[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

说明书

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、离合器、电机、变速器、电池；电机的MCU与变速器的TCU、发动机的ECU相连；电池分别与电机相连；电池将动力传递给电机；工作模式，分别为纯电动驱动、纯发动机驱动、混合驱动、行车充电及再生制动；利用分布式MPC的网联混合动力汽车能量管理系统的方法，包括以下步骤：步骤1，并联混合动力汽车的建模；步骤2，网联混合动力汽车的速度预测；步骤3，分布式MPC能量管理方法的构建；具有良好的计算效率，燃油经济性及工况适应性特点。

技术领域

本发明属于汽车技术领域，具体涉及分布式MPC的网联混合动力汽车能量管理系统及方法。

背景技术

随着汽车向智能化、网联化及电动化方向发展，借助车联网技术解决节能与新能源汽车控制优化问题成为一种有效的手段，为其提供了全新的思路，有助于实现网联环境下汽车综合性能优化和提升。

能量管理算法是保证混合动力汽车燃油经济性的核心技术，研究人员对此进行了大量研究。按照是否采用优化理论可分为基于优化的能量管理算法和基于规则的控制策略。基于规则的控制策略相对简单，易于实现且计算量较小，是目前整车控制器中应用最多的控制策略，但是无法实现能量管理的优化分配，不能适应复杂而多样的工况。基于优化的能量管理算法是运用优化理论对目标函数在约束条件下求取最优控制量，通常包括动态规划算法、随机动态规划及等效消耗最小化方法(equivalent consumption minimizationstrategy，ECMS)、模型预测控制(Model predictive control，MPC)等。其中，ECMS和MPC被认为是最具实时应用潜力的方法。ECMS作为实时优化方法，该方法的优化性能与等效因子密切相关，使得ECMS的广泛应用受到限制。MPC是一种滚动优化方法，在每个采样时刻搜索有限时域内最优控制决策，具有控制效果好、鲁棒性强等优点，可方便的处理过程被控变量和操纵变量中的各种约束，可以兼顾控制的实时性和最优性。

现有MPC能量管理算法大多基于马尔可夫链模型或神经网络模型，以历史工况数据进行工况预测，该方法严重依赖于标准循环工况，没有充分考虑实际工况的随机性和不确定性，实际应用受到了一定的限制。为提升MPC的应用潜力，学者们开始探索融合智能交通信息进行MPC能量管理或实现经济性驾驶，但该方法主要运用交通信息规划最优车速，实现车辆节能控制，并未对车速进行预测，无法对未来工况特性进行预判。

上述MPC方法大都针对混联式或串联式混合动力汽车进行能量管理，不涉及挡位等离散量的优化，鲜有研究对于装备自动变速器(Automated Mechanical Transmission，AMT)的并联混合动力汽车进行综合优化，而该能量管理算法包含挡位切换、转矩分配及发动机启停等多个层次，对其进行优化直接关系到整车的综合性能。尽管有研究人员提出采用优化算法(如：动态规划或庞特里亚金最小值原理)对转矩和挡位进行优化，但均未考虑实际工况的随机性和未来工况的扰动，且计算量较大。

总体而言，目前传统能量管理算法的研究大多基于特定标准循环工况进行理论优化，即使采用本车历史工况数据预测工况，也难以反映实际工况的随机性和动态性，预测稳定性差，无法满足算法在网联环境变工况约束的情况下燃油经济性、实时性及动态工况适应性要求。

发明内容

为克服上述现有技术的不足，本发明的目的在于提供分布式MPC的网联混合动力汽车能量管理系统及方法，具有良好的计算效率，燃油经济性及工况适应性特点。

为实现上述目的，本发明采用的技术方案是：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、离合器、电机、变速器、电池；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；电机的MCU与变速器的TCU、发动机的ECU相连；电池分别与电机相连；电池将动力传递给电机。

利用分布式MPC的网联混合动力汽车能量管理系统的方法，包括以下步骤：