[发明专利]分布式MPC的网联混合动力汽车能量管理系统及方法

权利要求书

1.分布式MPC的网联混合动力汽车能量管理系统，包括有发动机(1)、离合器(2)、电机(3)、变速器(4)、电池(5)；其特征在于，发动机、离合器、电机、变速器位于同一根轴上；离合器位于发动机后部，发动机后部为电机，电机后部为变速器；发动机的ECU与变速器的TCU相连；电机(3)的MCU与变速器的TCU、发动机的ECU相连；电池(5)分别与电机(3)相连；电池(5)将动力传递给电机(3)，并通过建立城市工况交通路网模型，模拟城市工况车辆之间运动特性，实现对真实工况较为准确的建模并提取相应的数据；融合未来交通信息和前方车辆信息，预测本车行驶工况；

具体包括以下步骤：

步骤1，特定的城市真实工况下交通路网模型构建及数据提取

建立特定城市工况下交通路网模型，获取实时数据，包括前方车辆信息和交通信息，为工况预测提供数据支持；需设置交通场景，提取前方车辆信息和交通信息，本车工况预测时，需由前车信息和本车信息综合预测；

步骤2，混合动力汽车多时间尺度行驶工况预测方法

考虑前方车辆和未来交通信息，基于交通路网模型获取测试工况数据，采用贝叶斯网络对车速进行短期预测；实际工况中，由于驾驶员行为的随机性，难以在较长时间内精确预测车速，故主要涉及车速短期预测；

连续和离散变量以有向图方式连接至待预测节点，假设预测车速服从高斯分布,即首先根据输入变量和预测量，构建贝叶斯网络的有向无环图，连续变量包括前车速度和首车距红绿灯距离，离散变量为红绿灯状态，为使有向图清晰可见，此处仅列出前车速度和距离的当前值(V1(k),V2(k),V3(k)…)，省略历史数据；其次，根据高斯概率分布假设，由式(1)计算每一个预测节点的条件概率分布函数，预测节点(Y)由一个离散节点(D)和多个连续节点(X)映射；最后，由收集的前车速度和距离的数据对贝叶斯网络进行训练，训练结束后，采用一组新的数据进行预测，在给定输入变量置信区间的前提下，计算预测节点的边缘概率分布函数，对预测精度进行评价：

式中，y为预测节点、X为连续节点、D为离散节点、j为具体节点数值、c为常数、B_j为回归矩阵、μ_j为高斯分布的均值、T为矩阵转置。

2.利用分布式MPC的网联混合动力汽车能量管理系统的方法，其特征在于，包括以下步骤：

步骤1，并联混合动力汽车的建模

将发动机，离合器，电机，变速器设置在单轴并联混合动力汽车的同一根轴上，离合器位于发动机之后，接下来是电机，最后是变速器；混合动力汽车一共有五种模式，包括纯发动机驱动，纯电机驱动，混合驱动，再生制动和充电模式；

步骤2，分布式MPC能量管理方法的构建

对于实际工况，根据滚动时域预测车速计算预测时域需求转矩，基于此，根据之前的混合动力汽车模型，构建基于分布式MPC架构的能量管理算法，实现对挡位、转矩及发动机启停的综合优化，提升算法的燃油经济性和工况适应性。