一种基于快速求解算法的混合动力车辆跟车巡航能量管理方法

摘要

本发明公开了一种基于快速求解算法的混合动力车辆跟车巡航能量管理方法，包括：建立非线性优化快速算法；对考虑跟车的上层速度规划建模，并将非线性优化快速算法应用于模型；对上层速度规划下得到的驱动力和制动力进行优化，以节能为目的进行下层控制分配力矩；根据下层控制的力矩分配，获得发动机力矩和电机力矩。本发明所述方法将对非线性系统求最优解的快速算法应用于上层的速度规划中，能够保证跟车的前提下合理地规划速度和驱动力以及制动力。

权利要求

1.一种基于快速求解算法的混合动力车辆跟车巡航能量管理方法，其特征在于：所述方法步骤如下：

步骤一：建立非线性优化快速算法；

具体过程如下：

将非线性系统：

y＝Cx

中的非线性部分转化为一个具有时变扰动的线性方程：y＝Cx

n×1 m×1 l×1 s×1其中：x∈R 为状态变量，u∈R 为控制变量，d∈R 为时变扰动，y∈R 为输出变n×n n×m n×l s×n量，A∈R 为状态矩阵，Bu∈R 为控制矩阵，Bd∈R 为扰动矩阵，C∈R 为输出矩阵；

目标函数为：

s×s m×m

其中：Q∈R 和R∈R 均为正定加权矩阵；

控制律表示为系统状态、扰动及其导数的反馈形式：在第一次迭代中：

将扰动去除，非线性系统：转化为线性系统：

根据基础算法，选择控制律为：u1＝Kxx1

因此，得到控制变量u1和状态变量x1的最优解；

在第二次迭代中：

通过将控制律代入原系统，得到第一次迭代的扰动为：Bdd1＝f(x1,u1)‑Ax1+Buu1然后，将非线性系统转化为：将更新后的系统与控制律：相结合，得到第二次迭代的最优控制律u2和x2；

根据上述迭代过程，通过不断地对系统进行更新，可以得到多次迭代的结果，最终得到迭代的最优控制规律并找到规律；

步骤二：对考虑跟车的上层速度规划建模，并将非线性优化快速算法应用于模型；

具体过程如下：

设定状态变量 控制变量其中：Δds为本车和前车相对距离误差，Δv为本车和前车的速度差，Ft为本车的驱动力， 为本车驱动力变化率，Fb为本车制动力；

令 b＝crg

其中：Cd为空气阻力系数；Af为迎风面积；ρ为空气密度；M为车辆质量；cr为关于f和θ的函数，θ为坡度，f为滚动阻力系数；g为重力加速度；

进一步地：

cr＝fcosθ+sinθ；

其中：Th为跟车时距，ap为前车加速度，ah为本车加速度，FR为车辆行驶阻力，v为本车速度；

基于上述设定，建立目标函数如下：针对安全性建立函数如下：

2 2

JT＝wdΔds+wvΔv其中：JT为安全性目标；wd为距离跟踪参数；wv为速度跟踪参数；

针对制动力建立函数如下：2

JF＝wbFb

其中：JF为制动力目标；wb为制动力参数；

针对舒适性建立函数如下：其中：Jc为舒适性目标；wt为驱动力变化率参数；

结合所述安全性目标JT、制动力目标JF以及舒适性目标Jc，建立目标函数如下：其中：β为常数；

当目标函数为：

则：

步骤三：对上层速度规划下得到的驱动力和制动力进行优化，以节能为目的进行下层控制分配力矩；

步骤四：根据下层控制的力矩分配，获得发动机力矩和电机力矩。

2.如权利要求1所述一种基于快速求解算法的混合动力车辆跟车巡航能量管理方法，其特征在于：

所述步骤三中，下层控制分配力矩的具体过程如下：在每个采样周期下，考虑上层速度规划得到的驱动力和制动力需求，下层控制主要进行节能的力矩分配，即：其中：J为目标函数；Ts为采样时间；Gfuel为发动机燃油消耗率；Rtor为力矩分配比；Gelc为电机功率；

发动机燃油消耗率为：

2 2

Gfuel(Rtor)＝p01Tf+p10wf+p11Tfwf+p02Tf+p20wf其中：p01为系数；p10为系数；p11为系数；p02为系数；p20为系数；

Tf为发动机转矩：

其中：k为车辆固定系数；Tdem为总的力矩需求；wf为发动机转速；i0为主减速比；ig为变速器传动比；v为本车速度；rw为动态轮胎半径；

电机功率为：

其中：Tm为电机转矩；wm为电机转速；b10为系数；b01为系数；b11为系数；b02为系数；b20为系数；

根据上层速度规划下的驱动力和制动力要求，预测[t，t+Ts]内的车速，记为 设：故，下层最优控制的目标函数如下：约束为：

x1＝(1‑ku)Tdemx2＝uTdem

边界条件为：

0≤u≤1

‑150≤x1≤150‑150≤x2≤150通过优化工具箱求出每一采样时间Ts内的优化控制率。

3.如权利要求2所述一种基于快速求解算法的混合动力车辆跟车巡航能量管理方法，其特征在于：

所述步骤四中，获得发动机力矩和电机力矩的具体过程如下：应用matlab里的yalmip优化平台和CPLEX求解器结合，导入所述步骤二得到的本车速度和总驱动力，得到力矩分配，以及发动机力矩和电机力矩。

说明书

一种基于快速求解算法的混合动力车辆跟车巡航能量管理

方法

技术领域

[0001] 本发明属于车辆能量管理技术领域，具体涉及一种基于快速求解算法的混合动力车辆跟车巡航能量管理方法。

背景技术

[0002] 在智慧城市、智能交通和汽车智能化的大背景下,在人‑车、车‑车、车‑路通信的基础上，我们需要对车辆速度等进行综合控制以提高整车能源的利用效率。车载导航系统、全
球定位系统和地理信息系统的引入，使车辆获取未来道路和交通信息成为可能，也为车辆
提供更好的条件以提高能源利用效率，尤其是节能的速度规划已经成为汽车能量管理的重
要一部分。通常是基于导航、高精度地图和对未来道路信息的预测，综合考虑路况信息对车
辆行驶经济性的影响，从而改善驾驶决策行为和动力传动系统的控制输出，最终提高整车
能源利用效率。

[0003] 现有的车辆能量管理算法较为复杂，且在跟车巡航方面缺少相应的算法。

发明内容

[0004] 针对上述现有技术中存在的缺陷，本发明提供了一种基于快速求解算法的混合动力车辆跟车巡航能量管理方法，本发明所述方法将对非线性系统求最优解的快速算法应用
于上层的速度规划中，能够保证跟车的前提下合理地规划速度和驱动力以及制动力。结合
说明书附图，本发明的技术方案如下：

[0005] 一种基于快速求解算法的混合动力车辆跟车巡航能量管理方法，所述方法步骤如下：

[0006] 步骤一：建立非线性优化快速算法；

[0007] 步骤二：对考虑跟车的上层速度规划建模，并将非线性优化快速算法应用于模型；

[0008] 步骤三：对上层速度规划下得到的驱动力和制动力进行优化，以节能为目的进行下层控制分配力矩；

[0009] 步骤四：根据下层控制的力矩分配，获得发动机力矩和电机力矩。

[0010] 所述步骤一中，建立非线性优化快速算法的具体过程如下：

[0011] 将非线性系统：

[0012]

[0013] y＝Cx

[0014] 中的非线性部分转化为一个具有时变扰动的线性方程：

[0015]

[0016] y＝Cx

[0017] 其中：x∈Rn×1为状态变量，u∈Rm×1为控制变量，d∈Rl×1为时变扰动，y∈Rs×1为输出n×n n×m n×l s×n
变量，A∈R 为状态矩阵，Bu∈R 为控制矩阵，Bd∈R 为扰动矩阵，C∈R 为输出矩阵；

[0018] 目标函数为：

[0019]

[0020] 其中：Q∈Rs×s和R∈Rm×m均为正定加权矩阵；

[0021] 控制律表示为系统状态、扰动及其导数的反馈形式：

[0022]

[0023] 在第一次迭代中：

[0024] 将扰动去除，非线性系统：

[0025]

[0026] 转化为线性系统：

[0027]

[0028] 根据基础算法，选择控制律为：

[0029] u1＝Kxx1

[0030] 因此，得到控制变量u1和状态变量x1的最优解；

[0031] 在第二次迭代中：

[0032] 通过将控制律代入原系统，得到第一次迭代的扰动为：

[0033] Bdd1＝f(x1,u1)‑Ax1+Buu1

[0034] 然后，将非线性系统转化为：

[0035]

[0036] 将更新后的系统与控制律：

[0037]

[0038] 相结合，得到第二次迭代的最优控制律u2和x2；

[0039] 根据上述迭代过程，通过不断地对系统进行更新，可以得到多次迭代的结果，最终得到迭代的最优控制规律并找到规律。

[0040] 所述步骤二中，将非线性优化快速算法应用于模型的具体过程如下：

[0041] 设定状态变量 控制变量

[0042] 其中：Δds为本车和前车相对距离误差，Δv为本车和前车的速度差，Ft为本车的驱动力， 为本车驱动力变化率，Fb为本车制动力；

[0043] 令

[0044] 其中：Cd为空气阻力系数；Af为迎风面积；ρ为空气密度；M为车辆质量；cr为关于f和θ的函数，θ为坡度，f为滚动阻力系数；g为重力加速度；

[0045] 进一步地：

[0046]

[0047]

[0048] cr＝fcosθ+sinθ；

[0049] 其中：Th为跟车时距，ap为前车加速度，ah为本车加速度，FR为车辆行驶阻力，v为本车速度；

[0050] 基于上述设定，建立目标函数如下：

[0051] 针对安全性建立函数如下：

[0052] JT＝wdΔds2+wvΔv2

[0053] 其中：JT为安全性目标；wd为距离跟踪参数；wv为速度跟踪参数；

[0054] 针对制动力建立函数如下：

[0055] JF＝wbFb2

[0056] 其中：JF为制动力目标；wb为制动力参数；

[0057] 针对舒适性建立函数如下：

[0058]

[0059] 其中：Jc为舒适性目标；wt为驱动力变化率参数；

[0060] 结合所述安全性目标JT、制动力目标JF以及舒适性目标Jc，建立目标函数如下：

[0061]

[0062] 其中：β为常数；

[0063] 当目标函数为：

[0064]

[0065] 则：

[0066]

[0067] 所述步骤三中，下层控制分配力矩的具体过程如下：

[0068] 在每个采样周期下，考虑上层速度规划得到的驱动力和制动力需求，下层控制主要进行节能的力矩分配，即：

[0069]

[0070] 其中：J为目标函数；Ts为采样时间；Gfuel为发动机燃油消耗率；Rtor为力矩分配比；Gelc为电机功率；

[0071] 发动机燃油消耗率为：

[0072] Gfuel(Rtor)＝p01Tf+p10wf+p11Tfwf+p02Tf2+p20wf2

[0073] 其中：p01为系数；p10为系数；p11为系数；p02为系数；p20为系数；

[0074] Tf为发动机转矩：

[0075]

[0076] 其中：k为车辆固定系数；Tdem为总的力矩需求；wf为发动机转速；i0为主减速比；ig为变速器传动比；v为本车速度；rw为动态轮胎半径；

[0077] 电机功率为：

[0078] Gelc(Tm,wm)＝b01Tm+b10wm+b11Tmwm+b20wm2+b02Tm2,

[0079] 其中：Tm为电机转矩；wm为电机转速；b10为系数；b01为系数；b11为系数；b02为系数；b20为系数；

[0080] 根据上层速度规划下的驱动力和制动力要求，预测[t，t+Ts]内的车速，记为设：

[0081]

[0082] 故，下层最优控制的目标函数如下：

[0083]

[0084] 约束为：

[0085] x1＝(1‑ku)Tdem

[0086] x2＝uTdem

[0087] 边界条件为：

[0088] 0≤u≤1

[0089] ‑150≤x1≤150

[0090] ‑150≤x2≤150

[0091] 通过优化工具箱求出每一采样时间Ts内的优化控制率。

[0092] 所述步骤四中，获得发动机力矩和电机力矩的具体过程如下：

[0093] 应用matlab里的yalmip优化平台和CPLEX求解器结合，导入所述步骤二得到的本车速度和总驱动力，得到力矩分配，以及发动机力矩和电机力矩。

[0094] 与现有技术相比，本发明的有益效果在于：

[0095] 本发明所述基于快速求解算法的混合动力车辆跟车巡航能量管理方法提出一种考虑速度规划的汽车分层能量管理策略，上层的速度规划充分考虑了前方车辆行驶信息，
下层在速度规划的基础上进行发动机和电机力矩以及挡位的优化计算，并给出最优解。仿
真分析结果表明，本发明所提出的基于快速求解算法的混合动力车辆跟车巡航能量管理方
法具有较好效果，且相比传统的迭代算法大大提高了计算效率。

附图说明

[0096] 图1为本发明所述基于快速求解算法的混合动力车辆跟车巡航能量管理方法流程简图；

[0097] 图2为本发明所述混合动力车辆跟车巡航能量管理方法中，通过快速算法得到的前后两车间距仿真结果示意图；

[0098] 图3为本发明所述混合动力车辆跟车巡航能量管理方法中，通过快速算法得到的前后两车间距误差仿真结果示意图；

[0099] 图4为本发明所述混合动力车辆跟车巡航能量管理方法中，通过快速算法得到的前后两车速度差仿真结果示意图；

[0100] 图5为本发明所述混合动力车辆跟车巡航能量管理方法中，通过快速算法得到的本车车速仿真结果示意图；

[0101] 图6为本发明所述混合动力车辆跟车巡航能量管理方法中，通过快速算法得到的前车车速仿真结果示意图；

[0102] 图7为本发明所述混合动力车辆跟车巡航能量管理方法中，通过快速算法得到的本车驱动力和制动力仿真结果示意图；

[0103] 图8为本发明所述混合动力车辆跟车巡航能量管理方法中，通过快速算法得到的本车功率仿真结果示意图；

[0104] 图9为本发明所述混合动力车辆跟车巡航能量管理方法中，通过快速算法得到的本车驱动力变化率仿真结果示意图；

[0105] 图10为本发明所述混合动力车辆跟车巡航能量管理方法，所获得的本车力矩分配比示意图；

[0106] 图11为本发明所述混合动力车辆跟车巡航能量管理方法，所获得的本车发动机力矩和电机力矩示意图。

具体实施方式

[0107] 为清楚、完整地描述本发明所述技术方案及其具体工作过程，结合说明书附图，本发明的具体实施方式如下：

[0108] 如图1所示，本发明公开了一种基于快速求解算法的混合动力车辆跟车巡航能量管理方法，所述方法具体过程如下：

[0109] 步骤一：建立非线性优化快速算法；

[0110] 将非线性系统：

[0111]

[0112] y＝Cx

[0113] 中的非线性部分看作一个具有时变扰动的线性系统，将其转化为一个具有时变扰动的线性方程：

[0114]

[0115] y＝Cx

[0116] 其中：x∈Rn×1为状态变量，u∈Rm×1为控制变量，d∈Rl×1为时变扰动，y∈Rs×1为输出n×n n×m n×l s×n
变量，A∈R 为状态矩阵，Bu∈R 为控制矩阵，Bd∈R 为扰动矩阵，C∈R 为输出矩阵；

[0117] 目标函数为：

[0118]

[0119] 其中：Q∈Rs×s和R∈Rm×m均为正定加权矩阵。

[0120] 控制律表示为系统状态、扰动及其导数的反馈形式：

[0121]

[0122] 在第一次迭代中：

[0123] 将扰动去除，非线性系统：

[0124]

[0125] 转化为线性系统：

[0126]

[0127] 根据基础算法，选择控制律为：

[0128] u1＝Kxx1

[0129] 因此，得到控制变量u1和状态变量x1的最优解；

[0130] 在第二次迭代中：

[0131] 通过将控制律代入原系统，得到第一次迭代的扰动为：

[0132] Bdd1＝f(x1,u1)‑Ax1+Buu1

[0133] 然后，将非线性系统转化为：

[0134]

[0135] 将更新后的系统与控制律：

[0136]

[0137] 相结合，得到第二次迭代的最优控制律u2和x2；

[0138] 根据上述迭代过程，通过不断地对系统进行更新，可以得到多次迭代的结果，最终得到迭代的最优控制规律并找到规律。

[0139] 步骤二：对考虑跟车的上层速度规划建模，并将非线性优化快速算法应用于模型；

[0140] 设定状态变量 控制变量

[0141] 其中：Δds为本车和前车相对距离误差，Δv为本车和前车的速度差，Ft为本车的驱动力， 为本车驱动力变化率，Fb为本车制动力；

[0142] 令

[0143] 其中：Cd为空气阻力系数，取0.373；Af为迎风面积，取2.58m2；ρ为空气密度，取1.29；M为车辆质量，取1658kg；cr为关于f和θ的函数，θ为坡度，取0，f为滚动阻力系数，取
2
0.02；g为重力加速度，取9.8m/s；

[0144] 经进一步推倒：

[0145]

[0146]

[0147] cr＝fcosθ+sinθ；

[0148] 其中：Th为跟车时距，ap为前车加速度，ah为本车加速度，FR为车辆行驶阻力，v为本车速度；

[0149] 基于上述推倒可知，系统可控可观；

[0150] 建立目标函数如下：

[0151] 1、为保证安全性能，针对安全性建立函数如下：

[0152] JT＝wdΔds2+wvΔv2

[0153] 其中：JT为安全性目标；wd为距离跟踪参数，取0.6；wv为速度跟踪参数，取0.01；

[0154] 2、为避免制动力过大，针对制动力建立函数如下：

[0155] JF＝wbFb2

[0156] 其中：JF为制动力目标；wb为制动力参数，取0.00005；

[0157] 3、为保证舒适性能，针对舒适性建立函数如下：

[0158]

[0159] 其中：Jc为舒适性目标；wt为驱动力变化率参数，取0.00005；

[0160] 结合上述安全性目标JT、制动力目标JF以及舒适性目标Jc，建立目标函数如下：

[0161]

[0162] 其中：β为常数，取0.001；

[0163] 当目标函数为：

[0164]

[0165] 则：

[0166]

[0167] 基于上述非线性优化快速算法的上层速度规划模型，对车辆行驶状态进行模拟仿真，其中，前车工况选择经典工况UDDS的一部分，matlab仿真时间Tf取25秒；采样时间Ts取
0.1秒；采样点数N为250；如图2至图9所示，通过得到的前后两车间距仿真结果、前后两车间
距误差仿真结果、前后两车速度差仿真结果、本车车速仿真结果、前车车速仿真结果、本车
驱动力和制动力仿真结果、本车功率仿真结果以及本车驱动力变化率仿真结果可知：通过
上述非线性优化快速算法可以使本车跟上前车并保持适当的距离，在短时间内可以得到本
车的最优速度、最优总驱动力以及最优制动力等信息。

[0168] 步骤三：对上层速度规划下得到的驱动力和制动力进行优化，以节能为目的进行下层控制分配力矩；

[0169] 在每个采样周期下，考虑上层速度规划得到的驱动力和制动力需求，下层控制主要进行节能的力矩分配，即：

[0170]

[0171] 其中：J为目标函数；Ts为采样时间，取0.1s；Gfuel为发动机燃油消耗率；Rtor为力矩分配比；Gelc为电机功率；

[0172] 发动机燃油消耗率为：

[0173] Gfuel(Rtor)＝p01Tf+p10wf+p11Tfwf+p02Tf2+p20wf2

[0174] 其中：p01为系数，取‑0.0024；p10为系数，取0.00019；p11为系数，取5.25×10‑6；p02‑5 ‑8
为系数，取2.635×10 ；p20为系数，取6.7×10 ；

[0175] Tf为发动机转矩：

[0176] Tf＝(1‑kRtor)Tdem,

[0177] 其中：k为车辆固定系数，取0.5；Tdem为总的力矩需求；wf为发动机转速；i0为主减速比，取3.94；ig为变速器传动比选取如下：当v∈[0,5]时，ig＝4.16，当v∈(5,8]时，ig＝
2.45；当v∈(8,12]时，ig＝1.61；当v∈(12,16]时，ig＝1.20；当v∈(16,20]时，ig＝0.92，当
v∈(20,33]时，ig＝0.70；v为本车速度；rw为动态轮胎半径，取0.3m；

[0178] 电机功率为：2 2

[0179] Gelc(Tm,wm)＝b01Tm+b10wm+b11Tmwm+b20wm+b02Tm ,

[0180] 其中：Tm为电机转矩；wm为电机转速；b10为系数，取0.00019；b01为系数，取‑0.0024；‑6 ‑5 ‑8
b11为系数，取5.25×10 ；b02为系数，取2.635×10 ；b20为系数，取6.7×10 ；

[0181] 根据上层速度规划下的驱动力和制动力要求，预测[t，t+Ts]内的车速，记为设：

[0182]

[0183] 故，下层最优控制的目标函数如下：

[0184]

[0185] 约束为：

[0186] x1＝(1‑ku)Tdem

[0187] x2＝uTdem

[0188] 边界条件为：

[0189] 0≤u≤1

[0190] ‑150≤x1≤150

[0191] ‑150≤x2≤150

[0192] 通过优化工具箱求出每一采样时间Ts内的优化控制率，其中，为满足对发动机和电机的快速控制，设下层控制的采样时间Ts为10ms。

[0193] 步骤四：根据下层控制的力矩分配，获得发动机力矩和电机力矩；

[0194] 应用matlab里的yalmip优化平台和CPLEX求解器结合，将步骤二得到的整个过程中本车速度和总驱动力导入，得到力矩分配如图10所示，发动机力矩和电机力矩如图11所
示。

[0195] 尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述
实施例进行变化、修改、替换和变型。

[0196] 以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所作出的各种其他相应的改变与变形，均应包含在本发明权利要求的保
护范围内。