[发明专利]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

说明书

一种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，使用实测得到的发动机扭矩和转速以及等燃油消耗值作为训练集对神经网络进行训练，当训练结束且训练结果满足精度要求时，导出训练后的神经网络；通过分扭控制算法中引用训练后的神经网络，以整车工况参数为输入，实时计算发动机的等燃油消耗值并将发动机和电机的瞬时功率值并换算为瞬时油耗；以最小的瞬时油耗所对应的发动机和电机的扭矩作为此时刻的最优扭矩值输出至发动机和电机控制器。本发明发动机的扭矩不再限于SOC所划分的三个区域，在满足整车外部需求扭矩的同时，逐点进行油耗的计算，最后将油耗最小值所对应的发动机和电机扭矩进行输出，优化了发动机工作区间，使整车的燃油经济性进一步得到提高。

技术领域

本发明涉及的是一种混合动力汽车领域的技术，具体是一种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。

背景技术

混合动力汽车的能量管理和扭矩分配是提高整车燃油经济性的关键。目前多数整车厂使用的方法是按照整车电池的SOC高中低分六条限制曲线进行扭矩分配，六条曲线将发动机分为三个相应区域，配合驱动电机，去控制发动机的扭矩输出，使发动机尽可能工作在高效区域。

现有的扭矩分配方法无法较好地满足混合动力汽车的燃油经济性的需要，具体表现在：大多凭经验设定SOC高中低，以及发动机所对应的六条限制曲线；当电池SOC处在某个状态时，强制将发动机出扭限制在此时SOC所对应的区域，会导致区域外别的发动机无法选择到运行点，而这些点很有可能既满足整车扭矩需求，同时油耗又比较低。

发明内容

本发明针对现有技术存在的上述不足，提出一种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，优化发动机工作区间，进一步提升整车的燃油经济性。

本发明是通过以下技术方案实现的：

本发明使用实测得到的发动机扭矩和转速以及等燃油消耗值作为训练集对神经网络进行训练，当训练结束且训练结果满足精度要求时，导出训练后的神经网络；通过分扭控制算法中引用训练后的神经网络，以整车工况参数为输入，实时计算发动机的等燃油消耗值并将发动机和电机的瞬时功率值并换算为瞬时油耗；以最小的瞬时油耗所对应的发动机和电机的扭矩作为此时刻的最优扭矩值输出至发动机和电机控制器，从而实现整车燃油效率的提升。

所述的训练是指：使用发动机的实测万有特性值，对神经网络进行训练，训练时发动机的转速和扭矩是输入，相对应的等燃油消耗值是输出，训练满足要求后导出此神经网络。

所述的整车工况参数包括：当前发动机转速、当前转速所对应的发动机外特性、电机转速、整车需求扭矩、变速箱效率、发动机档位速比以及电机档位速比。

所述的分扭控制算法是指：基于车速与发动机转速的匹配关系，通过读取当前整车工况参数，设置发动机输出扭矩按照步长增加到当前发动转速所对应的外特性值；将按照步长增加的发动机输出扭矩和整车工况参数中的当前发动机转速输入训练后的神经网络得到对应的等燃油消耗值后，将发动机和电机的瞬时功率值并换算为瞬时油耗。

所述的换算是指：以电机输出扭矩等于整车需求扭矩减去发动机输出扭矩值，分别将发动机和电机的瞬时功率折算为瞬时油耗，从而得到对应的油耗值，其中：

1)当电机扭矩大于等于零时，瞬时油耗：

FC＝FC_Eng*N_Eng*Tor_ICE/ICERatio/9549+228*N_Mot*Tor_Em/EMRatio/9549/0.92*100/Eff_tran，其中：FC_Eng为发动机等燃油消耗值，N_Eng为发动机当前转速，Tor_ICE为变速箱输出端的扭矩，ICERatio为发动机挡位的速比，N_Mot为电机转速，Tor_Em为电机扭矩，EMRatio为电机挡位速比，Eff_tran为变速箱效率；其中Tor_ICE/ICERatio为此时发动机的扭矩，公式中将功率转换为瞬时油耗时，采用了功率计算公式：P＝T*N/9549，其中T为扭矩，N为转速。