[發明專利]一種基于工況預測的車輛行駛節能優化變權重方法

有效

• 申請號: 202110778834.5
• 申請日: 2021-07-09
• 公開（公告）號: CN113276829B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 劉奇芳;董世營;楊征;許芳;宮洵;陳虹
• 申請（專利權）人: 吉林大學
• 主分類號: B60W20/11
• 分類號: B60W20/11;B60W20/15
• 代理公司: 北京專贏專利代理有限公司 11797
• 代理人: 于剛

本發明適用于混合動力汽車的智能經濟性駕駛領域，提供了一種基于工況預測的車輛行駛節能優化變權重方法，包括以下步驟：提取混合動力汽車過去一段時間的特征參數，通過BP神經網絡對混合動力汽車當下的行駛工況進行識別和預測；根據行駛工況及車輛狀態利用模糊規則得到目標函數中各項的權重系數，基于模型預測控制框架，利用極小值原理和二分法求解節能優化問題；進行仿真驗證，校驗所設計控制策略的有效性和合理性；本發明可實現根據車輛所處行駛工況的歷史特征進行未來行駛工況的預測，使得混合動力汽車的燃油和電量消耗實現隨工況自適應協調的能力，并且是提高混合動力汽車燃油經濟性的一種有效解決手段，同時具有工程應用的潛力。

技術領域

本發明屬于混合動力汽車的智能經濟性駕駛領域，尤其涉及一種基于工況預測的車輛行駛節能優化變權重方法。

背景技術

隨著全球能源短缺和環境污染問題的日益嚴重，車輛的技術也在不斷更新和提升。混合動力汽車(HybridElectricVehicle，HEV)相比于傳統燃油車，可以通過協同控制發動機和電機的工作點，使車輛的動力系統更多的工作在高效區內，從而顯著改善油耗與排放，并且不存在純電動汽車(EV)的續駛里程問題，因此，近年來混合動力汽車已逐漸成為各國競相研發的重點。

混合動力汽車的關鍵問題之一是多動力源的能量分配控制，而車輛行駛的能量需求與車輛行駛工況密切相關，也直接影響車輛的燃油經濟性，根據行駛工況對控制策略做出適應性調整，可有效改善HEV的燃油經濟性。由于行駛工況受當前道路、車流等因素的影響，無法預先精確獲得，需要實時進行識別與預測。

行駛工況識別算法大致可分為基于聚類理論，模糊控制器以及神經網絡等方法，三者都是通過計算出車輛行駛過程中特定的特征參數作為輸入，但模糊控制器主要根據工程經驗設計隸屬度函數，該識別方法受人為因素影響較大，而基于聚類分析的行駛工況識別受初始聚類中心、輸入個數等因素的影響，有時識別效果并不理想，因此，本專利使用神經網絡進行工況識別。目前基于神經網絡的工況識別大都是通過多種典型工況提取各種特征參數，為更加真實的反映不同工況下的行駛特征，本專利選取了紅綠燈路口較多的市區道路、較為順暢的郊區及快速路、以及環城高速等典型路段，通過駕駛員在選定的實驗路線上駕駛車輛，分別在工作日和非工作日，以及一天中的不同時間段采集了車輛行駛工況信息。

目前考慮行駛工況的節能策略大多為在基于規則的能量管理策略基礎上使用粒子群等優化算法離線優化各工況下規則控制器的邏輯門限值，雖然此方法相對簡單，易于工程實現，但規則控制難以最大程度的發掘混合動力汽車的節能潛力。為此，本專利提出了一種基于工況預測的車輛行駛節能實時優化變權重方法。為了描述本專利所提策略的適用性和有效性，以一種搭載CVT變速箱的混合動力汽車為研究實例，進行整車的動力學分析與建模，利用BP神經網絡對行駛工況進行分類預測，然后根據行駛工況類別及車輛自身狀態建立模糊規則，調整燃油消耗和電量消耗之間的權重系數，在模型預測控制框架下求得最優發動機和電機轉矩以及變速箱的傳動比，并通過仿真技術給出控制性能驗證結果。

發明內容

本發明實施例的目的在于提供一種基于工況預測的車輛行駛節能優化變權重方法，旨在解決對于研究對象裝備有CVT變速箱的混合動力汽車，在不同工況下更加充分提高燃油經濟性的目標，設計一種可隨行駛工況變優化目標權重的能量管理策略的問題。

本發明實施例是這樣實現的：

以搭載CVT的混合動力汽車為例，提取混合動力汽車過去一段時間的特征參數，通過BP神經網絡對混合動力汽車當下的行駛工況進行識別和預測；

根據行駛工況及車輛狀態利用模糊規則得到目標函數中各項的權重系數，基于模型預測控制框架，利用極小值原理和二分法求解節能優化問題；

為了校驗所設計控制策略的有效性和合理性，進行仿真驗證，仿真結果證明了通過本發明設計算法的有效性。

本發明實施例提供的一種基于工況預測的車輛行駛節能優化變權重方法，具有以下有益效果：