[發明專利]一種混合動力汽車能量管理策略優化方法

有效

• 申請號: 202110753743.6
• 申請日: 2021-07-02
• 公開（公告）號: CN113479186B
• 公開（公告）日: 2023-01-10
• 發明（設計）人: 王寶森;楊建軍;付雪青;張先鋒;白巴特爾;李振國;劉雙喜
• 申請（專利權）人: 中汽研（天津）汽車工程研究院有限公司;中國汽車技術研究中心有限公司
• 主分類號: B60W20/11
• 分類號: B60W20/11;B60W20/15
• 代理公司: 天津企興智財知識產權代理有限公司 12226
• 代理人: 安孔川

1.一種混合動力汽車能量管理策略優化方法，其特征在于包括以下步驟：

S1、根據整車及動力系統關鍵參數和能量管理策略建立HEV燃油經濟性仿真模型；

S2、在步驟S1中的HEV燃油經濟性仿真模型中，通過全局優化算法替換原來的能量管理策略，構建HEV最優化能量管理策略模型，并計算得到已知工況下HEV油耗最低時的整車運行參數；

S3、根據HEV最優化能量管理策略模型中的計算結果，優化原HEV規則能量管理策略中的離散值規則參數；

S4、根據最優化能量管理策略模型中的計算結果，通過機器學習算法優化原HEV規則能量管理策略中的連續值規則參數；

S5、組合步驟S3中的優化后的離散值規則參數及步驟S4中的連續值規則參數，獲得優化后完整的HEV規則能量管理策略；

步驟S2中通過全局優化算法替換原來的能量管理策略構建HEV最優化能量管理策略模型過程包括以下步驟：

S201、利用粒子群優化算法中粒子位置和速度對能量管理策略的離散值規則參數進行初始化；

S202、輸入工況數據，采用動態規劃算法計算在當前工況下最低油耗；

S203、將動態規劃算法計算得到的最低油耗作為粒子的適應度值；

S204、獲取粒子個體最優值，重復步驟S203，計算當前的迭代所有粒子的適應度值，并更新粒子個體最優值；

S205、獲取粒子全局最優值，判斷是否滿足結束條件；

S206、若滿足條件，則退出；若不滿足條件，則更新粒子的位置和速度，進行洗下一次迭代；

步驟S202采用動態規劃算法計算當前工況下的最低油耗包括以下步驟：

S20201、策略優化模型的構建：

根據已知工況的時間劃分N個階段，設置動力源之間的扭矩分配系為決策變量，電池荷電量為狀態變量，燃油消耗量目標函數，在給定的車輛行駛循環下求取使目標函數取得最小值的決策變量序列及最低目標函數值，同時狀態變量滿足初始值、結束值并始終在允許最大和最小值范圍內；

S20202、在步驟S20201求解過程中，需符合車輛特性對應的約束條件，并根據粒子群優化算法中的粒子位置限制決策變量的取值，實現離散規則參數對整車模式的決策參與；

S20203、策略優化模型的尋優過程：

其中第一個子過程從第N階段逐步逆向計算到第1階段，獲取每個階段下每個狀態的目標函數值，構建基于階段和狀態的二維目標函數值矩陣；

在第二個子過程中，根據已建立的目標函數值矩陣從第1階段逐步正向尋優計算到第N階段，獲取在給定車輛行駛循環下的最低能耗及對應的整車運行參數。

2.根據權利要求1所述的一種混合動力汽車能量管理策略優化方法，其特征在于：步驟S1中的整車及動力系統關鍵參數主要包括：發動機最大功率、發動機最大扭矩、發動機效率；電機最大功率、電機最大扭矩、電機效率；電池容量、電池電壓、電池內阻；傳動系統減速比、傳動系統效率；整車質量、車輪半徑、空氣阻力系數、滾動阻力系數、迎風面積。

3.根據權利要求1所述的一種混合動力汽車能量管理策略優化方法，其特征在于：步驟S2中整車運行參數包括車速、電池荷電量，變速箱輸入軸轉速、扭矩、功率，電機轉速、扭矩，發動機轉速、扭矩。

4.根據權利要求1所述的一種混合動力汽車能量管理策略優化方法，其特征在于：步驟S202中輸入工況數據包括：車速和研究車輛在該工況下的檔位。

5.根據權利要求1所述的一種混合動力汽車能量管理策略優化方法，其特征在于：步驟S20202的車輛特性對應的約束條件包括：電池允許的最大充電功率和最大放電功率；電機最大扭矩和最小扭矩；電機最大轉速和最小轉速、發動機最大扭矩和最小扭矩；發動機最大轉速和最小轉速。

6.根據權利要求1所述的一種混合動力汽車能量管理策略優化方法，其特征在于：步驟S205中結束條件包括：達到最大迭代次數或者粒子全局最優值較上一次迭代時變化范圍小于設定值。