專利名稱：一種基于多信息融合的整車控制方法
技術領域：
本發(fā)明涉及ー種整車控制方法，特別是關于ー種適用于從串聯式混合動カ系統演變而成的增程式電動汽車和燃料電池汽車的基于多信息融合的整車控制方法。
背景技術：
全球汽車エ業(yè)面臨著節(jié)能與減排兩大壓力，新能源汽車作為ー種有效節(jié)能與減排的手段，得到各國政府及企業(yè)的青睞。根據汽車電氣化程度的不同，新能源汽車分為純電驅動汽車和常規(guī)混合動カ汽車，純 電驅動汽車主要包括純電動汽車、插電式電動汽車、增程式電動汽車和燃料電池汽車，電池容量較大，整車全部或者大部分エ況都由電機驅動；常規(guī)混合動カ汽車包括串聯式、并聯式和混聯式混合動カ汽車，整車由電機和內燃機聯合驅動。整車控制系統是新能源汽車的三大核心技術之ー(電控、電機和電池)，通過分布式局域網(Controller Area Network, CAN)將動カ系統各個部件聯系在一起，并由整車控制器(Vehicle Controller Unit，VCU)協調管理。整車控制器的主要功能有三個方面1)電機的驅、制動控制，使電機正確地執(zhí)行司機的駕駛意圖，使車輛達到司機的目標車速；2)功率分配，將整車需求功率在動カ系統的各個動カ源之間分配，使整車的燃油消耗最低；3)故障診斷和容錯控制，正確地診斷動カ系統各個部件的故障，按嚴重程度分類，在整車層面作恰當的處理。目前，國內新能源汽車在上述三方面的技術都不夠成熟，處于比較初級的階段，大多是基于固定的規(guī)則制定算法框架，整車的動力性和經濟性缺乏隨路況自適應調整的能力。整車控制器前兩方面的功能，一般被稱為能量管理問題，國內、外研究人員主要研究了基于規(guī)則的算法、全局優(yōu)化算法和瞬時優(yōu)化算法。其中，基于規(guī)則的算法實現比較簡單、可靠，是目前工程領域的主要應用方法，但是并沒有發(fā)揮能量管理算法節(jié)能效果的最大潛力；全局優(yōu)化算法考慮整個エ況的全局情況進行能量優(yōu)化，可以得到新能源汽車在某個駕駛循環(huán)下的最優(yōu)策略，但是其求解過程是一個隨時間從后往前的逆序過程，因而不能應用于實際工程中，只能作為理論研究的極限值參考；瞬時優(yōu)化算法僅僅考慮當前時刻的能量優(yōu)化，如果整車控制器計算能力足夠強大，瞬時優(yōu)化算法可以應用于工程，但優(yōu)化結果弱于全局優(yōu)化算法。目前比較通用的方法是從基于全局優(yōu)化算法或者瞬時優(yōu)化算法的結果中提煉出ー些優(yōu)化規(guī)則，然后將這些優(yōu)化規(guī)則應用于實際車輛中。上述方法可以部分解決固定行駛路線的性能優(yōu)化問題，但是仍然無法使整車的動力性和經濟性隨路況自適應調整。在目前算法框架下，當車輛上坡或者負重增加時，可以明顯感覺車輛的加速性能變差；當道路前方有一長段下坡路時，車輛無法預先降低動カ電池電量，盡可能回收多的制動能量；當道路前方有一長段上坡路時，車輛也無法預先儲備動力電池電量，以保證車輛的爬坡能力。如果要實現車輛的動力性、經濟性隨路況自適應調整，關鍵是準確地預測車輛在未來一段時間內的平均功率需求，并以此為依據，在電機驅、制動轉矩和功率分配方面進行優(yōu)化。

發(fā)明內容
針對上述問題，本發(fā)明的目的是提供一種能夠實現整車動カ性和經濟性隨路況和負載質量自適應調整的基于多信息融合的整車控制方法。為實現上述目的，本發(fā)明采取以下技術方案一種基于多信息融合的整車控制方法，包括以下步驟1)設置ー包括有整車控制器、電池管理系統、APU控制器、電機控制器、GPS/IMU組合裝置和分布式網絡的整車控制系統；整車控制器包括道路坡度角計算模塊、整車質量計算模塊、整車輔助功率計算模塊、未來路徑預測模塊、電機目標轉矩修正因子計算模快、電機目標轉矩計算模塊、動カ電池SOC預測模塊和功率分配模塊；2)整車控制器通過分布式網絡分別從GPS/MU組合裝置、電池管理系統、APU控制器、電機控制器、模擬量輸入端口和數字量輸入端ロ實時讀取車輛狀態(tài)參數，并將其對應發(fā)送到道路坡度角計算模塊、整車質量計算模塊、整車輔助功 率計算模塊和未來路徑預測模塊；3)道路坡度角計算模塊根據車輛的三向加速度計算道路坡度角0，并將其分別發(fā)送到整車質量計算模塊和電機目標轉矩修正因子計算模塊；4)整車質量計算模塊根據車輛的車速信號、電機的轉矩和整車狀態(tài)參數信息，并結合道路坡度角e，計算整車質量m，并將其發(fā)送到電機目標轉矩修正因子計算模塊；5)整車輔助功率計算模塊根據動カ系統各部件功率計算整車附件功率，并將其發(fā)送到功率分配模塊；6)未來路徑預測模塊根據車速信號和車輛的經度、緯度位置信號預測未來一段時間內車輛的坡度變化和停車狀況，并將其發(fā)送到動カ電池SOC預測模塊；7)動カ電池SOC預測模塊根據步驟6)所預測的未來一段時間內車輛行駛狀態(tài)，確定未來一段時間內動カ電池的目標最優(yōu)SOC軌跡曲線，并將其發(fā)送到功率分配模塊；8)電機目標轉矩修正因子計算模塊根據道路坡度角9和整車質量m計算得到電機目標轉矩修正因子入，并將其發(fā)送到電機目標轉矩計算模塊；9)電機目標轉矩計算模塊計算電機目標轉矩Ttq,將其發(fā)送到功率分配模塊；10)功率分配模塊根據整車附件功率和電機目標轉矩，分配APU系統和動力電池的輸出功率,使動カ電池的實際SOC盡可能跟隨目標最優(yōu)SOC軌跡；11)電機目標轉矩計算模塊將電機目標轉矩Ttq通過CAN總線發(fā)送到電機控制器控制電機進行驅動，功率分配模塊將APU目標功率通過CAN總線發(fā)送到APU控制器控制輔助動カ源進行工作；12)整車控制器根據設定的采樣間隔分別從GPS/MU組合裝置、電池管理系統、APU控制器、電機控制器、模擬量輸入端口和數字量輸入端ロ實時讀取車輛狀態(tài)參數，重復上述步驟2) 11)對電機目標轉矩Ttq和APU目標功率進行實時計算，不斷調整整車動カ性和經濟性，直到汽車停止。步驟2)的具體過程為①整車控制器通過CAN總線實時從GPS/MU組合裝置采集車輛的三向加速度信號、車輛的經度、緯度位置信號和車速信號，并將車輛的三向加速度信號發(fā)送到道路坡度角計算模塊，將車輛的經度、緯度位置信號和車速信號發(fā)送到未來路徑預測模塊，同時將車速信號發(fā)送到整車質量計算模塊整車控制器通過CAN總線實時從電池管理系統采集動カ電池的電壓、電流、荷電狀態(tài)和溫度信息，并將其發(fā)送到整車輔助功率計算模塊；③整車控制器通過CAN總線實時從電機控制器中采集電機的電壓、電流、轉矩、轉速和溫度，將其發(fā)送到整車質量計算模塊，并將電機的電壓、電流和溫度發(fā)送到整車輔助功率計算模塊整車控制器通過CAN總線實時從APU控制器中采集功率輔助單元的電壓、電流和溫度，并將其發(fā)送到整車輔助功率計算模塊整車控制器通過汽車的模擬量輸入端ロ實時讀取加速、制動踏板信息,并通過汽車的數字量輸入端ロ讀入司機檔位信息，并將其同時發(fā)送到電機目標轉矩計算模塊。步驟3)、步驟4)和步驟5)中求解道路坡度角0、整車質量m和整車附件功率Paux吋，首先分別計算道路坡度角，整車質量和整車附件功率的初始值，然后對各初始值分別采用自適應濾波算法進行濾波處理，自適應濾波算法的傳遞函數表達式為G(s)=l/( T s+1)式中，s為拉普拉斯算子，T為濾 波時間常數,濾波時間常數T為:T = 0.5At(l + y/TTW/Q)式中，At為算法運行周期，R為測量噪聲方差，Q為過程激勵噪聲方差。步驟6)動カ電池SOC預測模塊確定未來一段時間內動カ電池的目標最優(yōu)SOC軌跡曲線時，首先建立道路坡度角與動カ電池最佳平衡點的映射關系為SOCt =f (SOC0, 0)式中，SOCtl*道路坡度角為0時動カ電池的最優(yōu)SOC平衡點，當0>0吋，SOCtg>SOC0 ;當 0〈O 時，soctg〈soc。。步驟7)電機目標功率修正因子計算模塊計算得到的入為入=(k0 +1) ((I-入 0) (m-m0) / A mmax+ 入 0)式中，k為待標定參數，Hici為整車空載質量，Amniax為整車最大負載質量，0〈入/I為車輛空載時候的修正系數。步驟8)電機目標轉矩Ttq的計算過程為Ttq=A Ttq0(a , co )式中，Ttqtl是道路坡度角為O、車輛滿載情況下的電機目標轉矩，a為加速踏板，Co為電機轉速。本發(fā)明由于采取以上技術方案，其具有以下優(yōu)點本發(fā)明在整車控制器中設置有道路坡度角計算模塊、整車質量計算模塊、整車輔助功率計算模塊、未來路徑預測模塊、電機目標轉矩修正因子計算?？?、電機目標轉矩計算模塊、動カ電池SOC預測模塊和功率分配模塊；整車控制器通過分布式網絡分別從GPS/MU組合裝置、電池管理系統、APU控制器、電機控制器、模擬量輸入端口和數字量輸入端ロ實時讀取車輛狀態(tài)相關參數并將其發(fā)送到整車控制器中的各模塊中實時估計道路坡度和整車質量，預測未來一段時間內的道路狀況和平均功率需求，優(yōu)化動力電池的SOC運行曲線，使車輛可以回收更多的制動能量，不僅實現更優(yōu)的節(jié)能效果，而且汽車具有良好的動カ性能，使整車動カ性和經濟性隨路況和負載質量自適應調整。本發(fā)明可以廣泛應用于純電驅動和混合動カ車輛中，特別適用于從串聯式混合動カ系統演變而成的增程式電動汽車和燃料電池汽車中。


圖I是本發(fā)明適用的增程式電動汽車/燃料電池汽車動カ系統框圖；圖2是本發(fā)明的多信息融合整車控制系統示意圖；圖3是本發(fā)明的多信息融合整車控制方法流程示意圖；圖4是本發(fā)明的動カ電池SOC閉環(huán)控制算法示意圖。
具體實施方式
下面結合附圖和實施例對本發(fā)明進行詳細的描述。如圖1、2所示，本發(fā)明所適用的增程式電動汽車和燃料式電動汽車的動力系統包括主動カ源和輔助動力源，主動カ源采用動力電池，用于給整車提供動態(tài)功率和部分穩(wěn)態(tài)功率，并回收部分制動能量；輔助動力源(Auxiliary Power Unit, APU)采用燃料電池或內燃機發(fā)電系統，用于給整車提供不超過整車平均功率的穩(wěn)態(tài)功率。本發(fā)明的整車控制系統與現有系統相類似包括有整車控制器I (Vehicle Controller Unit，VCU)、電池管理系統2 (Battery Management System, BMS)、電機控制器 3 (MotorController Unit, MCU)、功率輔助單兀(Auxiliary Power Unit, APU)控制器 4、GPS/IMU 組合裝置 5 (Global PositionSystem/Inertial Measurement Unit,全球定位系統/慣性測量單元)和分布式網絡。如圖2、圖3所示，本發(fā)明的整車控制系統 的特點在于整車控制器I中設置有一多傳感器信息融合子系統11、ー自適應轉矩協調子系統12和一自適應功率分配子系統13 ；其中，多傳感器信息融合子系統11包括一道路坡度角計算模塊111、一整車質量計算模塊112、一整車輔助功率計算模塊113和一未來路徑預測模塊114 ;自適應轉矩協調子系統12包括一電機目標轉矩修正因子計算模塊121和ー電機目標轉矩計算模塊122 ;自適應功率分配子系統13包括一動カ電池荷電狀態(tài)(State of Charge, SOC)預測模塊131和一功率分配模塊132。整車控制器I通過分布式網絡中的CAN總線分別連接電池管理系統2、電機控制器3、APU控制器4和GPS/MU組合裝置5進行信息融合，進而完成整車動カ性和經濟性隨路況和負載質量的自適應調整。采用本發(fā)明的整車控制系統對行駛在道路上的汽車根據路況和負載質量實時進行自適應調整的方法，包括以下步驟I)整車控制器I通過分布式網絡分別從GPS/MU組合裝置5、電池管理系統2、電機控制器3、APU控制器4、模擬量輸入端口和數字量輸入端ロ實時讀取車輛狀態(tài)相關參數，并將其分別對應發(fā)送到道路坡度角計算模塊111、整車質量計算模塊112、整車輔助功率計算模塊113和未來路徑預測模塊114中，具體過程為①整車控制器I通過CAN總線實時從GPS/MU組合裝置5采集車輛的三向加速度信號(縱向、垂向和橫向)、車輛的經度、緯度位置信號和車速信號，并將車輛的三向加速度信號發(fā)送到道路坡度角計算模塊111，將車輛的經度、緯度位置信號和車速信號發(fā)送到未來路徑預測模塊114，同時將車速信號發(fā)送到整車質量計算模塊112 ；②整車控制器I通過CAN總線實時從電池管理系統2采集動力電池的電壓、電流、荷電狀態(tài)(State of Charge, S0C)和溫度信息并將其發(fā)送到整車輔助功率計算模塊113 ；③整車控制器I通過CAN總線實時從電機控制器3中采集電機的電壓、電流、轉矩、轉速和溫度信息，將其發(fā)送到整車質量計算模塊112，并將電機的電壓、電流和溫度信號發(fā)送到整車輔助功率計算模塊113 ；④整車控制器I通過CAN總線實時從APU控制器4中采集功率輔助單元(APU)的電壓、電流、溫度以及其它狀態(tài)信息，并將其發(fā)送到整車輔助功率計算模塊113 ；⑤整車控制器I通過汽車的模擬量輸入端ロ實時讀取加速、制動踏板信息，并通過汽車的數字量輸入端ロ讀入司機檔位信息，并將其同時發(fā)送到電機目標轉矩計算模塊122。2)道路坡度角計算模塊111根據車輛的三向加速度信號計算得到汽車行駛過程中的道路坡度角0，并將其分別發(fā)送到整車質量計算模塊112和電機目標轉矩修正因子計算模塊121，道路坡度角0的計算過程為在汽車行駛過程中，道路坡度角計算模塊111通過預置的反三角函數公式計算得到的道路坡度角初始值e '為0 , Starf1 (aノax)式中，ax為車輛的縱向加速度、az為車輛的垂向加速度。由于計算得到的道路坡度角初始值0丨中包含大量的噪聲，為了能夠準確得到汽車行駛過程中道路坡度角，因此需要采用濾波算 法對其進行濾波，得到準確的道路坡度值e。本發(fā)明采用自適應濾波算法對其進行濾波，自適應濾波算法的傳遞函數表達式為G(s)=l/( T s+1)式中，s為拉普拉斯算子，T為濾波時間常數，自適應濾波算法本質為變參數ー階濾波器，根據Kalman濾波原理，濾波時間常數t為T ニ 0.5At(l +、/1+4晴)式中，At為算法運行周期，R為測量噪聲方差，Q為過程激勵噪聲方差。參數R可以根據整車控制器的性能，存儲[b-T，t0]時間內(參數b為當前時刻)的道路坡度角初始值e ’，并求其方差所得，參數Q值可以通過臺架或者道路試驗離線標定，在實時計算中為固定值。3)整車質量計算模塊112根據車輛的車速信號、電機的轉矩和整車狀態(tài)參數信息，并結合道路坡度角e，計算得到整車質量，并將其發(fā)送到電機目標轉矩修正因子計算模塊121，整車質量m的計算過程為汽車行駛在電機驅動狀態(tài)下，整車質量計算模塊112計算得到整車質量的初始值m '為m' = (Jd1Ir — ^-^CDApu2)/(gf cos 9 + g sin 0 + Su)式中，u為車速，；為車輛加速度，Td為電機實際驅動轉矩，、為電機輸出軸到車輪的效率，g為重力加速度，S為旋轉質量系數，Cd為風阻系數、A為風阻面積、P為空氣密度、f為滾動阻力系數。由于計算得到的整車質量初始值m '中包含大量的噪聲，為了準確得到整車質量值m，因此對整車質量初始值m丨進行濾波處理，與步驟2)中道路坡度角的濾波過程類似，可以采用自適應濾波算法對整車質量初始值進行濾波處理。車輛的驅動轉矩全部由電機提供，車輛的制動轉矩則由電機和機械/液壓制動系統協同提供，而機械/液壓制動系統的轉矩是未知的。因此，上述方法不適用于制動過程。當車輛處于驅動狀態(tài)時，整車質量計算模塊112運行，整車質量估計值不斷更新；當車輛處于制動狀態(tài)時，整車質量計算模塊112不運行，整車質量估計值保持驅動狀態(tài)下的最新值不變。4)整車輔助功率計算模塊113根據動カ系統各部件功率計算得到整車附件功率，并將其發(fā)送到功率分配模塊132，整車附件功率Paux的計算過程為整車附件功率Paux是指整車從驅動動カCAN總線獲取的其它部件消耗功率，如空調、制動氣泵和轉向助力系統，整車輔助功率計算模塊113計算得到的整車附件功率初始值為P' aux
P' aux=Papu+Pbat-Pffl式中，Papu為APU系統的輸出功率，Pbat為動カ電池的輸出功率(放電為正，充電為負)，Pm為電機的輸入電功率。由于計算得到的整車附件功率初始值P ’ aux中包含大量的噪聲，因此為了得到準確的整車附件功率值Paux,需要對其進行濾波處理，與步驟2)中道路坡度角值的濾波過程類似，可以采用自適應濾波算法對整車附件功率初始值進行濾波處理。5)未來路徑預測模塊114根據車速信號和車輛的經度、緯度位置信號預測未來一段時間內車輛的坡度變化和停車狀況，并將其發(fā)送到動カ電池SOC預測模塊131。
根據實際運行情況，需要確定預測車輛運行エ況的時間長度，本實施中以預測未來一分鐘內車輛的運行エ況具體說明，首先根據當前時刻前一分鐘內不同時刻采集的車速信號，計算車輛的平均速度；未來路徑預測模塊114根據車輛的平均速度和車輛此時的經度、緯度位置信號預測未來一分鐘內的坡度變化和停車狀況，具體預測過程為首先在車輛的常見運行區(qū)域，選擇對能耗影響較大的上坡、下坡和紅綠燈停車典型路段，將其GPS位置信息存儲于整車控制器；然后，根據當前車輛的GPS位置(車輛此時的經度、緯度位置信號)，判斷車輛是否處于事先標定好的典型路段，如果車輛位于事先標定好的典型路段范圍之內，確定未來一分鐘時間長度的道路坡度角e (t)，t G [t0, t0+T0], T0=Imin,以及由于紅綠燈、車站而發(fā)生的停車事件的發(fā)生時間段[S1,+ T1] c [t0, t0 + T'0] o6)動カ電池SOC預測模塊131根據步驟5)所預測的未來一段時間內車輛的坡度和停車信息，確定未來一段時間內動カ電池的目標最優(yōu)SOC軌跡曲線，并將其發(fā)送到功率分配模塊132。根據實驗或仿真分析，首先建立道路坡度角與動カ電池最佳平衡點的映射關系為SOCt =f (SOC0, 9)式中，SOC0為道路坡度角為0時動カ電池的最優(yōu)SOC平衡點，當0 >0吋，S0Ctg>S0CQ ;當 0〈O 時，SOCtg〈SOC0。根據步驟5)中的道路坡度角e⑴，將上式轉換為與時間的關系SOCtg=fSOC0, t), t G [t0, t0+T0]由于步驟5)求得的停車時間段[^t1+ T1] C [t0, t0 + T0]，建立修正參數ii JU = j^ 1 ,. . T, I
(Mo <+ I1]動カ電池的目標最優(yōu)SOC軌跡曲線則可以定義為SOCtg= U fSOC0, t), t G [t0, t0+T0]動カ電池SOC預測模塊131根據未來一段時間內的道路坡度和停車情況，預測未來一段時間的動カ電池的目標最優(yōu)SOC軌跡曲線，例如，如果預測到未來有上坡路，則應提前提高動カ電池的SOC值，以保證整車上坡能力；如果預測到未來有一段下坡路，則應該提前降低動カ電池的SOC值，盡可能多地回收下坡時的制動能量和整車勢能。7)電機目標轉矩修正因子計算模塊121根據道路坡度角0和整車質量m計算得到電機目標轉矩修正因子入，并將其發(fā)送到電機目標轉矩計算模塊122，電機目標功率修正因子\為A =(k 0 +1) ((I- A 0) (m-m0) / A mmax+ 入 0)式中,k>0為待標定參數,參數k值越小,道路坡度對整車動カ性影響越大,選擇合適的k值，使車輛具備最佳的駕駛舒適性；m(l為整車空載質量；Amniax為整車最大負載質量；0<入0<1為車輛空載時候的修正系數。8)電機目標轉矩計算模塊122根據電機轉速、司機踏板開度信號，并利用電機目標轉矩修正因子對電機目標轉矩進行修正得到電機目標轉矩輸出值，并將其發(fā)送到功率分配模塊131，電機目標轉矩輸出值Ttq為Ttq=A Ttq0(a , co )式中，Ttqtl是道路坡度角為O、車輛滿載情況下的電機目標轉矩，a為加速踏板，《為電機轉速。9)功率分配模塊131根據整車附件功率和電機目標轉矩，合理分配APU系統和動力電池的輸出功率，使動カ電池的實際SOC能夠盡可能跟隨目標最優(yōu)SOC軌跡。如圖4所示，動カ電池可以采用PI閉環(huán)算法進行跟隨，ASOC為當前SOC值與目標SOC值的差值，表達式為A SOC=SOCtg-SOC
權利要求
1.一種基于多信息融合的整車控制方法，包括以下步驟 1)設置一包括有整車控制器、電池管理系統、APU控制器、電機控制器、GPS/MU組合裝置和分布式網絡的整車控制系統；整車控制器包括道路坡度角計算模塊、整車質量計算模塊、整車輔助功率計算模塊、未來路徑預測模塊、電機目標轉矩修正因子計算?？臁㈦姍C目標轉矩計算模塊、動力電池SOC預測模塊和功率分配模塊； 2)整車控制器通過分布式網絡分別從GPS/MU組合裝置、電池管理系統、APU控制器、電機控制器、模擬量輸入端口和數字量輸入端口實時讀取車輛狀態(tài)參數，并將其對應發(fā)送到道路坡度角計算模塊、整車質量計算模塊、整車輔助功率計算模塊和未來路徑預測模塊； 3)道路坡度角計算模塊根據車輛的三向加速度計算道路坡度角Θ，并將其分別發(fā)送到整車質量計算模塊和電機目標轉矩修正因子計算模塊； 4)整車質量計算模塊根據車輛的車速信號、電機的轉矩和整車狀態(tài)參數信息，并結合道路坡度角Θ，計算整車質量m，并將其發(fā)送到電機目標轉矩修正因子計算模塊； 5)整車輔助功率計算模塊根據動力系統各部件功率計算整車附件功率，并將其發(fā)送到功率分配模塊； 6)未來路徑預測模塊根據車速信號和車輛的經度、緯度位置信號預測未來一段時間內車輛的坡度變化和停車狀況，并將其發(fā)送到動力電池SOC預測模塊； 7)動力電池SOC預測模塊根據步驟6)所預測的未來一段時間內車輛行駛狀態(tài)，確定未來一段時間內動力電池的目標最優(yōu)SOC軌跡曲線，并將其發(fā)送到功率分配模塊； 8)電機目標轉矩修正因子計算模塊根據道路坡度角Θ和整車質量m計算得到電機目標轉矩修正因子λ，并將其發(fā)送到電機目標轉矩計算模塊； 9)電機目標轉矩計算模塊計算電機目標轉矩Ttq,將其發(fā)送到功率分配模塊； 10)功率分配模塊根據整車附件功率和電機目標轉矩，分配APU系統和動力電池的輸出功率，使動力電池的實際SOC盡可能跟隨目標最優(yōu)SOC軌跡； 11)電機目標轉矩計算模塊將電機目標轉矩Ttq通過CAN總線發(fā)送到電機控制器控制電機進行驅動，功率分配模塊將APU目標功率通過CAN總線發(fā)送到APU控制器控制輔助動力源進行工作； 12)整車控制器根據設定的采樣間隔分別從GPS/MU組合裝置、電池管理系統、APU控制器、電機控制器、模擬量輸入端口和數字量輸入端口實時讀取車輛狀態(tài)參數，重復上述步驟2) 11)對電機目標轉矩Ttq和APU目標功率進行實時計算，不斷調整整車動力性和經濟性，直到汽車停止。
2.如權利要求I所述的一種基于多信息融合的整車控制方法，其特征在于步驟2)的具體過程為 ①整車控制器通過CAN總線實時從GPS/MU組合裝置采集車輛的三向加速度信號、車輛的經度、緯度位置信號和車速信號，并將車輛的三向加速度信號發(fā)送到道路坡度角計算模塊，將車輛的經度、緯度位置信號和車速信號發(fā)送到未來路徑預測模塊，同時將車速信號發(fā)送到整車質量計算模塊； ②整車控制器通過CAN總線實時從電池管理系統采集動力電池的電壓、電流、荷電狀態(tài)和溫度信息，并將其發(fā)送到整車輔助功率計算模塊；③整車控制器通過CAN總線實時從電機控制器中采集電機的電壓、電流、轉矩、轉速和溫度，將其發(fā)送到整車質量計算模塊，并將電機的電壓、電流和溫度發(fā)送到整車輔助功率計算模塊； ④整車控制器通過CAN總線實時從APU控制器中采集功率輔助單元的電壓、電流和溫度，并將其發(fā)送到整車輔助功率計算模塊； ⑤整車控制器通過汽車的模擬量輸入端口實時讀取加速、制動踏板信息，并通過汽車的數字量輸入端口讀入司機檔位信息，并將其同時發(fā)送到電機目標轉矩計算模塊。
3.如權利要求I所述的一種基于多信息融合的整車控制方法，其特征在于步驟3)、步驟4)和步驟5)中求解道路坡度角0、整車質量m和整車附件功率Paux時，首先分別計算道路坡度角，整車質量和整車附件功率的初始值，然后對各初始值分別采用自適應濾波算法進行濾波處理，自適應濾波算法的傳遞函數表達式為
4.如權利要求I所述的一種基于多信息融合的整車控制方法，其特征在于步驟3)、步驟4)和步驟5)中求解道路坡度角0、整車質量m和整車附件功率Paux時，首先分別計算道路坡度角，整車質量和整車附件功率的初始值，然后對各初始值分別采用自適應濾波算法進行濾波處理，自適應濾波算法的傳遞函數表達式為G(S)=I/( T S+1) 式中，S為拉普拉斯算子，T為濾波時間常數,濾波時間常數T為: T = 0.5At(l + + AR/Q) 式中，A t為算法運行周期，R為測量噪聲方差，Q為過程激勵噪聲方差。
5.如權利要求I或2或3或4所述的一種基于多信息融合的整車控制方法，其特征在于步驟6)動力電池SOC預測模塊確定未來一段時間內動力電池的目標最優(yōu)SOC軌跡曲線時，首先建立道路坡度角與動力電池最佳平衡點的映射關系為SOCtg=f(SOC0, 0) 式中，SOCtl為道路坡度角為0時動力電池的最優(yōu)SOC平衡點，當e >0時，soctg>soc0 ;當0〈O 時，soctg〈soc0。
6.如權利要求I或2或3或4所述的一種基于多信息融合的整車控制方法，其特征在于步驟7)電機目標功率修正因子計算模塊計算得到的\為 入=(k 0 +1) ((I-入 0) (m-m0) / A mmax+ 入 0) 式中，k為待標定參數，Hitl為整車空載質量，Amniax為整車最大負載質量，0〈 X/I為車輛空載時候的修正系數。
7.如權利要求5所述的一種基于多信息融合的整車控制方法，其特征在于步驟7)電機目標功率修正因子計算模塊計算得到的X為 入=(k 0 +1) ((I-入 0) (m-m0) / A mmax+ 入 0) 式中，k為待標定參數，Hitl為整車空載質量，Amniax為整車最大負載質量，0〈 X/I為車輛空載時候的修正系數。
8.如權利要求I或2或3或4或7所述的一種基于多信息融合的整車控制方法，其特征在于步驟8)電機目標轉矩Ttq的計算過程為 Ttq=人 Ttq0 ( α , ω ) 式中，Ttqtl是道路坡度角為O、車輛滿載情況下的電機目標轉矩，α為加速踏板，ω為電機轉速。
9.如權利要求5所述的一種基于多信息融合的整車控制方法，其特征在于步驟8)電機目標轉矩Ttq的計算過程為 Ttq=人 Ttq0 ( α , ω ) 式中，Ttqtl是道路坡度角為O、車輛滿載情況下的電機目標轉矩，α為加速踏板，ω為電機轉速。
10.如權利要求6所述的一種基于多信息融合的整車控制方法，其特征在于步驟8)電機目標轉矩Ttq的計算過程為 Ttq=人 Ttq0 ( α , ω ) 式中，Ttqtl是道路坡度角為O、車輛滿載情況下的電機目標轉矩，α為加速踏板，ω為電機轉速。
全文摘要
本發(fā)明涉及一種基于多信息融合的整車控制方法，包括以下步驟整車控制器通過實時讀取車輛狀態(tài)參數，并將其對應發(fā)送到整車控制器的各模塊；整車控制器的道路坡度角計算模塊、整車質量計算模塊、整車輔助功率計算模塊、未來路徑預測模塊計算各參數并將其對應發(fā)送到各模塊；動力電池SOC預測模塊確定未來一段時間內動力電池的目標最優(yōu)SOC軌跡曲線；電機目標轉矩計算模塊計算電機目標轉矩；功率分配模塊根據整車附件功率和電機目標轉矩分配APU系統和動力電池的輸出功率；電機目標轉矩計算模塊將電機目標轉矩發(fā)送到電機控制器控制電機驅動，功率分配模塊將APU目標功率發(fā)送到APU控制器控制輔助動力源工作；整車控制器設定采樣間隔讀取車輛參數，重復上述步驟，直到車輛斷電。本發(fā)明應用于純電驅動和混合動力車輛中。
文檔編號B60W40/076GK102765388SQ201210229109
公開日2012年11月7日 申請日期2012年7月3日 優(yōu)先權日2012年7月3日
發(fā)明者盧蘭光, 徐梁飛, 李建秋, 楊福源, 歐陽明高, 谷靖 申請人:清華大學