{M/G_2}+gsin(\mathrm{\θ}\left)\right)}^2$

$L_z=\frac{1}{2}{(v-v_d)}^2$

$L_d=\frac{1}{2}{(x_{SOC}-{\mathrm{SOC}}_d(p\left)\right)}^2$

L_e＝-ln(x_SOC-SOC_min)-ln(SOC_max-x_SOC)

L_f＝-ln(ω_eng)-ln(ω_engmax-ω_eng)

L_g＝-ln(ω_M/G2)-ln(ω_M/G2max-ω_M/G2)

$L_h=\frac{1}{2}{\left({\mathrm{\τ}}_{brake}\right)}^2$

L_i＝-ln(ω_M/G1-ω_M/G1min)-ln(ω_M/G1max-ω_M/G1)

L_j＝-ln(P_batt-P_battmin)-ln(P_battmax-P_batt)

L_k＝-ln(τ_eng)-ln(τ_engmax(ω_eng)-τ_eng)

L_l＝-ln(p_p-p-l_p-d_min)

L_m＝P_batt

$a_p\left(\mathrm{\τ}\right)=\frac{a_p\left(t\right)}{(1+e^{-{\mathrm{\β}}_1\left(v_p\right(\mathrm{\τ})-v_{\min })})(1+e^{{\mathrm{\β}}_2\left(v_p\right(\mathrm{\τ})-v_{max})})}---\left(8\right)$

$p_p=v_p\left(t\right)+\frac{1}{2}{a}_p\left(\mathrm{\τ}\right){\mathrm{\τ}}^2$

电量消耗阶段的控制策略通过评价函数第一项和最后一项控制蓄电池的放电速率，需求功率的满足尽量使用蓄电池功率，不足部分由发动机补充，发动机工作时使其工作于其高效区域附近；

步骤4)在线最优控制：为保证系统的实时最优性能，运用基于哈密顿方程的数值快速求解方法来求解上述最优控制问题，运用极小值原理将最优控制问题转化为两点边值问题，在处理哈密顿函数相关的微分方程组和代数方程组时采用部分空间法求解，这是一种GMRES解法；在每个采样时刻，首先测取车速、发动机转速、蓄电池荷电状态、道路坡度信息、下一充电站位置信息实时状态信号，其次利用全球定位系统和智能交通系统预测未来一定区间车辆及周围环境的状态，再次根据建立的车辆模型和最优控制问题，利用上述数值快速解法求解预测区间内的最优控制序列；应用预测区间内的最优控制序列的第一个控制量于车辆；之后在下一个采样时刻，将预测区间向前推进一步，如此循环往复，实现在线最优控制。