基于隊(duì)列行駛的混合動力汽車節(jié)能預(yù)測控制方法
【專利摘要】本發(fā)明公開了一種基于隊(duì)列行駛的混合動力汽車節(jié)能預(yù)測控制方法，包括從全球定位系統(tǒng)和智能交通系統(tǒng)獲取實(shí)時(shí)自車和前車交通信息作為系統(tǒng)輸入；建立混合動力汽車數(shù)學(xué)模型為預(yù)測未來車輛狀態(tài)依據(jù)；定義混合動力汽車隊(duì)列行駛最優(yōu)控制問題，提供求解最優(yōu)控制量函數(shù)方程；實(shí)時(shí)反饋?zhàn)顑?yōu)控制，求解最優(yōu)控制量，在滿足安全間距下，根據(jù)全球定位系統(tǒng)，雷達(dá)，智能交通系統(tǒng)和車間通信系統(tǒng)獲得信息在線調(diào)整優(yōu)化混合動力汽車能量流動，獲得混合動力汽車系統(tǒng)最優(yōu)性能，運(yùn)用行星齒輪機(jī)構(gòu)為電子無極變速器，使發(fā)動機(jī)始終工作于最佳工作點(diǎn)，運(yùn)用道路交通信息，預(yù)測前車行駛狀態(tài)，在線調(diào)整混合動力汽車能量流動，達(dá)到節(jié)能減排目標(biāo)，不同于傳統(tǒng)固定車頭時(shí)距控制方法,為混合動力汽車能量管理系統(tǒng)中央控制器性能提高提供了新途徑。
【專利說明】基于隊(duì)列行駛的混合動力汽車節(jié)能預(yù)測控制方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于隊(duì)列行駛的混合動力汽車節(jié)能預(yù)測控制方法，特別涉及一 種實(shí)時(shí)最優(yōu)的混合動力汽車控制方法。

【背景技術(shù)】
[0002] 全球能源與環(huán)境形勢的日益嚴(yán)峻，特別是汽車保有量的迅速增長，推動新能源汽 車和智能交通系統(tǒng)的發(fā)展。為解決交通擁堵，環(huán)境惡化和交通事故三大問題，本發(fā)明提出了 基于隊(duì)列行駛的混合動力汽車節(jié)能預(yù)測控制方法。車輛隊(duì)列行駛技術(shù)指多個(gè)車輛以較小的 車間距離以一個(gè)隊(duì)列行駛的技術(shù)。這種技術(shù)可以極大改善車輛周圍的氣動特性，減少其空 氣阻力，增強(qiáng)交通安全性，并可有效提高車輛的燃油經(jīng)濟(jì)性。另一方面，與傳統(tǒng)汽車相比，混 合動力汽車具有電池和燃油雙系統(tǒng)驅(qū)動的冗余性，運(yùn)用這種冗余性可以調(diào)節(jié)驅(qū)動裝置工作 點(diǎn)到最優(yōu)位置，從而實(shí)現(xiàn)節(jié)能減排目標(biāo)。預(yù)計(jì)未來汽車的主流將是這種混合動力汽車。由 于混合動力汽車可以回收伴隨車輛減速產(chǎn)生的再生制動能量；利用驅(qū)動系統(tǒng)的冗余性（發(fā) 動機(jī)和電機(jī)）優(yōu)化驅(qū)動裝置工作點(diǎn)，因此可以極大地發(fā)揮節(jié)能減排效用。但是最優(yōu)工作點(diǎn) 隨發(fā)動機(jī)的特性，周圍車輛的行駛狀態(tài)，道路交通條件的改變而時(shí)刻改變著。而且，旋轉(zhuǎn)系 (發(fā)動機(jī)和電機(jī)）具有轉(zhuǎn)速轉(zhuǎn)矩極限，電池具有荷電狀態(tài)極限，超出這些極限對于車輛關(guān)鍵 零部件的性能影響很大。因此，混合動力汽車的節(jié)能減排效果很大程度上依賴于其能量管 理策略（滿足約束條件）。而其關(guān)鍵技術(shù)為能量管理中央控制器中的實(shí)時(shí)最優(yōu)化，以期實(shí)現(xiàn) 控制策略的商業(yè)化，產(chǎn)業(yè)化。
[0003] 混合動力汽車能量管理系統(tǒng)的控制策略是其研發(fā)的技術(shù)核心和設(shè)計(jì)難點(diǎn)。目前已 經(jīng)提出的控制策略大致可以分為4類：數(shù)值最優(yōu)控制，解析最優(yōu)控制，瞬時(shí)最優(yōu)控制和啟發(fā) 式控制。數(shù)值最優(yōu)控制的典型代表是動態(tài)規(guī)劃和模型預(yù)測控制。解析最優(yōu)控制的典型代表 是龐特里亞金極小值原理控制策略。瞬時(shí)最優(yōu)控制的典型代表是瞬時(shí)等效油耗最低控制策 略。啟發(fā)式控制策略的典型代表是基于規(guī)則的控制策略。傳統(tǒng)的全局最優(yōu)控制方法動態(tài)規(guī) 劃和龐特里亞金極小值原理控制方法，由于需要事先知道未來全部工況信息，無法實(shí)現(xiàn)實(shí) 時(shí)最優(yōu)。傳統(tǒng)的基于規(guī)則的控制策略無法實(shí)現(xiàn)效率最大化。一般的前饋型控制（假定車輛 速度模式一定）無法實(shí)現(xiàn)實(shí)時(shí)最優(yōu)。傳統(tǒng)的瞬時(shí)最優(yōu)控制參數(shù)受未來車輛工況變化影響太 大，無法滿足控制性能。
[0004] 自20世紀(jì)90年代初以來，世界各國對混合動力汽車和智能交通系統(tǒng)的研發(fā)給予 了高度重視，并取得了一些重大的成果和進(jìn)展。1997年，在由美國交通部主辦的智能交通系 統(tǒng)展示會上，展示了由8輛車組成的隊(duì)列行駛技術(shù)。日本豐田汽車公司于1997年實(shí)現(xiàn)了混 合動力汽車的量產(chǎn)化，2012年實(shí)現(xiàn)了插電式混合動力汽車的量產(chǎn)化。美國總統(tǒng)奧巴馬2009 年宣布了下一代先進(jìn)蓄電池和插電式混合動力汽車計(jì)劃。在國內(nèi)，國家"十一五"863計(jì)劃 設(shè)立了節(jié)能與新能源汽車重大項(xiàng)目。本發(fā)明人在日本九州大學(xué)攻讀博士學(xué)位期間，掌握了 日本企業(yè)和大學(xué)普遍采用的模型預(yù)測控制法以及日本學(xué)者大塚敏之提出的C/GMRES快速 解法。這兩種方法的結(jié)合解決了模型預(yù)測控制這種先進(jìn)方法的實(shí)際應(yīng)用問題。
[0005] 在此背景下，提高能源利用效率，減少汽車對環(huán)境的污染和增強(qiáng)交通安全已成為 當(dāng)今汽車工業(yè)發(fā)展的首要任務(wù)。同時(shí)，利用道路交通信息，進(jìn)一步提高驅(qū)動裝置效率也成為 當(dāng)今社會發(fā)展的現(xiàn)實(shí)需要。為了解決上述問題，需要開發(fā)出一種基于隊(duì)列行駛的可產(chǎn)業(yè)化 的混合動力汽車模型預(yù)測控制方法，從而實(shí)現(xiàn)節(jié)能減排目標(biāo)。


【發(fā)明內(nèi)容】

[0006] 針對上述問題，本發(fā)明的目的在于提供一種能夠?qū)ξ磥碥囕v工況進(jìn)行實(shí)時(shí)預(yù)測的 基于隊(duì)列行駛的混合動力汽車模型預(yù)測方法，以達(dá)到最大限度地節(jié)能減排，使之成為產(chǎn)業(yè) 化混合動力汽車能量管理中央控制器。
[0007] 為實(shí)現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案：一種基于隊(duì)列行駛的混合動力汽車 節(jié)能預(yù)測控制方法，第一步為信息采集，第二步為車輛建模，第三步為公式化控制策略，第 四步為在線最優(yōu)控制；其特征在于：包括以下步驟：
[0008] 1)信息采集：
[0009] 由全球定位系統(tǒng)采集前車和自車的位置信息，作為實(shí)時(shí)車輛狀態(tài)反饋；由車載雷 達(dá)測速裝置采集前方車輛速度，用于跟蹤控制；由智能交通系統(tǒng)和車間通信系統(tǒng)采集交通 信號信息，實(shí)時(shí)路況信息以及自車和前車速度，加速度信息，用于智能交通控制；由卡爾曼 濾波器利用采集的蓄電池信息對蓄電池荷電狀態(tài)進(jìn)行估計(jì)。
[0010] 2)車輛建模：
[0011] 行星齒輪式混聯(lián)混合動力汽車包含5大動態(tài)部件，它們是發(fā)動機(jī)，蓄電池，2個(gè)發(fā) 電電動一體機(jī)和車輪。行星齒輪作為動力分配裝置既有速度耦合器的作用，又有電子無極 變速器作用。根據(jù)車輛機(jī)械耦合和電子耦合關(guān)系，列寫系統(tǒng)動力學(xué)方程，對動力學(xué)方程解 耦，最終獲得系統(tǒng)的狀態(tài)空間模型，如式（1)所示： x = 1_"丨 νι 口，丨義)(,丨 /入 v，w2 5OC2 ] u =[ulUlPhml Pkltn] X = f(x,u) vf /m, -9.8//-9.8sin kp^(ul -wx)
[0012] Kn-Ha-U- "、 ^^hattlQhatn /(x，w) = w2 -^pCn,A,\\~ i m, -9.8//-9.8sin kp^{u2-yv2) ^maK2 ^^bait 2 ^batt 2 _ 2H 」 ⑴
[0013] 式中，x為狀態(tài)量，u為控制量。參數(shù)PpVpWi和SOQ為自車的位置，速度，考慮延 遲的驅(qū)動加速度和蓄電池荷電狀態(tài)。參數(shù)p 2, v2, A和S〇C2為前車的位置，速度，考慮延遲 的驅(qū)動加速度和蓄電池荷電狀態(tài)。參數(shù)和Pbatt2為自車的驅(qū)動加速度，前車的驅(qū) 動加速度，自車蓄電池的充放電功率和前車蓄電池的充放電功率。參數(shù)P，CD1，CD2, Αρ A2， 01和θ2是空氣密度，自車空氣阻力系數(shù)，前車空氣阻力系數(shù)，自車迎風(fēng)面積， 前車迎風(fēng)面積，自車質(zhì)量，前車質(zhì)量，重力加速度，滾動阻力系數(shù)，自車道路坡度和前車道路 坡度。R batt和Qbatt是蓄電池開路電壓，內(nèi)阻和容量。
[0014] 車輛的燃油經(jīng)濟(jì)性評價(jià)采用威蘭氏線性模型，如式（2)所示：
[0015] . mf (t) = . mf (Preq (t) -Pbatt (t)) ^ cf (Preq (t) -Pbatt (t)) (2)
[0016] 式中mf為燃油消耗率。參數(shù)ΡΜ(1為車輛需求功率。c f為常數(shù)參數(shù)。
[0017] 3)公式化控制策略：
[0018] 基于隊(duì)列行駛的混合動力汽車能量管理模型預(yù)測最優(yōu)控制策略的步驟為：首先檢 測自車和前車狀態(tài)，包括位置，速度和加速度信息，其次運(yùn)用所建立的數(shù)學(xué)模型和公式化控 制策略求解最優(yōu)控制問題，最后應(yīng)用所求得的最優(yōu)控制序列的第一個(gè)控制量于系統(tǒng)；由于 模型預(yù)測控制為區(qū)間最優(yōu)控制，所以其求得的最優(yōu)控制量是數(shù)量為預(yù)測區(qū)間除以采樣間隔 的序列。最優(yōu)控制序列的第一個(gè)控制量與實(shí)際狀態(tài)最接近，所以采用它來作為實(shí)際的控制 量。
[0019] 模型預(yù)測控制的基本原理為：在每一個(gè)采樣時(shí)刻，根據(jù)預(yù)測模型對系統(tǒng)未來代價(jià) 函數(shù)進(jìn)行預(yù)測，通過對未來預(yù)測區(qū)間內(nèi)的性能指標(biāo)進(jìn)行優(yōu)化，并根據(jù)實(shí)測對象的輸出進(jìn)行 反饋校正，將控制策略設(shè)計(jì)轉(zhuǎn)化為優(yōu)化過程，通過求解相應(yīng)預(yù)測區(qū)間的優(yōu)化問題得到控制 序列，并將序列的第一個(gè)控制量作用于系統(tǒng)，實(shí)現(xiàn)反饋控制，之后在下一個(gè)采樣時(shí)刻，將預(yù) 測區(qū)間向前推進(jìn)一步，不斷重復(fù)該過程?？偨Y(jié)來說其包括三部分：預(yù)測模型，滾動優(yōu)化和反 饋控制。通過對未來系統(tǒng)輸入的預(yù)測可以實(shí)現(xiàn)對系統(tǒng)的實(shí)時(shí)最優(yōu)控制。
[0020] 本控制策略的特色有兩點(diǎn)。第一，隨著汽車導(dǎo)航，數(shù)字化地圖，車間通信技術(shù)和智 能交通系統(tǒng)的發(fā)展，利用道路交通狀況，對混合動力汽車速度模式進(jìn)行最優(yōu)化。第二，前方 有車輛的情況下，傳統(tǒng)的固定車間距的控制方法現(xiàn)在還是主流，車間距離在最小值以上浮 動的控制策略，提高了車輛速度變化的自由度，使混合動力汽車燃油經(jīng)濟(jì)性的提高有了可 能。上述兩大特色在控制策略設(shè)計(jì)中評價(jià)函數(shù)里有相應(yīng)體現(xiàn)，為混合動力汽車系統(tǒng)性能提 高提供了更大可能性。
[0021] 預(yù)測模型在已在上部分論述。
[0022] 最優(yōu)控制問題定義如式（3)所示： Μ + Γ minimize ,/ = J L{x{t \ t),u(r \ t))dr subject to Phallhiiiii<PhiijT\t)< ^battbnax
[0023] ^η?"^^(Γμ)<Μ1η?3Χ ⑶ tt2max M2min^W2(rIO^M2max
[0024] 式中 T 為預(yù)測區(qū)間。參數(shù) Pbattlmin，Pbattlmax，Pbatt2min，P batt2max， Ulmax，Ulmin，U2max 矛B U2min 為控制量約束。
[0025] 評價(jià)函數(shù)定義如式（4)所示：
[0026] L = wxLx + wyLy + wzL: + WjLj + weLe + wfLf + w,X,. Lv ///i, -9.8*//)2 /2 + (w, ////, -9.8*//)" /2 A· =(i;i_^)2/2 + (v2-v(/)2/2 4 = 0.0874 * * Wl * v, /1000 - P6aHl) / (1 + e-05nv>,Al 聰。-^1) +0.0874*(m2 * w2 * v2 /1000-;〃2) / (1 + e-a5*(H,?_u-U) (4) Ld = (SOC, - SOCt! )2 + (50C2 - 50C'r/ )2 L = (/;z, * U' * V, / 1000 - Phalli y /2 + (m2 *w2* v7 / 1000 - Pha,,2)" / 2 Lj -(-in^OC, -0.6]-1η[0.8-50?]) + (-1η[5(：Χ"2 -0.6]-1η[0.8-50€2]) Lr=-風(fēng) d-dd)
[0027] 式中S0Cd是目標(biāo)蓄電池荷電狀態(tài)。^是車輛目標(biāo)速度，它取值為車輛最優(yōu)等速燃 油經(jīng)濟(jì)性速度。'? !￡，￥^￥2，￥(1，￥(;，￥1?，和《^是權(quán)重系數(shù)。（1 (1為最低車輛間距，評價(jià)函數(shù)設(shè)置使 其在最低車輛間距以上浮動，從而增加控制自由度，提高車輛燃油經(jīng)濟(jì)性。障礙函數(shù)用于處 理系統(tǒng)狀態(tài)約束。
[0028] 4)在線最優(yōu)控制：
[0029] 為保證系統(tǒng)的實(shí)時(shí)最優(yōu)性能，運(yùn)用基于哈密頓方程的數(shù)值快速求解方法來求解上 述最優(yōu)控制問題。由于其只需有限幾次迭代就可以計(jì)算出數(shù)值方程的最優(yōu)解，這種方法的 在線性能很好。而且由于其基于哈密頓方程，這種解法的穩(wěn)定性可以得到保證。解法具體 來說，運(yùn)用極小值原理將最優(yōu)控制問題轉(zhuǎn)化為兩點(diǎn)邊值問題，在處理哈密頓函數(shù)相關(guān)的微 分方程組和代數(shù)方程組時(shí)采用部分空間法求解，這是一種GMRES解法。
[0030] 在每個(gè)采樣時(shí)刻，首先，測取前車位置，自車位置，前車速度，自車速度，前車加速 度，自車加速度，前車蓄電池荷電狀態(tài)和自車蓄電池荷電狀態(tài)等實(shí)時(shí)狀態(tài)信號，其次，利用 全球定位系統(tǒng)和智能交通系統(tǒng)預(yù)測未來一定區(qū)間車輛及周圍環(huán)境的狀態(tài)，再次，根據(jù)建立 的車輛模型和最優(yōu)控制問題，利用上述數(shù)值快速解法求解預(yù)測區(qū)間內(nèi)的最優(yōu)控制序列。應(yīng) 用預(yù)測區(qū)間內(nèi)的最優(yōu)控制序列的第一個(gè)控制量于車輛。之后在下一個(gè)采樣時(shí)刻，將預(yù)測區(qū) 間向前推進(jìn)一步，如此循環(huán)往復(fù)，實(shí)現(xiàn)在線最優(yōu)控制。
[0031] 本發(fā)明由于采取以上技術(shù)方案，其具有以下優(yōu)點(diǎn)：
[0032] 1)隨著汽車導(dǎo)航，數(shù)字化地圖的發(fā)展，利用道路交通狀況，對混合動力汽車速度模 式進(jìn)行最優(yōu)化。不同于傳統(tǒng)方法中假定速度模式給定已知的情況。
[0033] 2)前方有車輛的情況下，傳統(tǒng)的固定車間距的控制方法現(xiàn)在還是主流。申請者提 出了車間距離在最小值以上浮動的控制策略，提高了車輛速度變化的自由度，使混合動力 汽車燃油經(jīng)濟(jì)性的提高有了可能。
[0034] 3)提出了基于隊(duì)列行駛的混合動力汽車集中控制模型，為混合動力汽車隊(duì)列行駛 的模型化提供了一般的通用方法論指導(dǎo)。
[0035] 運(yùn)用本方法能夠大幅度提高混合動力汽車燃油經(jīng)濟(jì)性，排放性能和安全性能。

【專利附圖】

【附圖說明】
[0036] 圖1是本發(fā)明行星齒輪式混聯(lián)混合動力汽車驅(qū)動系統(tǒng)結(jié)構(gòu)示意圖。
[0037] 圖1中：1、發(fā)動機(jī)；2、動力分配器；3、發(fā)電機(jī)；4、蓄電池；5、逆變器；6電動機(jī)；7、 主減速器。
[0038] 圖2是基于跟車模型的混合動力汽車節(jié)能預(yù)測控制方法流程圖。
[0039] 圖3是基于跟車模型的混合動力汽車節(jié)能預(yù)測控制器結(jié)構(gòu)圖。

【具體實(shí)施方式】
[0040] 以下結(jié)合技術(shù)方案和附圖詳細(xì)敘述本發(fā)明的【具體實(shí)施方式】。
[0041] 如圖所示，本發(fā)明公開了一種基于隊(duì)列行駛的混合動力汽車節(jié)能預(yù)測控制方法， 包括以下步驟：從全球定位系統(tǒng)和智能交通系統(tǒng)獲取實(shí)時(shí)自車和前車交通信息作為系統(tǒng)輸 入；建立混合動力汽車數(shù)學(xué)模型作為預(yù)測未來車輛狀態(tài)的依據(jù)；定義混合動力汽車隊(duì)列行 駛最優(yōu)控制問題，提供求解最優(yōu)控制量的函數(shù)方程；實(shí)時(shí)反饋?zhàn)顑?yōu)控制，求解最優(yōu)控制量。 本發(fā)明在滿足安全間距的情況下，采用一種基于隊(duì)列行駛的混合動力汽車節(jié)能預(yù)測控制方 法，根據(jù)全球定位系統(tǒng)，雷達(dá)，智能交通系統(tǒng)和車間通信系統(tǒng)獲得的信息在線調(diào)整優(yōu)化混合 動力汽車能量流動，進(jìn)而可以獲得混合動力汽車系統(tǒng)最優(yōu)性能。該方法運(yùn)用行星齒輪機(jī)構(gòu) 作為電子無極變速器，使發(fā)動機(jī)始終工作于其最佳工作點(diǎn)。同時(shí)，運(yùn)用道路交通信息，預(yù)測 前車行駛狀態(tài)，在線調(diào)整混合動力汽車能量流動，達(dá)到節(jié)能減排的目標(biāo)。另外，本發(fā)明不同 于傳統(tǒng)的固定車頭時(shí)距控制方法，可應(yīng)用于實(shí)際車輛的實(shí)時(shí)控制，為混合動力汽車能量管 理系統(tǒng)中央控制器性能提高提供了一種新途徑。
[0042] 圖1是本發(fā)明行星齒輪式混聯(lián)混合動力驅(qū)動系統(tǒng)結(jié)構(gòu)示意圖，主要包括：發(fā)動機(jī) 1 ;動力分配器2 ;發(fā)電機(jī)3 ;蓄電池4 ;逆變器5 ;電動機(jī)6 ;主減速器7。圖1為本專利控制 方法的研究對象的結(jié)構(gòu)圖。在車輛建模過程中使用本結(jié)構(gòu)圖分析系統(tǒng)機(jī)械和電氣耦合關(guān) 系。結(jié)構(gòu)圖中包含混合動力汽車包含5大動態(tài)部件。它們是發(fā)動機(jī)，蓄電池，2個(gè)發(fā)電電動 一體機(jī)和車輪。電動機(jī)通過主減速器與車輪相連，傳遞系統(tǒng)動力。行星齒輪作為動力分配 裝置既有速度耦合器的作用，又有電子無極變速器作用。行星齒輪機(jī)械耦合發(fā)動機(jī)和2個(gè) 發(fā)電電動一體機(jī)。逆變器電氣稱合蓄電池和2個(gè)發(fā)電電動一體機(jī)。通過對系統(tǒng)機(jī)械稱合和 電氣耦合解耦獲得獨(dú)立的3自由度系統(tǒng)模型。本發(fā)明控制方法為系統(tǒng)軟件，圖1所示為系 統(tǒng)硬件。
[0043] 圖2是揭示了整個(gè)控制方法的過程。采集的信息作為系統(tǒng)模型的輸入。由車載雷 達(dá)測速裝置采集前方車輛速度，用于跟蹤控制。由智能交通系統(tǒng)采集交通信號信息以及實(shí) 時(shí)路況信息，用于智能交通控制。由卡爾曼濾波器利用采集的蓄電池信息對蓄電池荷電狀 態(tài)進(jìn)行估計(jì)。車輛建模為公式化模型預(yù)測控制策略提供預(yù)測未來車輛狀態(tài)所需要的模型。 公式化控制策略為在線最優(yōu)控制提供需要求解的函數(shù)方程。
[0044] 圖3為本發(fā)明具體控制方法的整個(gè)過程。由全球定位系統(tǒng)通過車輛位置查詢得到 車輛所在位置的道路坡度。目標(biāo)蓄電池荷電狀態(tài)發(fā)生器根據(jù)道路坡度產(chǎn)生目標(biāo)蓄電池荷電 狀態(tài)。由智能交通系統(tǒng)獲得前方車輛位置，速度和交通信息。測取的車輛狀態(tài)，道路坡度信 息，前方車輛位置和速度以及交通信息，目標(biāo)蓄電池荷電狀態(tài)，目標(biāo)車輛速度輸入模型預(yù)測 控制器，模型預(yù)測控制器根據(jù)車輛系統(tǒng)模型，求解最優(yōu)控制問題，得到最優(yōu)控制量，并作用 于車輛。
[0045] 實(shí)施例：
[0046] 以行星齒輪式混聯(lián)混合動力驅(qū)動系統(tǒng)為例進(jìn)行說明，如圖1所示；本發(fā)明方法第 一步為信息采集，第二步為車輛建模，第三步為公式化控制策略，第四步為在線最優(yōu)控制。
[0047] 該方法的原理如圖2所示，具體控制方法包括以下步驟：
[0048] 1)信息采集：
[0049] 由全球定位系統(tǒng)采集前車和自車的位置信息，作為實(shí)時(shí)車輛狀態(tài)反饋。由車載雷 達(dá)測速裝置采集前方車輛速度，用于跟蹤控制。由智能交通系統(tǒng)和車間通信系統(tǒng)采集交通 信號信息，實(shí)時(shí)路況信息以及自車和前車速度，加速度信息，用于智能交通控制。由卡爾曼 濾波器利用采集的蓄電池4信息對蓄電池荷電狀態(tài)進(jìn)行估計(jì)。
[0050] 2)車輛建模：
[0051] 行星齒輪式混聯(lián)混合動力汽車包含5大動態(tài)部件。它們是發(fā)動機(jī)1，蓄電池4,發(fā) 電機(jī)3,電動機(jī)6和車輪。動力分配器2作為動力分配裝置既有速度耦合器的作用，又有電 子無極變速器作用。根據(jù)車輛機(jī)械耦合和電子耦合關(guān)系，可以列寫系統(tǒng)動力學(xué)方程。對動 力學(xué)方程解耦，最終可以獲得系統(tǒng)的狀態(tài)空間模型，如式（1)所示。 Χ~\.Ρ\ νι v>'i p, v\ u\ SOC, J U - Y^\U2Pblin\ PbattA X = f(A\u) Wj pCmAxv^ /mx -9.8//-9.85111^
[0052] -^Ρ,,α,ηΚα,η r/ \ ^^~hatt\Qbutt\ /(W) = V2 1 2 vu, /m2 -9.8// -9.8sin久 kp 爾（u2_w2) ^ max2 \ ^max2 ^^battl^batt2 _ 2Rba"lQba,,2 j ⑴
[0053] 式中，x為狀態(tài)量，u為控制量。參數(shù)PpVpWi和SOQ為自車的位置，速度，考慮延 遲的驅(qū)動加速度和蓄電池4荷電狀態(tài)。參數(shù)p 2, v2, ?2和50(：2為前車的位置，速度,考慮延 遲的驅(qū)動加速度和蓄電池4荷電狀態(tài)。參數(shù) Ul，u2, Pbattl和Pbatt2為自車的驅(qū)動加速度，前 車的驅(qū)動加速度，自車蓄電池4的充放電功率和前車蓄電池4的充放電功率。參數(shù)P，C D1， Θ，Ρ θ2是空氣密度，自車空氣阻力系數(shù)，前車空氣阻力系數(shù)，自車 迎風(fēng)面積，前車迎風(fēng)面積，自車質(zhì)量，前車質(zhì)量，重力加速度，滾動阻力系數(shù)，自車道路坡度 和前車道路坡度。Vre，R batt和Qbatt是蓄電池4開路電壓，內(nèi)阻和容量。
[0054] 車輛的燃油經(jīng)濟(jì)性評價(jià)采用威蘭氏線性模型，如式（2)所示：
[0055] . mf (t) = . mf (Preq (t) -Pbatt (t)) ^ cf (Preq (t) -Pbatt (t)) (2)
[0056] 式中mf為燃油消耗率。參數(shù)ΡΜ(1為車輛需求功率。c f為常數(shù)參數(shù)。
[0057] 3)公式化控制策略：
[0058] 基于隊(duì)列行駛的混合動力汽車能量管理模型預(yù)測最優(yōu)控制策略的步驟為：首先檢 測自車和前車狀態(tài)，包括位置，速度和加速度信息，其次運(yùn)用所建立的數(shù)學(xué)模型和公式化控 制策略求解最優(yōu)控制問題，最后應(yīng)用所求得的最優(yōu)控制序列的第一個(gè)控制量于系統(tǒng)。由于 模型預(yù)測控制為區(qū)間最優(yōu)控制，所以其求得的最優(yōu)控制量是數(shù)量為預(yù)測區(qū)間除以采樣間隔 的序列。最優(yōu)控制序列的第一個(gè)控制量與實(shí)際狀態(tài)最接近，所以一般采用它來作為實(shí)際的 控制量。
[0059] 模型預(yù)測控制的基本原理為：在每一個(gè)采樣時(shí)刻，根據(jù)預(yù)測模型對系統(tǒng)未來代價(jià) 函數(shù)進(jìn)行預(yù)測，通過對未來預(yù)測區(qū)間內(nèi)的性能指標(biāo)進(jìn)行優(yōu)化，并根據(jù)實(shí)測對象的輸出進(jìn)行 反饋校正，將控制策略設(shè)計(jì)轉(zhuǎn)化為優(yōu)化過程，通過求解相應(yīng)預(yù)測區(qū)間的優(yōu)化問題得到控制 序列，并將序列的第一個(gè)控制量作用于系統(tǒng)，實(shí)現(xiàn)反饋控制，之后在下一個(gè)采樣時(shí)刻，將預(yù) 測區(qū)間向前推進(jìn)一步，不斷重復(fù)該過程。總結(jié)來說其包括三部分：預(yù)測模型，滾動優(yōu)化和反 饋控制。通過對未來系統(tǒng)輸入的預(yù)測可以實(shí)現(xiàn)對系統(tǒng)的實(shí)時(shí)最優(yōu)控制。
[0060] 本控制策略的特色有兩點(diǎn)。第一，隨著汽車導(dǎo)航，數(shù)字化地圖，車間通信技術(shù)和智 能交通系統(tǒng)的發(fā)展，利用道路交通狀況，對混合動力汽車速度模式進(jìn)行最優(yōu)化。第二，前方 有車輛的情況下，傳統(tǒng)的固定車間距的控制算法現(xiàn)在還是主流，車間距離在最小值以上浮 動的控制策略，提高了車輛速度變化的自由度，使混合動力汽車燃油經(jīng)濟(jì)性的提高有了可 能。上述兩大特色在控制策略設(shè)計(jì)中評價(jià)函數(shù)里有相應(yīng)體現(xiàn)，為混合動力汽車系統(tǒng)性能提 高提供了更大可能性。
[0061] 預(yù)測模型在已在上部分論述。
[0062] 最優(yōu)控制問題定義如式（3)所示： it + T L(x(t I t),u{r I t))dr subject to Pballhni"^Pbaux^\t)<Pbattlmax
[0063] (3) ^buttl^1- I - ^bahlmax W2mi"^?2(rIO^W2max
[0064]式中 T 為預(yù)測區(qū)間。參數(shù) Pbattlmin，Pbattlmax，Pbatt2min，P batt2max， Ulmax，Ulmin，U2max 矛B U2min 為控制量約束。
[0065] 評價(jià)函數(shù)定義如式（4)所示。
[0066] L - wxLx + wyLy + wzLz + wdLd + weLe + wfLf + wrLr Lx =(U| -^pC ! mx -9.8^//)^ l2 + {\\\ -^pC η?Α?ν?" ! mx -9.8*//)" /2 Ly =(v1-vrf)2/2 + (v2-vi/)2/2 4 = 0.0874 * ^ * vt /1000 - Ρ6?1/?1) / (1 + e-0 5*(mi、V1_-%1) +0.0874*(m2 * h，2 * v2 /1000-&"2) / (1 + e-°.5n-'/vl°°u-1) (4) Ld = (SOC, - SOCtl )2 + (SOC, - SOCd )2 L, - (/?, ^ η·, ψ v>, / 1000 - Phi:lli f / 2 + (m2 ^ \ν?i；< v: /1000 - Phi:ll2 f / 2 L, = (- InpOC, - 0.6]- ln[0.8 - SOC, ]) + (-ln[SOC2 - 0.6] - ln[0.8 - Lr = -\n{d-dd)
[0067] 式中S0Cd是目標(biāo)蓄電池 4荷電狀態(tài)。&是車輛目標(biāo)速度，它取值為車輛最優(yōu)等速 燃油經(jīng)濟(jì)性速度。'?!￡，￥^￥2，￥ (1，￥(;，￥1?，和《^是權(quán)重系數(shù)。（1(1為最低車輛間距，評價(jià)函數(shù)設(shè)置 使其在最低車輛間距以上浮動，從而增加控制自由度，提高車輛燃油經(jīng)濟(jì)性。障礙函數(shù)用于 處理系統(tǒng)狀態(tài)約束等。
[0068] 4)在線最優(yōu)控制：
[0069] 為保證系統(tǒng)的實(shí)時(shí)最優(yōu)性能，運(yùn)用基于哈密頓方程的數(shù)值快速求解方法來求解上 述最優(yōu)控制問題。由于其只需有限幾次迭代就可以計(jì)算出數(shù)值方程的最優(yōu)解，這種方法的 在線性能很好。而且由于其基于哈密頓方程，這種解法的穩(wěn)定性可以得到保證。解法具體 來說，運(yùn)用極小值原理將最優(yōu)控制問題轉(zhuǎn)化為兩點(diǎn)邊值問題，在處理哈密頓函數(shù)相關(guān)的微 分方程組和代數(shù)方程組時(shí)采用部分空間法求解，這是一種GMRES解法。
[0070] 在每個(gè)采樣時(shí)刻，首先，測取前車位置，自車位置，前車速度，自車速度，前車加速 度，自車加速度，前車蓄電池4荷電狀態(tài)和自車蓄電池4荷電狀態(tài)等實(shí)時(shí)狀態(tài)信號，其次，利 用全球定位系統(tǒng)和智能交通系統(tǒng)預(yù)測未來一定區(qū)間車輛及周圍環(huán)境的狀態(tài)，再次，根據(jù)建 立的車輛模型和最優(yōu)控制問題，利用上述數(shù)值快速解法求解預(yù)測區(qū)間內(nèi)的最優(yōu)控制序列。 應(yīng)用預(yù)測區(qū)間內(nèi)的最優(yōu)控制序列的第一個(gè)控制量于車輛。之后在下一個(gè)采樣時(shí)刻，將預(yù)測 區(qū)間向前推進(jìn)一步，如此循環(huán)往復(fù)，實(shí)現(xiàn)在線最優(yōu)控制。
[0071] 本發(fā)明同樣適用于其他形式混合動力汽車驅(qū)動系統(tǒng)，具體建模方法與控制過程與 行星齒輪式混聯(lián)混合動力汽車驅(qū)動系統(tǒng)一致，在此不再贅述。
【權(quán)利要求】
1. 一種基于隊(duì)列行駛的混合動力汽車節(jié)能預(yù)測控制方法，其特征在于： 第一步為信息采集，第二步為車輛建模，第三步為公式化控制策略，第四步為在線最優(yōu) 控制；具體包括以下步驟： 1) /[目息米集： 由全球定位系統(tǒng)采集前車和自車的位置信息，作為實(shí)時(shí)車輛狀態(tài)反饋；由車載雷達(dá)測 速裝置采集前方車輛速度，用于跟蹤控制；由智能交通系統(tǒng)和車間通信系統(tǒng)采集交通信號 信息，實(shí)時(shí)路況信息以及自車和前車速度，加速度信息，用于智能交通控制；由卡爾曼濾波 器利用采集的蓄電池信息對蓄電池荷電狀態(tài)進(jìn)行估計(jì)； 2) 車輛建模： 行星齒輪式混聯(lián)混合動力汽車包含5大動態(tài)部件，它們是發(fā)動機(jī)，蓄電池，2個(gè)發(fā)電電 動一體機(jī)和車輪，行星齒輪作為動力分配裝置既有速度耦合器的作用，又有電子無極變速 器作用；根據(jù)車輛機(jī)械耦合和電子耦合關(guān)系，列寫系統(tǒng)動力學(xué)方程，對動力學(xué)方程解耦，最 終獲得系統(tǒng)的狀態(tài)空間模型，如式（1)所示：
(1) 式中，X為狀態(tài)量，U為控制量；參數(shù)Pp VpWi和SOQ為自車的位置，速度，考慮延遲的 驅(qū)動加速度和蓄電池荷電狀態(tài)；參數(shù)P2，v2，w2和SOC2為前車的位置，速度，考慮延遲的驅(qū)動 加速度和蓄電池荷電狀態(tài)；參數(shù)+，u 2, Pbattl和Pbatt2為自車的驅(qū)動加速度，前車的驅(qū)動加速 度，自車蓄電池的充放電功率和前車蓄電池的充放電功率；參數(shù)P μ，Θ 1和θ2是空氣密度，自車空氣阻力系數(shù)，前車空氣阻力系數(shù)，自車迎風(fēng)面積，前車迎風(fēng) 面積，自車質(zhì)量，前車質(zhì)量，重力加速度，滾動阻力系數(shù)，自車道路坡度和前車道路坡度；V QC， Rba?和Qba?是蓄電池開路電壓，內(nèi)阻和容量； 車輛的燃油經(jīng)濟(jì)性評價(jià)采用威蘭氏線性模型，如式（2)所示： .mf(t) = ,mf(Preq(t)-Pbatt(t)) ^ cf(Preq(t)-Pbatt(t)) (2) 式中mf為燃油消耗率，參數(shù)ΡΜ(1為車輛需求功率，cf為常數(shù)參數(shù)； 3) 公式化控制策略： 基于隊(duì)列行駛的混合動力汽車能量管理模型預(yù)測最優(yōu)控制策略的步驟為：首先檢測自 車和前車狀態(tài)，包括位置，速度和加速度信息，其次運(yùn)用所建立的數(shù)學(xué)模型和公式化控制策 略求解最優(yōu)控制問題，最后應(yīng)用所求得的最優(yōu)控制序列的第一個(gè)控制量于系統(tǒng)；由于模型 預(yù)測控制為區(qū)間最優(yōu)控制，所以其求得的最優(yōu)控制量是數(shù)量為預(yù)測區(qū)間除以采樣間隔的序 列，最優(yōu)控制序列的第一個(gè)控制量與實(shí)際狀態(tài)最接近，所以采用它來作為實(shí)際的控制量； 在每一個(gè)采樣時(shí)刻，根據(jù)預(yù)測模型對系統(tǒng)未來代價(jià)函數(shù)進(jìn)行預(yù)測，通過對未來預(yù)測區(qū) 間內(nèi)的性能指標(biāo)進(jìn)行優(yōu)化，并根據(jù)實(shí)測對象的輸出進(jìn)行反饋校正，將控制策略設(shè)計(jì)轉(zhuǎn)化為 優(yōu)化過程，通過求解相應(yīng)預(yù)測區(qū)間的優(yōu)化問題得到控制序列，并將序列的第一個(gè)控制量作 用于系統(tǒng)，實(shí)現(xiàn)反饋控制，之后在下一個(gè)采樣時(shí)刻，將預(yù)測區(qū)間向前推進(jìn)一步，不斷重復(fù)該 過程； 總結(jié)來說其包括三部分：預(yù)測模型，滾動優(yōu)化和反饋控制，通過對未來系統(tǒng)輸入的預(yù) 測實(shí)現(xiàn)對系統(tǒng)的實(shí)時(shí)最優(yōu)控制； 最優(yōu)控制問題定義如式（3)所示：
(3) 式中T為預(yù)測區(qū)間，參數(shù)；口 U2min為控 制量約束，
評價(jià)函數(shù)定義如式（4)所示：
式中SOCd是目標(biāo)蓄電池荷電狀態(tài)，^是車輛目標(biāo)速度，它取值為車輛最優(yōu)等速燃油經(jīng) 濟(jì)性速度，Wx，wy，wz，wd，we，w f，和w1?是權(quán)重系數(shù)，dd為最低車輛間距，評價(jià)函數(shù)設(shè)置使其在 最低車輛間距以上浮動，從而增加控制自由度，提高車輛燃油經(jīng)濟(jì)性，障礙函數(shù)用于處理系 統(tǒng)狀態(tài)約束； 4)在線最優(yōu)控制： 為保證系統(tǒng)的實(shí)時(shí)最優(yōu)性能，運(yùn)用基于哈密頓方程的數(shù)值快速求解方法來求解上述最 優(yōu)控制問題，由于其只需有限幾次迭代就計(jì)算出數(shù)值方程的最優(yōu)解，解法具體來說，運(yùn)用極 小值原理將最優(yōu)控制問題轉(zhuǎn)化為兩點(diǎn)邊值問題，在處理哈密頓函數(shù)相關(guān)的微分方程組和 代數(shù)方程組時(shí)采用部分空間法求解，這是一種GMRES解法； 在每個(gè)采樣時(shí)刻，首先，測取前車位置，自車位置，前車速度，自車速度，前車加速度，自 車加速度，前車蓄電池荷電狀態(tài)和自車蓄電池荷電狀態(tài)實(shí)時(shí)狀態(tài)信號，其次，利用全球定位 系統(tǒng)和智能交通系統(tǒng)預(yù)測未來一定區(qū)間車輛及周圍環(huán)境的狀態(tài)，再次，根據(jù)建立的車輛模 型和最優(yōu)控制問題，利用上述數(shù)值快速解法求解預(yù)測區(qū)間內(nèi)的最優(yōu)控制序列；應(yīng)用預(yù)測區(qū) 間內(nèi)的最優(yōu)控制序列的第一個(gè)控制量于車輛；之后在下一個(gè)采樣時(shí)刻，將預(yù)測區(qū)間向前推 進(jìn)一步，如此循環(huán)往復(fù)，實(shí)現(xiàn)在線最優(yōu)控制。
【文檔編號】B60W20/00GK104249736SQ201410420797
【公開日】2014年12月31日 申請日期:2014年8月25日 優(yōu)先權(quán)日:2014年8月25日
【發(fā)明者】余開江, 胡治國, 許孝卓, 張宏偉, 王莉, 楊俊起, 荊鵬輝 申請人:河南理工大學(xué)