分模式最优化混联式混合动力汽车能量管理方法

摘要

本发明涉及一种分模式最优化混联式混合动力汽车能量管理方法，具体包括以下步骤：1)状态机根据车速、电池充电状态值和车辆需求功率确定当前汽车所处的工作模式；2)模式选择控制器获取状态机确定的工作模式，选取与当前工作模式相对应的控制算法及所需传感器信号；3)由选定的控制算法得到各驱动源转矩信号和制动转矩信号，并将驱动源转矩信号传送给发动机控制器和电机控制器，制动转矩信号传送给制动控制器。与现有技术相比，本发明具有实用性高、计算负荷低、优化性能好、适用范围广等优点。

说明书

技术领域

本发明涉及一种混合动力汽车的能量管理方法，尤其是涉及一种分模式最优化混联式混合动力汽车能量管理方法。

背景技术

混合动力汽车是当前清洁能源汽车的发展主流，它可弥补纯电动汽车续驶里程短的不足，同时相对传统汽车又可大幅度地提高能源利用率，减少尾气排放。混合动力汽车有内燃机、电机等多个动力源，结构复杂，如何实时有效地对多个动力源进行能量管理仍是混合动力汽车控制领域的难题之一。

混联式混合动力汽车的传动系统主要有两种结构，即行星齿轮结构和双转子电机结构，其中行星齿轮结构被广泛采用。混联式混合动力汽车的能量管理策略主要有三种方法，即基于规则方法、最优化方法和智能化方法，而实际被采用的只有基于规则的能量管理策略。基于规则的能量管理策略主要以发动机为优化对象，由发动机的万有特性曲线确定发动机的最优工作区域，根据最优工作区域来制定控制策略，目前，该方法主要采用发动机恒定工作点控制策略或发动机最优工作曲线控制策略。基于规则的方法虽然控制简单，实用性强，但无法保证整车在运行过程中始终处于最优状态。基于最优化方法的能量管理策略是以车辆所有动力部件为优化对象，根据车辆当前的运行状态以及将来的运行信息，对车辆各个动力部件进行实时优化控制，保证整车在运行过程中始终处于最优状态。目前，正在研究的主要方法有动态规划法、等效消耗最小法和预测控制法。基于最优化的方法理论上可以保证车辆驱动系统实时处于最优运行状态，但由于控制变量多、计算负荷大，且需获取将来的行驶路况信息，因此现在还无法实际应用到普通车辆上。智能化能量管理策略大都以车辆所有动力部件为优化对象，以人的思维方式对车辆驱动系统在运行过程中进行优化控制，如模糊控制和神经网络等方法，智能化方法虽然鲁棒性强，但优化效果无法得到保障。

在专利《一种混合动力车辆能量管理方法及能量管理系统》(申请公布号为CN102717797A)中，公布了一种基于远程服务器进行最优化控制的能量管理策略，把采集到的相关数据通过GPRS实时得传递给远程服务器，建立驾驶员需求功率转移概率矩阵，并基于随机动态规划建立能量管理状态转移矩阵，通过迭代计算得到最优解，再传输给车辆控制器进行控制。这种方法计算负荷大，且仅适用于路线固定的公交汽车。在专利《一种混联式混合动力车辆的动力控制方法》(申请公布号CN102815295A)中，公布了一种基于需求功率进行分模式控制的能量管理策略，但未能保证每个模式下车辆驱动系统都处于最优状态。在文献″A four-step methodto design an energy management strategy for hybrid vehicles″(Zhu Yuan，Chen Yaobin，Tian Guangyu，et a1.Proceedings of American Control Conference，pp.156-161，2004)中，针对一种混联式混合动力电动汽车，提出过分模式控制方法，但每个模式内均采用模糊控制方法，优化方法只用来调整相关参数，所以控制效果的优化性不能保证。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种实用性高、计算负荷低、优化性能好、适用范围广的分模式最优化混联式混合动力汽车能量管理方法。

本发明的目的可以通过以下技术方案来实现：

一种分模式最优化混联式混合动力汽车能量管理方法，所述的混合动力汽车中设有行星齿轮耦合装置以及与行星齿轮耦合装置连接的发动机、第一电机和第二电机，发动机有发动机控制器，两电机有各自的控制器，所述的控制方法具体包括以下步骤：

1)状态机根据车速、电池充电状态值和车辆需求功率对汽车的工作模式进行切换，以确定当前汽车所处的工作模式；

2)模式选择控制器获取状态机确定的工作模式，选取与当前工作模式相对应的控制算法及所需传感器信号；

3)由选定的控制算法得到各驱动源转矩信号和制动转矩信号，并将驱动源转矩信号传送给发动机控制器和电机控制器，制动转矩信号传送给制动控制器。

所述的状态机对汽车的工作模式进行切换具体为：

101)状态机判断是否满足当前车速小于下限值、电池SOC值大于下限值且车辆需求功率小于电池额定功率，若满足，则将工作模式切换为低速模式，并执行步骤103)，否则执行步骤102)；

102)判断当前车速是否小于上限值，若是，则将工作模式切换为常规模式，并执行步骤103)，若否，则将工作模式切换为高速模式；

103)判断车辆需求功率是否小于等于零，若是，则进入再生制动模式，并执行步骤104)，若否，则执行步骤101)；

104)判断车辆需求功率是否大于零，若是，则执行步骤101)，若否，则保持再生制动模式。

当汽车的工作模式为低速模式时，所述的控制算法为PID。控制器采用PID控制算法根据电机需求转速与电机实际转速的差值输出低速模式下电机需求转矩；

当汽车的工作模式为常规模式、高速模式或再生制动模式时，所述的控制算法为模型预测控制算法，模式选择控制器获取当前工作模式，由当前工作模式下的状态方程和目标函数采用模型预测控制算法获得最优控制量。

当汽车的工作模式为常规模式时，所述的模型预测控制算法的具体控制过程为：

201)确定常规模式下的状态方程及目标函数，常规模式下的状态方程为

$>\left(\begin{array}{c}\stackrel{·}{x}=\mathrm{Ax}+B_{u}u+B_{v}v\\ y=\mathrm{Cx}\end{array}\right)$>

其中状态量x＝(w_eng，w_MG2，SOC)^T，w_eng为发动机转速，w_MG2为第二电机转速，SOC为电池充电状态值；控制量u＝(T_eng，T_MG2，T_MG1）^T，T_eng为发动机转矩，T_MG2为第二电机转矩，T_MG1第一电机转矩；v为扰动量；y为输出量，A、B_u、B_v和C为关系矩阵，u为输入量；

常规模式下的目标函数是

J＝a_yf_y(y，u，Δu)+a_flf_fl(u，Δu)+a_esf_es(u，△u)+a_SOCf_SOC(u，△u)

其中f_y(y，u，Δu)为驱动性能函数，f_yl(u，Δu)为燃油性函数，f_es(u，Δu)为排放性函数，f_SOC(u，Δu)为电池充电状态函数，a_y、a_fi、a_es和a_SOC为各函数的权值；

202)根据当前时刻的各状态量和控制量，结合驾驶需求功率，在满足各状态量及控制量的约束条件下，使目标函数最小，求得下一时刻的最优控制量值。

与现有技术相比，本发明具有以下优点：

1、综合了基于规则和基于最优化方法的能量管理策略的优点；

2、实用性高，与已有最优化法能量管理策略相比，由于采用分模式最优化方法，控制变量个数减少，状态空间方程得以精简，计算负荷降低，实用性提高；

3、优化性能好，与已实用的能量管理策略相比，由于各模式下都采用最优化控制策略，车辆驱动系统始终处于最优状态；

4、适用范围广，由于无需知晓将来路况信息，适用于各种路线行驶的车辆；

5、模式划分条件与模式切换条件简单，操作性好，由于模式划分主要依据车速，而电池充电状态和车辆需求功率只做补充的切换条件。

附图说明

图1为本发明的工作模式切换流程图；

图2为本发明结构示意图；

图3为动力耦合装置连接示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例

一种分模式最优化混联式混合动力汽车能量管理方法，所述的混合动力汽车中设有行星齿轮耦合装置以及与行星齿轮耦合装置连接的发动机和电机，如图3所示，所述的行星齿轮耦合装置包括相连的发动机、第一电机和第二电机，发动机与齿架相连，即A2端口；第一电机与太阳轮相连，即A1端口；第二电机与齿圈相连，即A3端口；A4端口与驱动轴连接，发动机与发动机控制器连接，第一电机和第二电机均有各自的电机控制器。混合动力汽车中还设有相连接的状态机、模式选择控制器及控制信号选择切换模块，控制信号选择切换模块与发动机控制器和电机控制器相连接。

如图1-图2所示，所述的控制方法具体包括以下步骤：

1)状态机根据车速、电池充电状态值和车辆需求功率对汽车的工作模式进行切换，以确定当前汽车所处的工作模式；

2)模式选择控制器获取状态机确定的工作模式，选取与当前工作模式相对应的控制算法及所需传感器信号；

3)由选定的控制算法得到各驱动源转矩信号和制动转矩信号，并将驱动源转矩信号传送给发动机控制器和电机控制器，制动转矩信号传送给制动控制器。

如图1所示，汽车起动后，结合图1对控制流程进行详细描述：

在步骤401中，判断是否满足当前车速小于常规模式车速的下限值、电池SOC值大于下限值且车辆需求功率小于电池额定功率，若满足，则进入步骤402，否则进入步骤403。

在步骤402中，运行低速模式，由第二电机单独驱动，动力电池提供功率。同步进入步骤406。

在步骤403中，判断当前车速是否小于常规模式车速的上限值，若是，则进入步骤404，否则进入步骤405。

在步骤404中，运行常规模式，发动机和电机混合驱动，无滑行制动和刹车制动，采用模型预测控制算法，通过传感器信息和驾驶员信息实时更新状态方程参数，得到最优控制信息，保证车辆动力性、高效性，维持电池充电状态。同步进入步骤406。

在步骤405中，运行高速模式，除状态方程不同外，其余同常规模式。

在步骤406中，判断驾驶需求功率是否小于等于零，若是，则进入步骤407，否则进入步骤401。

在步骤407中，运行再生制动模式，发动机空转或停止，电机回馈制动，同刹车制动协调控制，得到最大回收能量。同步进入步骤408。

在步骤408中，判断驾驶需求功率是否大于零，若是，则进入步骤401，否则进入步骤407。

如图2所示，模式选择控制器中设有低速模式控制单元、常规模式控制单元、高速模式控制单元和再生制动模式控制单元，各模式控制单元采用各自的控制算法输出控制信号。

当汽车的工作模式为低速模式时，所述的控制算法为PID，低速模式控制单元采用PID控制算法根据电机需求转速与电机实际转速的差值输出低速模式下电机需求转矩；

当汽车的工作模式为常规模式、高速模式或再生制动模式时，所述的控制算法为模型预测控制算法，各模式控制单元根据当前工作模式下的状态方程和目标函数，采用模型预测控制算法获得最优控制量。

采用模型预测控制算法时，目标函数考虑驱动性、油耗、排放及电池充电状态，各部件协调控制，保证车辆驱动系统处于最优状态。以常规模式为例，所述的模型预测控制算法的具体控制过程为：

确定常规模式下的状态方程及目标函数，常规模式下的状态方程为

$>\left(\begin{array}{c}\stackrel{·}{x}=\mathrm{Ax}+B_{u}u+B_{v}v\\ y=\mathrm{Cx}\end{array}\right)$>

其中状态量x＝(w_eng，w_MG2，SOC)^T，w_eng为发动机转速，w_MG2为第二电机转速，SOC为电池充电状态值；控制量u＝(T_eng，T_MG2，T_MG1)^T，T_eng为发动机转矩，T_MG2为第二电机转矩，T_MG1第一电机转矩；v为扰动量；y为输出量，A、B_u、B_v和C为关系矩阵，u为输入量；

常规模式下的目标函数是

J＝a_yf_y(y，u，△u)+a_flf_fl(u，Δu)+a_esf_es(u，Δu)+a_socf_soc(u，Δu)

其中f_y(y，u，Δu)为驱动性能函数，f_fl(u，Δu)为燃油性函数，f_es(u，Δu)为排放性函数，f_SOC(u，Δu)为电池充电状态函数，a_y、a_fl、a_es和a_SOC为各函数的权值；

根据当前时刻的各状态量和控制量，结合驾驶需求功率，在满足各状态量及控制量的约束条件下，使目标函数最小，求得下一时刻的最优控制量值。