自車間距、后車與自車間距，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)值快速解法求解預測區(qū)間內(nèi)的最優(yōu)控 制序列，應用預測區(qū)間內(nèi)的最優(yōu)控制序列的第一個控制量于車輛，之后在下一個采樣時刻， 將預測區(qū)間向前推進一步，如此循環(huán)往復，實現(xiàn)在線最優(yōu)控制。
[0040] 本發(fā)明由于采取以上技術方案，其具有以下優(yōu)點：
[0041] 1)本控制策略能夠綜合利用前車、自車和后車信息，以及交通信號燈信息，對混合 動力汽車速度模式和充放電模式進行同時進行最優(yōu)化，不同于傳統(tǒng)方法中只優(yōu)化充放電模 式的情況。
[0042] 2)控制策略考慮交通信號燈信息，在需要停車以及再啟動的情況下，運用實際測 得的停車和啟動車輛的速度模式，使所提出的控制策略更加接近實際情況，不同于傳統(tǒng)方 法中只考慮車輛巡航時的控制。
[0043] 3)提出了基于隊列行駛的混合動力汽車分散控制模型，為混合動力汽車隊列行駛 的模型化提供了通用方法指導。
[0044] 運用本方法能夠大幅度提高混合動力汽車燃油經(jīng)濟性，排放性能和安全性能。
【附圖說明】
[0045] 圖1是本發(fā)明行星齒輪式混聯(lián)混合動力汽車驅動系統(tǒng)結構示意圖。
[0046] 圖2是基于分散控制的混合動力汽車節(jié)能預測控制方法流程圖。
[0047] 圖3是基于分散控制的混合動力汽車節(jié)能預測控制器結構圖。
[0048] 圖1中：1、發(fā)動機；2、動力分配器；3、發(fā)電機；4、蓄電池；5、逆變器；6電動機；7、 主減速器。
【具體實施方式】
[0049] 以下結合技術方案和附圖詳細敘述本發(fā)明的【具體實施方式】。
[0050] 本發(fā)明公開了一種基于分散控制的混合動力汽車節(jié)能預測控制方法，包括以下步 驟：從全球定位系統(tǒng)、車間通信系統(tǒng)、車路通信系統(tǒng)和智能交通系統(tǒng)獲取實時自車、前車和 后車交通信息作為系統(tǒng)輸入；建立混合動力汽車隊列行駛分散控制數(shù)學模型作為預測未來 車輛狀態(tài)的依據(jù)；定義混合動力汽車分散控制隊列行駛最優(yōu)控制問題，提供求解最優(yōu)控制 量的函數(shù)方程；實時反饋最優(yōu)控制，求解最優(yōu)控制量。本發(fā)明在滿足車輛之間安全間距的 情況下，采用一種基于分散控制的混合動力汽車節(jié)能預測控制方法，根據(jù)全球定位系統(tǒng)，雷 達，智能交通系統(tǒng)，車路通信系統(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，進而可以獲得混合動力汽車系統(tǒng)最優(yōu)性能。該方法運用行星齒輪機構作為電子 無極變速器，使發(fā)動機始終工作于其最佳工作點。同時，運用道路交通信息，預測前車和后 車行駛狀態(tài)，在線調(diào)整混合動力汽車能量流動，達到節(jié)能減排的目標。另外，本發(fā)明不同于 傳統(tǒng)的集中控制方法，大大減少了計算時間，提高了車輛的實時控制特性，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。
[0051] 圖1為本發(fā)明控制方法的研究對象的結構圖。在車輛建模過程中使用本結構圖分 析系統(tǒng)機械和電氣耦合關系。結構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，蓄電池，2個發(fā)電電動一體機和車輪。電動機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 機械親合發(fā)動機和2個發(fā)電電動一體機。逆變器電氣親合蓄電池和2個發(fā)電電動一體機。 通過對系統(tǒng)機械耦合和電氣耦合解耦獲得獨立的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。
[0052] 圖2揭示了整個控制方法的過程。采集的信息作為系統(tǒng)模型的輸入。由車載雷達 測速裝置采集前方車輛速度和后方車輛速度，用于跟蹤控制。由智能交通系統(tǒng)、車間通信系 統(tǒng)、車路通信系統(tǒng)采集交通信號信息以及實時路況信息，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)進行估計。車輛建模為公式化模型預測控制策 略提供預測未來車輛狀態(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。
[0053] 圖3為本發(fā)明具體控制結構圖。由全球定位系統(tǒng)、車載雷達裝置、智能交通系統(tǒng)、 車間通信系統(tǒng)、車路通信系統(tǒng)采集自車位置，前車位置，后車位置，自車速度，前車速度，后 車速度，自車加速度，前車加速度和后車加速度。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。根據(jù)道路坡度產(chǎn)生目標蓄電池荷電狀態(tài)。測取的車輛狀態(tài)，道路 坡度信息，前方和后方車輛位置和速度以及交通信息，目標蓄電池荷電狀態(tài)，目標車輛速度 輸入模型預測控制器，模型預測控制器根據(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。
[0054] 實施例：以行星齒輪式混聯(lián)混合動力驅動系統(tǒng)為例進行說明，如圖1所示，本發(fā)明 公開了一種基于分散控制的混合動力汽車節(jié)能預測控制方法，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。該方法的原理如圖2所 示，具體控制方法包括以下步驟：
[0055] 步驟1)信息采集：
[0056] 由全球定位系統(tǒng)采集前車、后車和自車的位置信息，作為實時車輛狀態(tài)反饋，由車 載雷達測速裝置采集前方車輛速度，后方車輛速度，用于跟蹤控制，由智能交通系統(tǒng)、車路 通信系統(tǒng)和車間通信系統(tǒng)采集交通信號信息、實時路況信息以及自車、后車和前車速度、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4荷電狀 態(tài)進行估計。
[0057] 步驟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1，蓄電池4,發(fā)電機3,電動機6和車輪。動力分配器2作為動力分配裝置既有速度親合 器的作用，又有電子無極變速器作用。根據(jù)車輛機械耦合和電子耦合關系，可以列寫系統(tǒng)動 力學方程。對動力學方程解耦，最終可以獲得系統(tǒng)的狀態(tài)空間模型，如式（1)所示：
[0058] X = [pp Vp p2 v2 SOC2 pf vf]
[0059] u = [u2 Pbatt2]
[0060] .?二
[0064] 式中，x為狀態(tài)量，u為控制量。參數(shù)pp，vp，p f和v f為前車位置，前車速度，后車 位置和后車速度。參數(shù)p2, VjPSOC2為自車的位置，速度和蓄電池4荷電狀態(tài)。參數(shù)112和 Pbatt2為自車的驅動加速度和自車蓄電池4的充放電功率。參數(shù)P，CD2, A2, m2, g，μ和Θ 2 是空氣密度，自車空氣阻力系數(shù)，自車迎風面積，自車質(zhì)量，重力加速度，滾動阻力系數(shù)和自 車道路坡度。Rbatt和Q batt是蓄電池4開路電壓，內(nèi)阻和容量。預測區(qū)間內(nèi)由于車輛的 慣性，假設前方車輛加速度一定。如果前行車速度大于最大值或者小于一定值，則前行車加 速度為0。如果前方遭遇交通信號燈紅燈，則假定一輛速度為〇的前行車停在交通信號燈位 置處。車輛的啟動和停止速度模式采用實驗曲線，運用實際駕駛員的特性測取。
[0065] 車輛的燃油經(jīng)濟性評價采用威蘭氏線性模型，如式（2)所示：
[0066] m,(f) = wt(PhJU)-P, (P ,(r)-p, "(/); .(?.
[0067] 式中mf為燃油消耗率。參數(shù)Praq為車輛需求功率。c f為常數(shù)參數(shù)。
[0068] 步驟3)公式化控制策略：
[0069] 基于分散控制的混合動力汽車能量管理模型預測最優(yōu)控制策略的步驟為：首先 檢測自車、后車和前車狀態(tài)，包括位置，速度和加速度信息，其次運用所建立的數(shù)學模型和 公式化控制策略求解最優(yōu)控制問題，最后應用所求得的最優(yōu)控制序列的第一個控制量于系 統(tǒng)。由于模型預測控制為區(qū)間最優(yōu)控制，所以其求得的最優(yōu)控制量是數(shù)量為預測區(qū)間除以 采樣間隔的序列。最優(yōu)控制序列的第一個控制量與實際狀態(tài)最接近，所以一般采用它來作 為實際的控制量。
[0070] 模型預測控制的基本原理為：在每一個采樣時刻，根據(jù)預測模型對系統(tǒng)未來代價 函數(shù)進行預測，通過對未來預測區(qū)間內(nèi)的性能指標進行優(yōu)化，并根據(jù)實測對象的輸出進行 反饋校正，將控制策略設計轉化為優(yōu)化過程，