一种基于跟车模型的混合动力汽车节能预测控制方法

摘要

本发明涉及一种基于跟车模型的混合动力汽车节能预测控制方法,特别涉及一种实时最优的混合动力汽车控制方法，第一步，信息采集，第二步，车辆建模，第三步，公式化控制策略，第四步，在线最优控制，第五步，权重参数调节，第六步，目标满足判断，随着汽车导航，数字化地图的发展，利用道路交通状况，对混合动力汽车速度模式和驱动装置工作点进行同时最优化。不同于传统方法的只对驱动装置工作点进行优化，前方有车辆的情况下，传统的固定车间距的控制算法现在还是主流。申请者提出了车间距离在最小值以上浮动的控制策略，提高了车辆速度变化的自由度，使混合动力汽车燃油经济性的提高有了可能，提出了混合动力汽车的泛化三自由度模型。为混合动力汽车的模型化提供了一般的通用方法论指导。

主权项

1.一种基于跟车模型的混合动力汽车节能预测控制方法，其特征在于：具体如下：第一步，信息采集通过全球定位系统采集车辆的位置信息p，作为实时车辆状态的反馈；通过车载雷达测速装置采集前方车辆速度v_p-，用于跟踪控制；通过卡尔曼滤波器利用采集的蓄电池开路电压V_OC、内阻R_batt对蓄电池荷电状态进行估计；第二步，车辆建模基于混合动力汽车驱动系统，根据车辆机械耦合和电子耦合关系，列写系统动力学方程，对动力学方程进行解耦，从而获得车辆的状态空间数学模型如式（1）所示：式中，x为状态量，u为控制量，S和R是太阳轮和齿圈齿数，τ_M/G1，τ_M/G2，τ_resist，τ_brake和τ_eng 是发电电动一体机一，发电电动一体机二，车辆行驶阻力，车辆摩擦制动和发动机转矩，ω_M/G1，ω_M/G2和ω_eng是发电电动一体机一，发电电动一体机二和发动机的角转速度；g_f是主减速器速比；I_M/G1，I_M/G2，I_w和I_eng是发电电动一体机一，发电电动一体机二，车轮和发动机的转动惯量，r_w 是车轮半径，参数ρ，C_D，A，m，g，μ和θ是空气密度，空气阻力系数，迎风面积，车辆质量，重力加速度，滚动阻力系数和道路坡度，参数p为车辆位置，x_SOC 为蓄电池荷电状态，V_OC，R_batt和Q_batt 是蓄电池开路电压，内阻和容量；蓄电池功率 P_batt 由式（2）计算：道路坡度模型由S型函数分段线性近似，如式（3）所示：式中s₁，s₂，s₃，s₄，s₅和s₆是形函数参数；车辆的燃油经济性评价采用威兰氏线性模型,如式（4）所示：式中m_f为燃油消耗率，参数a，b，c，h，k和l 为常数；第三步，公式化控制策略首先检测混合动力车辆状态，其次运用第一步建立的空间数学模型和公式化控制策略求解最优的控制问题，然后应用所求得的最优控制序列的第一个控制量用于公式化控制，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，所以一般采用它来作为实际的控制量；最优控制问题定义如式（5）所示：式中T为预测区间，τ_M/G2max，τ_M/G2min，τ_M/G1max，τ_M/G1min和τ_brakemax 为控制量约束；评价函数定义如式（6）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，w_g，w_h，w_i，w_j ，w_k 和w_l 是权重系数； SOC_min, SOC_max, ω_engmax, ω_M/G2max, ω_M/G1min, ω_M/G1max, P_battmin, P_battmax，τ_engmax 为参数约束， τ_engmax 随状态变化的控制量约束，参数p_p-，v_p-，d_min-和l分别是预测区间内前方车辆位置，速度，最小车间距和车长，预测区间内假设前方车辆速度一定；第四步，在线最优控制解法具体来说，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，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；第五步，权重参数调节权重参数为第三步中评价函数内的权重系数，采用粒子群算法自动调节权重系数，具体来说，粒子群算法中的粒子为各项权重系数，然后通过迭代找到最优解，在每一次迭代中，粒子通过跟踪两个极值来更新自己，第一个就是粒子本身所找到的最优解，这个解叫做个体极值，另一个极值是整个种群目前找到的最优解，这个极值是全局极值；第六步，目标满足判断满足目标的标准为汽车的燃油经济性收敛到最优值，具体来说，迭代上一次和本次燃油经济性误差在±%5内即认为满足目标。