[發明專利]一種插電式混合動力汽車能量智能管理方法有效
| 申請號: | 202011044958.2 | 申請日: | 2020-09-29 |
| 公開(公告)號: | CN111923897B | 公開(公告)日: | 2021-03-23 |
| 發明(設計)人: | 劉艷芳;康焰龍;徐向陽;董鵬;王書翰 | 申請(專利權)人: | 北京航空航天大學 |
| 主分類號: | B60W20/00 | 分類號: | B60W20/00;B60W50/00;B60L58/13 |
| 代理公司: | 北京航智知識產權代理事務所(普通合伙) 11668 | 代理人: | 黃川;史繼穎 |
| 地址: | 100191*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 插電式 混合 動力 汽車 能量 智能 管理 方法 | ||
1.一種插電式混合動力汽車能量智能管理方法,其特征在于,包括以下步驟:
S1:建立整車縱向動力學模型,傳動系統的數學模型以及發動機、電機和傳動系統輸出端的功率平衡方程;
S2:根據汽車的行駛記錄,得到行駛循環的速度譜,作為駕駛循環的測試工況;
S3:基于等效消耗最小策略,以實時的總能量消耗最小為目標,建立目標函數;
S4:根據步驟S3建立的目標函數,基于龐特里亞金極小值原理,建立哈密頓函數,選取等效因子,以步驟S2得到的測試工況,計算汽車在相應等效因子和駕駛工況下的動力電池SOC消耗情況;
S5:將S4的計算結果作為模糊神經網絡的訓練數據,訓練后得到車速、需求扭矩、等效因子與對應動力電池SOC消耗的模糊神經網絡模型;
S6:將目標路程以N米為間距等間隔分段,N≥50,基于步驟S5的模型,目標路程上的平均車速信息及每段道路的距離作為步驟S5得到的模糊神經網絡模型的輸入參數,運算后,得到一系列等效因子對應的分段道路的動力電池SOC消耗和燃油消耗的預測情況;
S7:對步驟S6得到的等效因子和預測結果進行組合,在離線情況下選擇每段道路的等效因子,使得最終的動力電池SOC消耗滿足設定的要求,在此基礎上選擇燃油消耗最小的方案作為理想方案,同時得到行駛路程與動力電池SOC消耗的關系曲線;
S8:基于步驟S7的理想方案,實時狀態下,利用自適應等效消耗最小的方法調整等效因子,根據當前時刻動力電池實際SOC消耗與理想SOC消耗的差值,利用PID控制器調整等效因子,使動力電池實際SOC消耗接近理想SOC消耗,最終獲得滿足設定要求的動力電池SOC消耗情況。
2.根據權利要求1所述的一種插電式混合動力汽車能量智能管理方法,其特征在于,進一步地,所述步驟S1中建立整車縱向動力學模型為:
其中,為電機需求的總功率,為電機的輸出轉矩,為電機的轉速,為電機的工作效率,為驅動電機輸出軸到車輪之間動力傳輸的機械效率,為汽車的總質量,為旋轉質量換算系數,為重力加速度系數,為汽車與地面的摩擦系數,為汽車車速,為傳動機構傳動比,為車輪滾動半徑,為空氣阻力系數,為乘用車迎風面積。
3.根據權利要求1所述的一種插電式混合動力汽車能量智能管理方法,其特征在于,所述步驟S3中基于等效消耗最小策略建立的目標函數為:
其中,為總燃油消耗,為發動機的燃油消耗量,為電池總的輸出功率,為時刻自適應等效因子。
4.根據權利要求1所述的一種插電式混合動力汽車能量智能管理方法,其特征在于,所述步驟S8中利用自適應等效消耗最小的方法調整等效因子,具體方法為:
其中,為時刻的自適應等效因子,為上一時刻的自適應等效因子,為比例控制器的比例系數,為路程為
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京航空航天大學,未經北京航空航天大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011044958.2/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種儀表指針關鍵點檢測方法
- 下一篇:一種視頻圖像無損編解碼方法及系統





