[发明专利]一种自动驾驶车辆节能融合方法

权利要求书

1.一种自动驾驶车辆节能融合方法，其特征在于，包括基于模型预测控制算法的运动规划系统和基于庞特里亚金极小值原理的能量管理系统；基于模型预测控制算法的运动规划系统以车辆节能、高效安全行驶为控制目标、车辆驱动和制动时的最大加速度/重力加速度为约束预测下一时刻的行驶信息，基于庞特里亚金极小值原理的能量管理系统通过观测到的车辆动力电池SOC和基于模型预测控制算法的运动规划系统预测出的行驶信息获得发动机与电机之间的最优功率分配。

2.如权利要求1所述的一种自动驾驶车辆节能融合方法，其特征在于，该方法具体包括：

(1)当车辆定速巡航时，基于模型预测控制算法的运动规划系统获取汽车当前时刻的行驶信息：加速度/重力加速度、车辆纵向速度作为状态变量，加速度/重力加速度作为输入变量；当车辆跟随前车行驶时，基于模型预测控制算法的运动规划系统获取汽车当前时刻的行驶信息：与前方车辆的安全距离误差、与前方车辆的相对车速、加速度/重力加速度、车辆纵向速度作为状态变量，加速度/重力加速度作为输入变量；

(2)通过当前时刻的车辆行驶信息得出模型预测控制算法的目标函数，并通过预测模型预测出汽车预测时域内的所有状态变量与控制时域内的所有输入变量；

(3)利用上一时刻预测的状态变量与当前时刻实际观测的状态变量作对比，进行反馈校正，通过对代价函数求最小值获得最优的输入序列，选择最优的输入序列中第一时刻的输入变量作为最优输入并作用于车辆动力学模型进行滚动优化，基于模型预测控制算法的运动规划系统同时将每次预测出的下一时刻的车辆行驶信息传递给基于庞特里亚金极小值原理的能量管理系统；

(4)基于庞特里亚金极小值原理的能量管理系统利用基于模型预测控制算法的运动规划系统所预测的下一时刻车辆行驶信息，通过车辆纵向动力学模型求得车辆下一时刻需求的总功率P_req；

(5)基于庞特里亚金极小值原理的能量管理系统选取车辆动力电池SOC值为状态变量，选取发动机功率P_e、电机功率P_m为控制变量，引入协态变量λ；通过每度电价、每升油价、车辆动力电池SOC值的变化率燃油消耗量与等效燃油消耗量建立Hamilton函数，利用庞特里亚金极小值原理求取最优控制变量；

(6)将最优控制变量输出给车辆仿真模型并观测其实际行驶信息，若其车速小于kk时，结束控制流程；反之，就将当前时刻的车辆行驶信息再次输入到基于模型预测控制算法的运动规划系统中，重新执行第一步。

3.如权利要求2所述的一种自动驾驶车辆节能融合方法，其特征在于，所述模型预测控制算法在每个预测时域内需要满足如下物理约束：

a/g_min＜a/g＜a/g_max

式中，a为车辆加速度，g为重力加速度，参数下标的max和min分别为对应物理量的最大值和最小值，其中车辆加速度a可为负值，负值表示为减速。

4.如权利要求2所述的一种自动驾驶车辆节能融合方法，其特征在于，所述基于庞特里亚金极小值原理的能量管理系统中，需要满足以下约束条件：

式中，P_m为电机功率，P_e为发动机功率，SOC为车辆动力电池的荷电状态，参数下标的max和min分别为对应物理量的最大值和最小值。

5.如权利要求2所述的一种自动驾驶车辆节能融合方法，其特征在于，所述利用庞特里亚金极小值原理求取最优控制变量的具体步骤如下：

确定发动机工作功率的取值范围为[u_1min,u_1max]：

式中，u₁为发动机功率的控制变量，P_e为发动机功率，参数下标的max和min分别为对应物理量的最大值和最小值；

确定电机工作功率的取值范围为[u_2min,u_2max]：

式中，u₂为电机功率的控制变量，P_m为电机功率，参数下标的max和min分别为对应物理量的最大值和最小值；

分别对发动机功率的控制变量和电机功率的控制变量u₁，u₂在其取值范围内进行离散化，计算每个控制变量(u_1i,u_2j)所对应的Hamilton函数值，当Hamilton函数值最小时取获得最优控制变量(u₁,u₂)^*。