一种插电式混合动力汽车工况识别及能量管控的方法 |
|||||||
| 申请号 | CN201410176388.0 | 申请日 | 2014-04-29 | 公开(公告)号 | CN104071161A | 公开(公告)日 | 2014-10-01 |
| 申请人 | 福州大学; | 发明人 | 林歆悠; 冯其高; 张少博; 薛瑞; | ||||
| 摘要 | 本 发明 涉及一种插电式多模混合动 力 驱动系统工况识别的 能量 管理控制方法。本发明主要由工况识别和能量管理控制方法两部分。在工况识别部分，采用 支持向量机 （SVM）模型对各工况特征参数进行训练学习以实现实时工况的识别；在能量管理控制部分，涉及模糊规则的制定。通过识别工况的能量管理控制方法，在保证动力性的前提下，可显著改善 汽车 的燃油经济性，实现节能减排。 | ||||||
| 权利要求 | 1.一种插电式混合动力汽车工况识别及能量管控的方法，其特征在于，提供一插电式混合动力汽车的驱动系统，该系统包括：驱动电机、高压电池组、充电插头、逆变器、电控离合器、 集成起动发电一体化电机ISG、双离合自动变速器、前桥半轴、前轴主减速器-差速器、前轮、控制器连接线、机械连接、发动机、整车监控及控制系统、电缆、后轴主减速器-差速器、后桥半轴、后轮，其中：发动机通过电控离合器与集成起动发电一体化电机ISG机械连接，集成起动发电一体化电机ISG与双离合自动变速器输入端相连，双离合自动变速器输出端与前轴主减速器-差速器连接，前轴主减速器-差速器通过前桥半轴和前轮相连，高压电池组通过电缆与逆变器、集成起动发电一体化电机ISG、驱动电机串联相连；驱动电机通过电缆与集成起动发电一体化电机ISG相连，驱动电机与后轴主减速器-差速器机械连接，后轴主减速器-差速器通过后桥半轴与后轮相连，整车监控及控制系统通过控制器连接线分别于驱动电机、高压电池组、电控离合器、 集成起动发电一体化电机ISG、双离合自动变速器、发动机相连；其具体按如下流程进行： |
||||||
| 说明书全文 | 一种插电式混合动力汽车工况识别及能量管控的方法技术领域[0001] 本发明涉及一种插电式混合动力汽车工况识别及能量管控的方法，应用于混合动力汽车。 背景技术[0002] 混合动力汽车的控制目标就是使发动机沿着最佳燃油经济性曲线运行，同时尽可能使电动机工作于高效率，实现能量的高效利用，达到节能减排的目标。丰田Prius混合动力汽车可使发动机沿着最佳燃油经济性曲线运行，但由于采用的是行星齿轮的动力分配机构，机构复杂且对控制精度的要求较高，通用性不强。2007年P. Sharer等人采用PSAT软件建立了Toyota Prius 和Ford Focus汽车模型,通过引入一个运行工况乘积倍数建立不同的运行工况进行仿真研究后得出: 运行工况对HEV燃油消耗的影响比传统汽车要大[1]。对控制策略研究仅仅采用具有部分典型特征的运行工况分析进行，会造成HEV的工作优越性能不能得到最好发挥。对于插电式混合动力汽车（PHEV）而言也是如此。因此对汽车的运行状态进行有效识别，从而建立一个能使PHEV满足不同运行状态的控制方法变得越来越重要。 发明内容[0003] 鉴于现有技术的不足，本发明提供一种混联结构PHEV的工况识别的能量管控的方法。本发明主要由工况识别和能量管理控制方法两部分组成。在工况识别部分，采用支持向量机（Support Vector Machine ,SVM）模型对各工况特征参数进行训练学习以实现实时工况的识别与选择；在能量管理控制方法部分,采用模糊规则的能量管理方法，因为基于模糊规则的能量管理方法鲁棒性强、实时性好、具有很强的实用性。 [0004] 本发明的技术方案在于：一种插电式混合动力汽车工况识别及能量管控的方法，其特征在于，提供一插电式混合动力汽车的驱动系统，该系统包括：驱动电机、高压电池组、充电插头、逆变器、电控离合器、 集成起动发电一体化电机ISG、双离合自动变速器、前桥半轴、前轴主减速器-差速器、前轮、控制器连接线、机械连接、发动机、整车监控及控制系统、电缆、后轴主减速器-差速器、后桥半轴、后轮，其中：发动机通过电控离合器与集成起动发电一体化电机ISG机械连接，集成起动发电一体化电机ISG与双离合自动变速器输入端相连，双离合自动变速器输出端与前轴主减速器-差速器连接，前轴主减速器-差速器通过前桥半轴和前轮相连，高压电池组通过电缆与逆变器、集成起动发电一体化电机ISG、驱动电机串联相连；驱动电机通过电缆与集成起动发电一体化电机ISG相连，驱动电机与后轴主减速器-差速器机械连接，后轴主减速器-差速器通过后桥半轴与后轮相连，整车监控及控制系统通过控制器连接线分别于驱动电机、高压电池组、电控离合器、 集成起动发电一体化电机ISG、双离合自动变速器、发动机相连；其具体按如下流程进行： ①首先开始判断点火开关是否打开，若打开，则进行系统检测，判断是否有故障，进入步骤②；若未打开，则停止车辆工作； ②判断检测系统是否有故障：若有故障，则报警，进行故障处理；若没有故障，则进入步骤③； ③判断车速v是否大于零：若小于零，则进入步骤④；若大于零，则进入步骤⑤； ④判断高压电池组荷电状态SOC是否大于SOC_mid:若大于SOC_mid，则回到步骤①，若小于SOC_mid，则集成起动发电一体化电机ISG驻车发电； ⑤判断SOC是否达到车辆设定的SOC_low:若未达到，则进行纯电动行驶模式；若达到，则进入基于支持向量机工况识别器判断模式，对于行驶路况进行识别与预测，然后根据设定的不同路况下的模糊控制策略，控制发动机输出转矩。 [0005] 其中，所述基于支持向量机工况识别器判断模式包括训练与分类两个过程，其中：训练采用各工况特征参数进行训练学习，提取的各工况特征参数为：平均速度 ，平均加速度 ,平均减速度 ，速度标准差 ，加速度标准差 ，减速度标准差 ，怠 速时间／总时间百分比 ，平均行驶速度 ，支持向量机采用径向基核函数为核 函数；识别过程中需根据当前行驶特征进行辨识进而判断所处行驶工况属于何种工况，其具体过程为：通过定时采集过去N秒的车辆行驶参数，并记录存储，实时归纳过去N秒的行驶特征的变化规律来判断未来M秒的行驶趋势。 [0006] 所述模糊控制策略是基于能量管理模糊控制器，该能量管理模糊控制器有三个输入参数：驾驶员需求转矩 ，电池的荷电状态SOC，驱动电机的转速 ；有一个输出参数：发动机输出转矩 ，设定所有输入参数的论域范围都为：[0,1]。 [0007] 将 分为5个模糊子集：｛很小（TL），稍小（L），适中（M），稍大（Ｈ），较大（ＴＨ）｝。其中，在ＴＬ集合， ,发动机关闭；在L集合， < ，发动机驱动车辆，并主动发电，调节发动机工作点到 附近；在M集合， < < ，发 动机单独驱动；在H集合， < < ，需要电机辅助，调节发动机工作点于 附近；在TH集合， > ，发动机输出最大转矩，同时电机功率辅助。 [0008] 对于城市路况，主要工作模式主要有驱动电机机单独驱动模式，行车发电模式，即ISG电机做发电机；再生制动模式，即驱动电机做发电机；驻车发电模式，即ISG电机做发电机；电池的荷电状态SOC此时划分为4个模糊子集：{稍低（L）,适中（M），稍高（H），较高（ＴＨ）}； 驱动电机转速 分为２个集合｛较低（Ｌ），较高（Ｈ）｝； 发动机输出转矩 分为５个模糊子集｛较小（ＴＬ），稍小（Ｌ），最佳（Ｍ），稍大（Ｈ），较大（ＴＨ）｝； 采用梯形隶属函数实现 、SOC和 的模糊化，解模糊方法采用质心法。 [0009] 在高速路况和郊区路况下，后轮驱动电机主要以再生制动工作；整个行驶过程中以发动机与ISG电机组成的同轴并联驱动系统模式下工作；分为5个模糊子集：｛较小（TL），稍小（L），适中（M），稍大（Ｈ），较大（ＴＨ）｝； 电池的荷电状态SOC此时划分为5个模糊子集：{较低（TL）稍低（L）,适中（M），稍高（H），较高（ＴＨ）}； ISG电机的转速 分为2个模糊集{低（L），高（H）}； 发动机输出转矩 分为５个模糊子集｛较小（ＴＬ），稍小（Ｌ），最佳（Ｍ），稍大（Ｈ），较大（ＴＨ）｝； 采用梯形隶属函数实现 、SOC和 的模糊化，解模糊方法采用质心法。 [0011] 图1为本发明实施例的驱动系统结构示意图。 [0012] 图2为支持向量机的网络结构。 [0013] 图3为支持向量机（SVM）工况识别器示意图。 [0014] 图4为工况预测过程。 [0015] 图5为能量管理模糊控制器结构图。 [0016] 图6为转矩需求的模糊集划分。 [0017] 图7为SOC、 、 、 隶属函数。 [0018] 图8为城市路况模糊控制规则三维图。 [0019] 图9为SOC、 、 、 隶属函数。 [0020] 图10为高速工况和郊区工况建立的模糊控制规则三维图。 [0021] [0022] 具体实施方式 [0023] 为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合附图，作详细说明如下。 [0024] 本发明涉及一种插电式混合动力汽车工况识别及能量管控的方法，提供一插电式混合动力汽车的驱动系统，参考图1，该系统包括：驱动电机1、高压电池组2、充电插头3、逆变器4、电控离合器5、 集成起动发电一体化电机ISG6、双离合自动变速器7、前桥半轴8、前轴主减速器-差速器9、前轮10、控制器连接线11、机械连接12、发动机13、整车监控及控制系统14、电缆15、后轴主减速器-差速器16、后桥半轴17、后轮18，其中：发动机13通过电控离合器5与集成起动发电一体化电机ISG6机械连接，集成起动发电一体化电机ISG6与双离合自动变速器7输入端相连，双离合自动变速器7输出端与前轴主减速器-差速器9连接，前轴主减速器-差速器9通过前桥半轴8和前轮10相连，高压电池组2通过电缆与逆变器4、集成起动发电一体化电机ISG6、驱动电机串联相连；驱动电机1通过电缆与集成起动发电一体化电机ISG6相连，驱动电机1与后轴主减速器-差速器16机械连接，后轴主减速器-差速器16通过后桥半轴17与后轮18相连，整车监控及控制系统14通过控制器连接线11分别于驱动电机1、高压电池组2、电控离合器5、 集成起动发电一体化电机ISG6、双离合自动变速器7、发动机13相连；其具体按如下流程进行：①首先开始判断点火开关是否打开，若打开，则进行系统检测，判断是否有故障，进入步骤②；若未打开，则停止车辆工作； ②判断检测系统是否有故障：若有故障，则报警，进行故障处理；若没有故障，则进入步骤③； ③判断车速v是否大于零：若小于零，则进入步骤④；若大于零，则进入步骤⑤； ④判断高压电池组荷电状态SOC是否大于SOC_mid:若大于SOC_mid，则回到步骤①，若小于SOC_mid，则集成起动发电一体化电机ISG驻车发电；依据电池在不同工作区间的效率，以及防止电池过分放电等原则进行设计SOC_mid、SOC_low的值，其中SOC_mid为电池组放电中间值，SOC_low为电池组放电下限值。 [0025] ⑤判断SOC是否达到车辆设定的SOC_low:若未达到，则进行纯电动行驶模式；若达到，则进入基于支持向量机工况识别器判断模式，对于行驶路况进行识别与预测，然后根据设定的不同路况下的模糊控制策略，控制发动机输出转矩。 [0026] 上述基于支持向量机工况识别器判断模式包括训练与分类两个过程，其中：训练采用各工况特征参数进行训练学习，提取的各工况特征参数为：平均速度 ，平均加速度 ,平均减速度 ，速度标准差 ，加速度标准差 ，减速度标准差 ，怠速 时间／总时间百分比 ，平均行驶速度 ，支持向量机采用径向基核函数为核函 数；识别过程中需根据当前行驶特征进行辨识进而判断所处行驶工况属于何种工况，其具体过程为：通过定时采集过去N秒的车辆行驶参数，并记录存储，实时归纳过去N秒的行驶特征的变化规律来判断未来M秒的行驶趋势。 [0027] 上述模糊控制策略是基于能量管理模糊控制器，该能量管理模糊控制器有三个输入参数：驾驶员需求转矩 ，电池的荷电状态SOC，驱动电机的转速 ；有一个输出参数：发动机输出转矩 ，设定所有输入参数的论域范围都为：[0,1]。 [0028] 将 分为5个模糊子集：｛很小（TL），稍小（L），适中（M），稍大（Ｈ），较大（ＴＨ）｝。其中，在ＴＬ集合， ,发动机关闭；在L集合， < ，发动机驱动车辆，并主动发电，调节发动机工作点到 附近；在M集合， < < ，发 动机单独驱动；在H集合， < < ，需要电机辅助，调节发动机工作点于 附近；在TH集合， > ，发动机输出最大转矩，同时电机功率辅助。 [0029] 对于城市路况，主要工作模式主要有驱动电机机单独驱动模式，行车发电模式，即ISG电机做发电机；再生制动模式，即驱动电机做发电机；驻车发电模式，即ISG电机做发电机；电池的荷电状态SOC此时划分为4个模糊子集：{稍低（L）,适中（M），稍高（H），较高（ＴＨ）}； 驱动电机转速 分为２个集合｛较低（Ｌ），较高（Ｈ）｝； 发动机输出转矩 分为５个模糊子集｛较小（ＴＬ），稍小（Ｌ），最佳（Ｍ），稍大（Ｈ），较大（ＴＨ）｝； 采用梯形隶属函数实现 、SOC和 的模糊化，解模糊方法采用质心法。 [0030] 在高速路况和郊区路况下，后轮驱动电机主要以再生制动工作；整个行驶过程中以发动机与ISG电机组成的同轴并联驱动系统模式下工作；分为5个模糊子集：｛较小（TL），稍小（L），适中（M），稍大（Ｈ），较大（ＴＨ）｝； 电池的荷电状态SOC此时划分为5个模糊子集：{较低（TL）稍低（L）,适中（M），稍高（H），较高（ＴＨ）}； ISG电机的转速 分为2个模糊集{低（L），高（H）}； 发动机输出转矩 分为５个模糊子集｛较小（ＴＬ），稍小（Ｌ），最佳（Ｍ），稍大（Ｈ），较大（ＴＨ）｝； 采用梯形隶属函数实现 、SOC和 的模糊化，解模糊方法采用质心法。 [0031] 具体实施过程分析：（一）支持向量机识别器的设计 对于能够对线性和非线性的对象进行高效模式分类识别的支持向量机其结构如图2所示， 其中x1,x2,···x n为输入向量X的n个不同属性值，对于基于m个支持向量的非 线性运算（核运算）一般有4种核函数： ①线性核函数 ②d阶多项式核函数 = ③径向基核函数 =exp(- ) ④具有参数k和 的Sigmoid核函数 =tanh(k(x )+ ) 对于输出类别， 根据 的值即可得到类别值，可实现线性和非线性的对象的识别分类。 [0033] 支持向量机训练的步骤：①输入两类训练样品向量（ ）(i =1,2,…N, X ), 类别分别为 。如果 则 ； ， 。 [0035] ④利用样本库中的一个支持向量X，代入等式左边的f(x)为其类别值（1或-1），可得到偏差值 支持向量机分类的步骤 ①输入待测样品X ②利用训练好的Lagrange乘子 ，偏差值 和核函数，根据 ，求得 。 [0036] ③根据 的值，输出类别。如果 为-1，则该样品属于 ，如果为1，则该样品属于类 。 [0037] 据此，可将城市工况，高速工况，郊区工况提取特征参数：平均速度 ，平均加速度 ,平均减速度 ，速度标准差 ，加速度标准差 ，减速度标准差 ，怠速时间／总时间百分比 ，平均行驶速度 组成的训练样本先进行数据的归一化后， 构成m×8的输入矩阵，利用台湾大学林志仁（C.J Lin）等人开发的支持向量机工具箱libsvm-3.17,在matlab2009中设计了基于支持向量机的工况识别器。其中核函数选用径向基核函数，基于支持向量机的工况识别器示意图如图3。 [0038] 支持向量机（SVM）网络模型对于工况的识别，关键在于根据当前行驶特征进行辨识进而判断所处行驶工况属于何种工况，其具体过程为：通过定时采集过去N秒的车辆行驶参数，并记录存储，实时归纳过去N秒的行驶特征的变化规律来判断未来M秒的行驶趋势，该思路如图4所示。基于支持向量机的工况识别器辨识当前工况类型（辨别结果为城市路况，高速路况，郊区路况之一），然后根据工况识别器的辨别结果选择相应的能量管理策略。 [0039] （二）基于不同工况下模糊规则的能量管理策略设计PHEV首先工作于电量消耗模式，直到电池SOC降低到一个设定值SOC _low,才进入电量保持模式。 [0040] 当PHEV进入电量保持模式时，采用能量管理模糊控制器分配转矩，能量管理模糊控制器结构如图5。 [0041] 能量管理模糊控制器有三个输入参数：驾驶员需求转矩 ，电池的荷电状态SOC，驱动电机的转速 。它有一个输出参数：发动机输出转矩 。设定所有输入参数的论域范围都为：[0,1]。 [0042] 根据发动机和驱动电机的效率图，如图6,将 分为5个模糊子集：｛很小（TL），稍小（L），适中（M），稍大（Ｈ），较大（ＴＨ）｝。其中，在ＴＬ集合， ,发动机关闭；在L集合， < ，发动机驱动车辆，并主动发电，调节发动机工作点到 附近；在M集合， < < ，发动机单独驱动；在H集合， < < ，需 要电机辅助，调节发动机工作点于 附近；在TH集合， > ，发动机输出最大转 矩，同时电机功率辅助。 [0043] 对于城市路况，基于本发明的PHEV结构，其主要工作模式主要有驱动电机机单独驱动模式，行车发电模式（ISG电机做发电机），再生制动模式（驱动电机做发电机），驻车发电模式(ISG电机做发电机)。 [0044] 电池的荷电状态SOC此时划分为4个模糊子集：{稍低（L）,适中（M），稍高（H），较高（ＴＨ）}。 [0045] 驱动电机转速 分为２个集合｛较低（Ｌ），较高（Ｈ）｝；发动机输出转矩 分为５个模糊子集｛较小（ＴＬ），稍小（Ｌ），最佳（Ｍ） 稍大（Ｈ），较大（ＴＨ）｝。 [0046] 采用梯形隶属函数实现 、SOC和 的模糊化，如图5。解模糊方法采用质心法。 [0047] 基于城市工况的模糊控制策略的IF-THEN规则采用如下形式：“if is A and SOC is B and is C then is D” 针对城市路况建立了40条规则，见表1所示。 [0048] 针对城市路况建立的模糊控制规则三维图如图8。 [0049] 在高速路况和郊区路况下，后轮驱动电机主要以再生制动工作；整个行驶过程中以发动机与ISG电机组成的同轴并联驱动系统模式下工作。 [0050] 分为5个模糊子集：｛较小（TL），稍小（L），适中（M），稍大（Ｈ），较大（ＴＨ）｝；电池的荷电状态SOC此时划分为5个模糊子集：{较低（TL）稍低（L）,适中（M），稍高（H），较高（ＴＨ）}； ISG电机的转速 分为2个模糊集{低（L），高（H）}； 发动机输出转矩 分为５个模糊子集｛较小（ＴＬ），稍小（Ｌ），最佳（Ｍ），稍大（Ｈ），较大（ＴＨ）｝。 [0051] 采用梯形隶属函数实现 、SOC和 的模糊化，解模糊方法采用质心法。 [0052] 基于高速工况和郊区工况的模糊控制策略的IF-THEN规则采用如下形式：“if is A and SOC is B and is C then is D” 针对高速工况和郊区工况建立了50条规则，见表2所示。 |
||||||
