[发明专利]基于队列行驶的混合动力汽车节能预测控制方法

摘要

本发明公开了一种基于队列行驶的混合动力汽车节能预测控制方法，包括从全球定位系统和智能交通系统获取实时自车和前车交通信息作为系统输入；建立混合动力汽车数学模型为预测未来车辆状态依据；定义混合动力汽车队列行驶最优控制问题，提供求解最优控制量函数方程；实时反馈最优控制，求解最优控制量，在满足安全间距下，根据全球定位系统，雷达，智能交通系统和车间通信系统获得信息在线调整优化混合动力汽车能量流动，获得混合动力汽车系统最优性能，运用行星齿轮机构为电子无极变速器，使发动机始终工作于最佳工作点，运用道路交通信息，预测前车行驶状态，在线调整混合动力汽车能量流动，达到节能减排目标，不同于传统固定车头时距控制方法,为混合动力汽车能量管理系统中央控制器性能提高提供了新途径。

主权项

一种基于队列行驶的混合动力汽车节能预测控制方法，其特征在于： 第一步为信息采集，第二步为车辆建模，第三步为公式化控制策略，第四步为在线最优控制；具体包括以下步骤： 1)信息采集： 由全球定位系统采集前车和自车的位置信息，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；由智能交通系统和车间通信系统采集交通信号信息，实时路况信息以及自车和前车速度，加速度信息，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估计； 2)车辆建模： 行星齿轮式混联混合动力汽车包含5大动态部件，它们是发动机，蓄电池，2个发电电动一体机和车轮，行星齿轮作为动力分配装置既有速度耦合器的作用，又有电子无极变速器作用；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，最终获得系统的状态空间模型，如式(1)所示： 式中，x为状态量，u为控制量；参数p₁，v₁，w₁和SOC₁为自车的位置，速 度，考虑延迟的驱动加速度和蓄电池荷电状态；参数p₂，v₂，w₂和SOC₂为前车的位置，速度，考虑延迟的驱动加速度和蓄电池荷电状态；参数u₁，u₂，P_batt1和P_batt2为自车的驱动加速度，前车的驱动加速度，自车蓄电池的充放电功率和前车蓄电池的充放电功率；参数ρ，C_D1，C_D2，A₁，A₂，m₁，m₂，g，μ，θ₁和θ₂是空气密度，自车空气阻力系数，前车空气阻力系数，自车迎风面积，前车迎风面积，自车质量，前车质量，重力加速度，滚动阻力系数，自车道路坡度和前车道路坡度；V_OC，R_batt和Q_batt是蓄电池开路电压，内阻和容量； 车辆的燃油经济性评价采用威兰氏线性模型,如式(2)所示： .m_f(t)＝.m_f(P_req(t)‑P_batt(t))≈c_f(P_req(t)‑P_batt(t))                 (2) 式中m_f为燃油消耗率，参数P_req为车辆需求功率，c_f为常数参数； 3)公式化控制策略： 基于队列行驶的混合动力汽车能量管理模型预测最优控制策略的步骤为：首先检测自车和前车状态，包括位置，速度和加速度信息，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，所以采用它来作为实际的控制量； 在每一个采样时刻，根据预测模型对系统未来代价函数进行预测，通过对未来预测区间内的性能指标进行优化，并根据实测对象的输出进行反馈校正，将控制策略设计转化为优化过程，通过求解相应预测区间的优化问题得到控制序列，并将序列的第一个控制量作用于系统，实现反馈控制，之后在下一个采样时刻，将预测区间向前推进一步，不断重复该过程； 总结来说其包括三部分：预测模型，滚动优化和反馈控制，通过对未来 系统输入的预测实现对系统的实时最优控制； 最优控制问题定义如式(3)所示： 式中T为预测区间，参数P_batt1min，P_batt1max，P_batt2min，P_batt2max，u_1max，u_1min，u_2max和u_2min为控制量约束， 评价函数定义如式(4)所示： 式中SOC_d是目标蓄电池荷电状态，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，和w_r是权重系数，d_d为最低车辆间距，评价函数设置使其在最低车辆间距以上浮动，从而增加控制自由度，提高车辆燃油经济性，障碍函数用于处理系统状态约束； 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，由于其只需有限几次迭代就计算出数值方程的最优解，解法具体来说，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，测取前车位置，自车位置，前车速度，自车速度，前车加速度，自车加速度，前车蓄电池荷电状态和自车蓄电池荷电状态实时状态信号，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。