首页 / 专利库 / 引擎 / 节气门体 / 一种基于道路地形信息的卡车预测节能系统及控制方法

一种基于道路地形信息的卡车预测节能系统及控制方法

阅读:909发布:2022-06-02

专利汇可以提供一种基于道路地形信息的卡车预测节能系统及控制方法专利检索,专利查询,专利分析的服务。并且本 发明 属于 汽车 智能辅助驾驶及 能量 控制技术领域,其涉及的是一种基于道路地形信息的重型 卡车 预测节能系统及其控制方法,通过使用道路地形,坡度和参考速度等信息,给 控制器 一定的车速裕度,以减少重型卡车燃油消耗,而不增加总行程时间。本发明是一种基于道路地形信息的重型卡车预测节能系统及其控制方法,通过运用道路地形信息,主要是道路坡度信息,允许卡车车速在一定的车速裕度内变化,建立包含燃油消耗、速度 跟踪 、速度变化和 制动 的目标函数,通过动态规划 算法 求解换挡, 加速 或制动的最佳控制策略,以达到最低的成本,同时对于总行程时间不会发生明显的变化。,下面是一种基于道路地形信息的卡车预测节能系统及控制方法专利的具体信息内容。

1.一种基于道路地形信息的卡车预测节能系统,其特征在于,该系统包括GPS卫星(12)、GPS信号接收器(4)、定位(5)、路径规划模块(2)、地图数据存储模块(3)、传感器(6)、坡度信息存储单元(8)、预测节能控制器(9)、踏板(10)、制动器(11)和离合换挡机构(7);
所述的地图数据存储模块(3)用来存储地图数据;
所述的坡度信息存储单元(8)用来存储坡度信息;
所述的预测节能控制器(9)用来计算控制信号
所述的路径规划模块(2)用来规划前往目的地的路径;
所述的定位模块(5)用来处理GPS信号以确定车辆位置坐标;
所述的GPS信号接收器(4)通过串口与定位模块(5)连接;所述的定位模块(5)连接到路径规划模块(2)的GPS信号传输针脚上;所述的地图数据存储模块(3)连接到路径规划模块(2)的SATA接口上;所述的路径规划模块(2)、地图数据存储模块(3)、GPS信号接收器(4)和定位模块(5)构成车辆导航系统;所述的车辆导航系统通过CAN总线与预测节能控制器(9)相连;所述的传感器(6)通过信号线与预测节能控制器(9)的传感器信号接口相连;所述的坡度信息存储单元(8)连接到预测节能控制器(9)的SATA接口上;所述的预测节能控制器(9)的油门接口通过信号线与油门踏板(10)连接;所述的预测节能控制器(9)的制动接口通过信号线与制动器(11)连接;所述的预测节能控制器(9)的换挡接口通过信号线与离合换挡机构(7)相连;所述的GPS信号接收器(4)、定位模块(5)、路径规划模块(2)、地图数据存储模块(3)、传感器(6)、坡度信息存储单元(8)、预测节能控制器(9)、油门踏板(10)、制动器(11)和离合换挡机构(7)均通过电源线与车辆电池连接实现供电。
2.根据权利要求1所述的一种基于道路地形信息的卡车预测节能系统,其特征在于,所述的地图数据存储模块(3)采用的是车载级存储卡;所述的坡度信息存储单元(8)采用的是车载级存储卡;所述的预测节能控制器(9)采用的是汽车电控单元ECU;所述的路径规划模块(2)采用的是带有中央处理器CPU的主板;所述的定位模块(5),采用的是带有中央处理器CPU的主板。
3.一种基于道路地形信息的卡车预测节能控制方法,其特征在于,该控制方法包括以下步骤:
步骤一、建立车辆纵向动学模型;
步骤二、建立燃油消耗率模型;
步骤三、建立约束条件;
步骤四、离散化速度区间;
步骤五、建立目标函数;
步骤六、动态规划逆推算法
步骤七、最优状态求解最优控制动作算法。
4.根据权利要求3所述的一种基于道路地形信息的卡车预测节能控制方法,其特征在于,所述的步骤一的具体方法如下:
根据车辆驱动力-行驶阻力建立平衡方程如下式(1):
Ft=Ff+Fi+Fw+Fj      (1)
可得车辆加速度 如下式(2):
其中,Ft是车轮上的驱动力;Ff是滚动阻力;Fi是坡度阻力;Fw是空气阻力;Fj是加速阻力;
δ是车辆旋转质量换算系数;m是整车质量,单位是kg;
Ff=fmg cosα     (4)
Fi=mg sinα       (5)
其中,T是发动机输出转矩;ig是变速器传动比;if主减速器传动比;ηt是传动系统机械效率;r是车轮半径,单位是m;
f是滚动阻力系数;g是重力加速度常数,单位是m/s2;α是道路坡度;cd是空气阻力系数;
A是迎面积,单位是m2;ρ是空气密度,单位是kg/m3;v是车速。
5.根据权利要求3所述的一种基于道路地形信息的卡车预测节能控制方法,其特征在于,所述的步骤二的具体方法如下:
发动机的燃料消耗率 近似为发动机输出转矩T和发动机转速N的二阶函数,形式如下:
其中,li,j是拟合系数,发动机输出转矩T近似为发动机转速N和节气门开度P的二阶函数:
其中,ki,j是拟合系数,发动机转速由车速v和挡位G的传动比参数ig确定:
运用动态规划的方法实现最优控制,因此将控制问题离散为N步,每一步车辆的状态为x(k),k=0,1,...,N,x(k)中包含的主要车辆参数有车速v(k),加速度 燃油消耗率档位G(k);由状态x(k)到状态x(k+1)的控制动作为u(k)=(P(k)B(k)G(k));
其中,P(k)为油门踏板平,P(k)∈[01];B(k)为制动水平,B(k)∈[01];G(k)为将档位变换到g(k)。
6.根据权利要求3所述的一种基于道路地形信息的卡车预测节能控制方法,其特征在于,所述的步骤三中的约束包括速度约束和挡位约束,具体如下:
速度约束:参考速度为vref;车辆速度随着vdec而降低,并且随着vinc而增加;将对车速v的约束表示为:
vref-vdec≤v≤vref+vinc    (11)
其中,vdec是参考速度下偏差;vinc是参考速度上偏差
下限表示为vmin=vref-vdec,上限表示为vmax=vref-vdec;
挡位约束:通过对发动机转速N的约束,可以在一种状态下选择一组挡位,在速度为v(k)的状态下,该组挡位 被定义为:
其中,Nmin是该速度档位下的最小允许转速;Nmax是该速度档位下的最大允许转速;
因为道路坡度信息中的道路坡度α与位置相关而不是时间相关,所以控制过程离散形成N+1个状态x(k),k=0,1,...,N,相邻两状态间的阶段网格设置为S米,该算法每S米计算一次,每当车辆行驶了S米时,执行一次计算出的最佳控制信号。
7.根据权利要求6所述的一种基于道路地形信息的卡车预测节能控制方法,其特征在于,所述的步骤四的具体方法如下:
对于固定的初始速度和挡位,很明显在最大油门踏板水平P=1时,且在合适的挡位下得到下一阶段最高速度v+;
在油门踏板水平P=0的情况下,根据建模可知阻力矩与发动机转速线性相关,具有最高传动比的挡位提供最高的发动机转速,因此具有最大的阻力矩和最低的车辆速度;因此如果假设不使用制动器,则在油门踏板水平P=0且使用最高传动比挡位的情况下可以获得最低速度v-;
因此,可达速度的集合是[v-,v+],然后结合对公式(11)中规定的速度约束,表示要考虑的速度集为[vlow,vhigh],上限vhigh是:
vhigh=min{v+,vmax}      (13)
下限设置为:
vlow=max{v-,vmin}      (14)
从初始状态开始向后计算,这样每个阶段都计算出一组速度约束[vlow,vhigh];为保证v(k)不始终低于vref,令最终状态的vlow=vref,然后从最终状态开始向前进行二次计算,当两次的计算结果出现重叠时终止二次计算
将状态x(k)的速度v(k)可取的连续型集合[vlow,vhigh]以δ的恒定步长离散化,便组成了离散型集合Vδ:
Vδ={vlow,vlow+δ,vlow+2δ,...,vhigh}      (15)
则状态x(k)的速度:v(k)∈{vlow,vlow+δ,vlow+2δ,...,vhigh}。
8.根据权利要求3所述的一种基于道路地形信息的卡车预测节能控制方法,其特征在于,所述的步骤五的具体方法如下:
该控制系统的主要目的是使车辆保持在允许的速度范围内,同时最少使用燃料,并考虑车辆的舒适性和制动的使用情况;令从状态x(k)到状态x(k+1)的成本函数表示为ak:
ak=κ1mf(k)+κ2(v(k)-vref)2+κ3(v(k)-v(k-1))2+K4B(k)    (16)
令从状态x(i)到状态x(N)的成本函数表示为J[x(i)],则:
由此得到目标成本函数:
其中,κ1为燃油经济性惩罚系数,该项的含义为在保证预测巡航的同时尽量减少燃油使用量;κ2为车速跟踪水平惩罚系数,该项的含义为保证预测巡航的跟踪车速;κ3为舒适性惩罚系数,该项的含义为为保证舒适性,不平滑的车速变化将受到惩罚;κ4制动应用情况惩罚系数,该项的含义为卡车预测巡航过程中尽量减少制动的应用,若应用制动将受到惩罚。
9.根据权利要求3所述的一种基于道路地形信息的卡车预测节能控制方法,其特征在于,所述的步骤六的具体方法如下:
该算法每S米执行一次,利用给定的初始状态和约束条件从k=N开始从后向前逆推基本方程,最后算出最优成本J*[x(0)]时就得到了从初始状态x(0)到最终状态x(N)的最优状态序列:
X*={x*(k)|k=0,1,...,N}      (19)
逆推运算过程为:
1.因为终端状态x(N)自由,所以令J*[x(N)]=aN=0
2.令i=N-1
3.令J*[x(i)]=min{ai+J*[x(i+1)]}
4.对i=N-2,N-3,...,1重复步骤3
5.最后求得最优成本为J*[x(0)],最优状态序列为X*。
10.根据权利要求3所述的一种基于道路地形信息的卡车预测节能控制方法,其特征在于,所述的步骤七的具体方法如下:
因为道路坡度信息中的道路坡度α与位置相关而不是时间相关,所以将车辆状态参数由时间相关转换成位置相关来求解计算:
因为 为与(v P B Gα)相关的函数, 为与(v P G)相关的函数,所以得到以下状态描述:
在控制动作u(k)=(P(k)B(k)G(k))的作用下,由状态x(k)到状态x(k+1),将该转换过程建立离散模型,将阶段网格S米分成M个部分,设 许表示vi=v(ih),假设控制动作u(k)和道路坡度α(k)在阶段S期间是恒定的,则:
由此,在已知{v(k),G(k)}和{v(k+1),G(k+1)}的情况下,便可求得mf(k)和u(k);
U={u(k)|k=0,1,...,N-1}   (25)
集合U则构成了从初始状态x(0)到最终状态x(N)的控制动作序列;
根据最优状态x*(k)中的{v*(k),G*(k)},由公式(23)便可求得从初始状态x(0)到最终状态x(N)的最优控制动作序列:
U*={u*(k)|k=0,1,...,N-1}      (26)。

说明书全文

一种基于道路地形信息的卡车预测节能系统及控制方法

技术领域

[0001] 本发明属于汽车智能辅助驾驶及能量控制技术领域,具体的说是一种基于道路地形信息的卡车预测节能系统及其控制方法。

背景技术

[0002] 不同于轿车,卡车很多时候处于定速巡航状态。目前现有的针对卡车的预测巡航系统往往让卡车保持在唯一确定的车速,而忽视了外部道路环境因素。由于道路起伏,如果让卡车始终保持在一个车速,往往会出现上坡过加速导致下坡时需要制动,这无疑不利于汽车的节能。结合车辆定位信息,如果可以获取到未来道路的坡度信息,我们就可以通过预测未来车辆的负载情况,优化汽车在坡道上的加减速行为,从而达到节能的目的。专利“控制车辆巡航控件的方法和系统CN 102781708B”虽然也利用道路坡度信息进行巡航控制,但其单纯地对于上下坡时加减档进行了优化,没有将速度合理优化到一个合适的区间,这样仍然会存在频繁加减速问题,不利于降低燃油消耗率。
[0003] 相比于现在的定速巡航系统,所提出的改进型预测节能系统允许车辆在设定参考车速附近以一定的速度范围变化,不过分追求精确的设定速度跟踪,给控制器一定的车速裕度,优化车辆过坡的加减速行为,达到节能的效果。而对于总行程时间不会发生明显的变化。

发明内容

[0004] 本发明提出了一种基于道路地形信息的卡车预测节能系统及其控制方法,通过运用道路地形信息,主要是道路坡度信息,允许卡车车速在一定的车速裕度内变化,建立包含燃油消耗、速度跟踪、速度变化和制动的目标函数,通过动态规划算法求解换挡,加速或制动的最佳控制策略,以达到最低的成本,同时对于总行程时间不会发生明显的变化,解决了上述问题。
[0005] 本发明技术方案结合附图说明如下:
[0006] 一种基于道路地形信息的卡车预测节能系统,该系统包括GPS卫星12、GPS信号接收器4、定位模5、路径规划模块2、地图数据存储模块3、传感器6、坡度信息存储单元8、预测节能控制器9、踏板10、制动器11和离合换挡机构7;
[0007] 所述的地图数据存储模块3用来存储地图数据,采用的是车载级存储卡;
[0008] 所述的坡度信息存储单元8用来存储坡度信息,采用的是车载级存储卡;
[0009] 所述的预测节能控制器9用来计算控制信号,采用的是汽车电控单元ECU;
[0010] 所述的路径规划模块2用来规划前往目的地的路径,采用的是带有中央处理器CPU的主板
[0011] 所述的定位模块5用来处理GPS信号以确定车辆位置坐标,采用的是信号处理芯片;
[0012] 所述的GPS信号接收器4通过串口与定位模块5连接;所述的定位模块5连接到路径规划模块2的GPS信号传输针脚上;所述的地图数据存储模块3连接到路径规划模块2的SATA接口上;所述的路径规划模块2、地图数据存储模块3、GPS信号接收器4和定位模块5构成车辆导航系统;所述的车辆导航系统通过CAN总线与预测节能控制器9相连;所述的传感器6通过信号线与预测节能控制器9的传感器信号接口相连;所述的坡度信息存储单元8连接到预测节能控制器9的SATA接口上;所述的预测节能控制器9的油门接口通过信号线与油门踏板10连接;所述的预测节能控制器9的制动接口通过信号线与制动器11连接;所述的预测节能控制器9的换挡接口通过信号线与离合换挡机构7相连;所述的GPS卫星12、GPS信号接收器
4、定位模块5、路径规划模块2、地图数据存储模块3、传感器6、坡度信息存储单元8、预测节能控制器9、油门踏板10、制动器11和离合换挡机构7均通过电源线与车辆电池连接实现供电。
[0013] 一种基于道路地形信息的卡车预测节能控制方法,该控制方法包括以下步骤:
[0014] 步骤一、建立车辆纵向动学模型;
[0015] 步骤二、建立燃油消耗率模型;
[0016] 步骤三、建立约束条件;
[0017] 步骤四、离散化速度区间;
[0018] 步骤五、建立目标函数;
[0019] 步骤六、动态规划逆推算法;
[0020] 步骤七、最优状态求解最优控制动作算法。
[0021] 所述的步骤一的具体方法如下:
[0022] 根据车辆驱动力-行驶阻力建立平衡方程如下式(1):
[0023] Ft=Ff+Fi+Fw+Fj   (1)
[0024] 可得车辆加速度 如下式(2):
[0025]
[0026] 其中,Ft是车轮上的驱动力;Ff是滚动阻力;Fi是坡度阻力;Fw是空气阻力;Fj是加速阻力;
[0027] δ是车辆旋转质量换算系数;m是整车质量,单位是kg;
[0028]
[0029] Ff=fmg cosα   (4)
[0030] Fi=mg sinα   (5)
[0031]
[0032]
[0033] 其中,T是发动机输出转矩;ig是变速器传动比;if主减速器传动比;ηt是传动系统机械效率;r是车轮半径,单位是m;
[0034] f是滚动阻力系数;g是重力加速度常数,单位是m/s2;α是道路坡度;cd是空气阻力系数;A是迎面积,单位是m2;ρ是空气密度,单位是kg/m3;v是车速。
[0035] 所述的步骤二的具体方法如下:
[0036] 发动机的燃料消耗率 近似为发动机输出转矩T和发动机转速N的二阶函数,形式如下:
[0037]
[0038] 其中,li,j是拟合系数,发动机输出转矩T近似为发动机转速N和节气门开度P的二阶函数:
[0039]
[0040] 其中,ki,j是拟合系数,发动机转速由车速v和挡位G的传动比参数ig确定:
[0041]
[0042] 运用动态规划的方法实现最优控制,因此将控制问题离散为N步,每一步车辆的状态为x(k),k=0,1,…,N,x(k)中包含的主要车辆参数有车速v(k),加速度 燃油消耗率档位G(k);由状态x(k)到状态x(k+1)的控制动作为u(k)=(P(k) B(k) G(k));
[0043] 其中,P(k)为油门踏板平,P(k)∈[0 1];B(k)为制动水平,B(k)∈[0 1];G(k)为将档位变换到g(k)。
[0044] 所述的步骤三中的约束包括速度约束和挡位约束,具体如下:
[0045] 速度约束:参考速度为vref;车辆速度随着vdec而降低,并且随着vinc而增加;将对车速v的约束表示为:
[0046] vref-vdec≤v≤vref+vinc   (11)
[0047] 其中,vdec是参考速度下偏差;vinc是参考速度上偏差。
[0048] 下限表示为vmin=vref-vdec,上限表示为vmax=vref-vdec;
[0049] 挡位约束:卡车中的变速箱可以有十个以上的档位。但是对于给定的速度,只有其中一部分适用。通过对发动机转速N的约束,可以在一种状态下选择一组挡位,在速度为v(k)的状态下,该组挡位 被定义为:
[0050]
[0051] 其中,Nmin是该速度档位下的最小允许转速;Nmax是该速度档位下的最大允许转速;
[0052] 因为道路坡度信息中的道路坡度α与位置相关而不是时间相关,所以控制过程离散形成N+1个状态x(k),k=0,1,…,N,相邻两状态间的阶段网格设置为S米,该算法每S米计算一次,每当车辆行驶了S米时,执行一次计算出的最佳控制信号。
[0053] 所述的步骤四的具体方法如下:
[0054] 对于固定的初始速度和挡位,很明显在最大油门踏板水平P=1时,且在合适的挡位下得到下一阶段最高速度v+;
[0055] 在油门踏板水平P=0的情况下,根据建模可知阻力矩与发动机转速线性相关,具有最高传动比的挡位提供最高的发动机转速,因此具有最大的阻力矩和最低的车辆速度;因此如果假设不使用制动器,则在油门踏板水平P=0且使用最高传动比挡位的情况下可以获得最低速度v-;
[0056] 因此,可达速度的集合是[v-,v+],然后结合对公式(11)中规定的速度约束,表示要考虑的速度集为[vlow,vhigh],上限vhigh是:
[0057] vhigh=min{v+,vmax}   (13)
[0058] 下限设置为:
[0059] vlow=max{v-,vmin}   (14)
[0060] 从初始状态开始向后计算,这样每个阶段都计算出一组速度约束[vlow,vhigh];为保证v(k)不始终低于vref,令最终状态的vlow=vref,然后从最终状态开始向前进行二次计算,当两次的计算结果出现重叠时终止二次计算。
[0061] 将状态x(k)的速度v(k)可取的连续型集合[vlow,vhigh]以δ的恒定步长离散化,便组成了离散型集合Vδ:
[0062] Vδ={vlow,vlow+δ,vlow+2δ,…,vhigh}   (15)
[0063] 则状态x(k)的速度:v(k)∈{vlow,vlow+δ,vlow+2δ,…,vhigh}。
[0064] 所述的步骤五的具体方法如下:
[0065] 该控制系统的主要目的是使车辆保持在允许的速度范围内,同时最少使用燃料,并考虑车辆的舒适性和制动的使用情况;令从状态x(k)到状态x(k+1)的成本函数表示为ak:
[0066] ak=κ1mf(k)+κ2(v(k)-vref)2+κ3(v(k)-v(k-1))2+κ4B(k)   (16)[0067] 令从状态x(i)到状态x(N)的成本函数表示为J[x(i)],则:
[0068]
[0069] 由此得到目标成本函数:
[0070]
[0071] 其中,κ1为燃油经济性惩罚系数,该项的含义为在保证预测巡航的同时尽量减少燃油使用量;κ2为车速跟踪水平惩罚系数,该项的含义为保证预测巡航的跟踪车速;κ3为舒适性惩罚系数,该项的含义为为保证舒适性,不平滑的车速变化将受到惩罚;κ4制动应用情况惩罚系数,该项的含义为卡车预测巡航过程中尽量减少制动的应用,若应用制动将受到惩罚。
[0072] 所述的步骤六的具体方法如下:
[0073] 该算法每S米执行一次,利用给定的初始状态和约束条件从k=N开始从后向前逆推基本方程,最后算出最优成本J*[x(0)]时就得到了从初始状态x(0)到最终状态x(N)的最优状态序列:
[0074] X*={x*(k)|k=0,1,…,N}   (19)
[0075] 逆推运算过程为:
[0076] 1.因为终端状态x(N)自由,所以令J*[x(N)]=aN=0
[0077] 2.令i=N-1
[0078] 3.令J*[x(i)]=min{ai+J*[x(i+1)]}
[0079] 4.对i=N-2,N-3,...,1重复步骤3
[0080] 5.最后求得最优成本为J*[x(0)],最优状态序列为X*。
[0081] 所述的步骤七的具体方法如下:
[0082] 因为道路坡度信息中的道路坡度α与位置相关而不是时间相关,所以将车辆状态参数由时间相关转换成位置相关来求解计算:
[0083]
[0084]
[0085] 因为 为与(v P B G α)相关的函数, 为与(v P G)相关的函数,所以得到以下状态描述:
[0086]
[0087] 在控制动作u(k)=(P(k) B(k) G(k))的作用下,由状态x(k)到状态x(k+1),将该转换过程建立离散模型,将阶段网格S米分成M个部分,设 并表示vi=v(ih),假设控制动作u(k)和道路坡度α(k)在阶段S期间是恒定的,则:
[0088]
[0089]
[0090] 由此,在已知{v(k),G(k)}和{v(k+1),G(k+1)}的情况下,便可求得mf(k)和u(k);
[0091] U={u(k)|k=0,1,…,N-1}   (25)
[0092] 集合U则构成了从初始状态x(0)到最终状态x(N)的控制动作序列;
[0093] 根据最优状态x*(k)中的{v*(k),G*(k)},由公式(23)便可求得从初始状态x(0)到最终状态x(N)的最优控制动作序列:
[0094] U*={u*(k)|k=0,1,…,N-1}   (26)
[0095] 本发明的有益效果为:
[0096] 1.将道路坡度信息运用到卡车预测节能系统,预测未来车辆的负载情况,优化汽车在坡道上的加减速行为,从而达到节能的目的。
[0097] 2.允许车辆在设定车速附近一定速度范围内变化,不过分追求精确的设定速度跟踪,给控制器一定的车速裕度,优化车辆加减速行为,达到节能的效果。

附图说明

[0098] 图1为本发明的示例车辆和示例道路图;
[0099] 图2为本发明的系统结构框图
[0100] 图3为本发明的总体流程示意图;
[0101] 图4为速度约束图。

具体实施方式

[0102] 参阅图1、图2,一种基于道路地形信息的卡车预测节能系统,该系统包括安装在卡车1上的GPS卫星12、GPS信号接收器4、定位模块5、路径规划模块2、地图数据存储模块3、传感器6、坡度信息存储单元8、预测节能控制器9、油门踏板10、制动器11和离合换挡机构7;
[0103] 所述的地图数据存储模块3用来存储地图数据,采用的是车载级存储卡;
[0104] 所述的坡度信息存储单元8用来存储坡度信息,采用的是车载级存储卡;
[0105] 所述的预测节能控制器9用来计算控制信号,采用的是汽车电控单元ECU;
[0106] 所述的路径规划模块2用来规划前往目的地的路径,采用的是带有中央处理器CPU的主板;
[0107] 所述的定位模块5用来处理GPS信号以确定车辆位置坐标,采用的是信号处理芯片;
[0108] GPS信号接收器4通过串口与定位模块5连接;定位模块5连接到路径规划模块2的GPS信号传输针脚上;地图数据存储模块3连接到路径规划模块2的SATA接口上,四者构成车辆导航系统。车辆导航系统通过CAN总线与预测节能控制器9相连;传感器6通过信号线与预测节能控制器9的传感器信号接口相连;坡度信息存储单元8连接到预测节能控制器9的SATA接口上;预测节能控制器9的油门接口通过信号线与油门踏板10连接;预测节能控制器9的制动接口通过信号线与制动器11连接;预测节能控制器9的换挡接口通过信号线与离合换挡机构7相连。以上各部件均通过电源线与车辆蓄电池连接实现供电。
[0109] GPS信号接收器4、定位模块5、路径规划模块2和地图数据存储模块3构成的车辆导航系统实现车辆的定位与路径规划。预测节能控制器9接收来自导航系统确定的车辆位置、规划的路径、坡度信息存储单元8存储的对应路径的坡度信息和传感器6测得的车速、档位等车辆状态信息,通过预测节能控制方法计算出最优控制动作信号并将其传输到各控制器。将最优油门水平信号传输到油门踏板10,将最优制动水平信号传输到制动器11,将最优档位信号传输到离合换挡机构7。各控制器接收控制信号并执行,从而实现卡车的预测节能。
[0110] 参阅图3,一种基于道路地形信息的卡车预测节能控制方法,该控制方法包括以下步骤:
[0111] 步骤一、建立车辆纵向动力学模型;
[0112] 所述的步骤一的具体方法如下:
[0113] 根据车辆驱动力-行驶阻力建立平衡方程如下式(1:
[0114] Ft=Ff+Fi+Fw+Fj   (1)
[0115] 可得车辆加速度 如下式(2:
[0116]
[0117] 其中,Ft是车轮上的驱动力;Ff是滚动阻力;Fi是坡度阻力;Fw是空气阻力;Fj是加速阻力;
[0118] δ是车辆旋转质量换算系数;m是整车质量,单位是kg;
[0119]
[0120] Ff=fmg cosα   (4)
[0121] Fi=mg sinα   (5)
[0122]
[0123]
[0124] 其中,T是发动机输出转矩;ig是变速器传动比;if主减速器传动比;ηt是传动系统机械效率;r是车轮半径,单位是m;
[0125] f是滚动阻力系数;g是重力加速度常数,单位是m/s2;α是道路坡度;cd是空气阻力系数;A是迎风面积,单位是m2;ρ是空气密度,单位是kg/m3;v是车速。
[0126] 步骤二、建立燃油消耗率模型;
[0127] 发动机的燃料消耗率 近似为发动机输出转矩T和发动机转速N的二阶函数,形式如下:
[0128]
[0129] 其中,li,j是拟合系数,发动机输出转矩T近似为发动机转速N和节气门开度P的二阶函数:
[0130]
[0131] 其中,ki,j是拟合系数,发动机转速由车速v和挡位G的传动比参数ig确定:
[0132]
[0133] 运用动态规划的方法实现最优控制,因此将控制问题离散为N步,每一步车辆的状态为x(k),k=0,1,…,N,x(k)中包含的主要车辆参数有车速v(k),加速度 燃油消耗率档位G(k);由状态x(k)到状态x(k+1)的控制动作为u(k)=(P(k) B(k) G(k));
[0134] 其中,P(k)为油门踏板水平,P(k)∈[0 1];B(k)为制动水平,B(k)∈[0 1];G(k)为将档位变换到g(k)。
[0135] 步骤三、建立约束条件;
[0136] 所述的步骤三中的约束包括速度约束和挡位约束,具体如下:
[0137] 速度约束:参考速度为vref;车辆速度随着vdec而降低,并且随着vinc而增加;将对车速v的约束表示为:
[0138] vref-vdec≤v≤vref+vinc   (11)
[0139] 其中,vdec是参考速度下偏差;vinc是参考速度上偏差
[0140] 下限表示为vmin=vref-vdec,上限表示为vmax=vref-vdec;
[0141] 挡位约束:通过对发动机转速N的约束,可以在一种状态下选择一组挡位,在速度为v(k)的状态下,该组挡位 被定义为:
[0142]
[0143] 其中,Nmin是该速度档位下的最小允许转速;Nmax是该速度档位下的最大允许转速;
[0144] 因为道路坡度信息中的道路坡度α与位置相关而不是时间相关,所以控制过程离散形成N+1个状态x(k),k=0,1,…,N,相邻两状态间的阶段网格设置为S米,该算法每S米计算一次,每当车辆行驶了S米时,执行一次计算出的最佳控制信号。
[0145] 步骤四、离散化速度区间;
[0146] 所述的步骤四的具体方法如下:
[0147] 对于固定的初始速度和挡位,很明显在最大油门踏板水平P=1时,且在合适的挡位下得到下一阶段最高速度v+;
[0148] 在油门踏板水平P=0的情况下,根据建模可知阻力矩与发动机转速线性相关,具有最高传动比的挡位提供最高的发动机转速,因此具有最大的阻力矩和最低的车辆速度;因此如果假设不使用制动器,则在油门踏板水平P=0且使用最高传动比挡位的情况下可以-
获得最低速度v;
[0149] 因此,可达速度的集合是[v-,v+],然后结合对公式(11中规定的速度约束,表示要考虑的速度集为[vlow,vhigh],上限vhigh是:
[0150] vhigh=min{v+,vmax}   (13)
[0151] 下限设置为:
[0152] vlow=max{v-,vmin}   (14)
[0153] 从初始状态开始向后计算,这样每个阶段都计算出一组速度约束[vlow,vhigh];为保证v(k)不始终低于vref,令最终状态的vlow=vref,然后从最终状态开始向前进行二次计算,当两次的计算结果出现重叠时终止二次计算
[0154] 将状态x(k)的速度v(k)可取的连续型集合[vlow,vhigh]以δ的恒定步长离散化,便组成了离散型集合Vδ:
[0155] Vδ={vlow,vlow+δ,vlow+2δ,…,vhigh}   (15)
[0156] 则状态x(k)的速度:v(k)∈{vlow,vlow+δ,vlow+2δ,…,vhigh}。
[0157] 步骤五、建立目标函数;
[0158] 所述的步骤五的具体方法如下:
[0159] 该控制系统的主要目的是使车辆保持在允许的速度范围内,同时最少使用燃料,并考虑车辆的舒适性和制动的使用情况;令从状态x(k)到状态x(k+1)的成本函数表示为ak:
[0160] ak=κ1mf(k)+κ2(v(k)-vref)2+κ3(v(k)-v(k-1))2+κ4B(k)   (16)[0161] 令从状态x(i)到状态x(N)的成本函数表示为J[x(i)],则:
[0162]
[0163] 由此得到目标成本函数:
[0164]
[0165] 其中,κ1为燃油经济性惩罚系数,该项的含义为在保证预测巡航的同时尽量减少燃油使用量;κ2为车速跟踪水平惩罚系数,该项的含义为保证预测巡航的跟踪车速;κ3为舒适性惩罚系数,该项的含义为为保证舒适性,不平滑的车速变化将受到惩罚;k4制动应用情况惩罚系数,该项的含义为卡车预测巡航过程中尽量减少制动的应用,若应用制动将受到惩罚。
[0166] 步骤六、动态规划逆推算法;
[0167] 所述的步骤六的具体方法如下:
[0168] 该算法每S米执行一次,利用给定的初始状态和约束条件从k=N开始从后向前逆推基本方程,最后算出最优成本J*[x(0)]时就得到了从初始状态x(0)到最终状态x(N)的最优状态序列:
[0169] X*={x*(k)|k=0,1,…,N}   (19)
[0170] 逆推运算过程为:
[0171] 1.因为终端状态x(N)自由,所以令J*[x(N)]=aN=0
[0172] 2.令i=N-1
[0173] 3.令J*[x(i)]=min{ai+J*[x(i+1)]}
[0174] 4.对i=N-2,N-3,...,1重复步骤3
[0175] 5.最后求得最优成本为J*[x(0)],最优状态序列为X*。
[0176] 步骤七、最优状态求解最优控制动作算法。
[0177] 所述的步骤七的具体方法如下:
[0178] 因为道路坡度信息中的道路坡度α与位置相关而不是时间相关,所以将车辆状态参数由时间相关转换成位置相关来求解计算:
[0179]
[0180]
[0181] 因为 为与(v P B G α)相关的函数, 为与(v P G)相关的函数,所以得到以下状态描述:
[0182]
[0183] 在控制动作u(k)=(P(k) B(k) G(k))的作用下,由状态x(k)到状态x(k+1),将该转换过程建立离散模型,将阶段网格S米分成M个部分,设 并表示vi=v(ih),假设控制动作u(k)和道路坡度α(k)在阶段S期间是恒定的,则:
[0184]
[0185]
[0186] 由此,在已知{v(k),G(k)}和{v(k+1),G(k+1)}的情况下,便可求得mf(k)和u(k);
[0187] U={u(k)|k=0,1,…,N-1}   (25)
[0188] 集合U则构成了从初始状态x(0)到最终状态x(N)的控制动作序列;
[0189] 根据最优状态x*(k)中的{v*(k),G*(k)},由公式(23便可求得从初始状态x(0)到最终状态x(N)的最优控制动作序列:
[0190] U*={u*(k)|k=0,1,…,N-1}   (26)
[0191] 在MPC算法中,模型的作用是预测系统未来的状态,即能够根据系统k时刻的状态和k时刻的控制输入,预测到k+1时刻的输出。在这里k时刻的输入正是用来控制系统k+1时刻的输出,使其最大限度的接近k+1时刻的期望值。若将求解的控制输出的全部序列作用于系统,那么k+1时刻的测量值不能影响控制动作,也就是说测量值所包括的外部干扰或模型误差信息得不到有效利用。故我们将每个采样时刻的优化解的第一个分量作用于系统,在下一个采样时刻,根据新得到的测量值为初始条件重新预测系统的未来输出并求解优化解,继续将这个时刻的优化解的第一个分量作用于系统,这样重复至无穷。预测控制不是采用一个不变的全局优化目标,而是采用时间向前滚动式的有限时域优化策略。这也就是意味着优化过程不是一次离线进行,而是反复在线进行的。
[0192] 所以由于最优性原则及MPC算法中只应用求解出的第一个分量,本发明的预测巡航控制系统在车辆处于状态x(k)到状态x(k+1)阶段内只将上述逆推运算计算出的控制动作序列中的第一个控制动作 应用于状态x(k+1)到状态x(k+2)阶段。在下一个阶段状态x(k+1)到状态x(k+2)重复运算该过程,将求得的新的控制动作序列中的第一个控制动作 应用于再下一个阶段状态x(k+2)到状态x(k+3)。重复该过程至最后一个阶段,从而达到最优控制。
相关专利内容
标题 发布/更新时间 阅读量
柴油机的电子节气门体 2020-05-13 283
电控燃油喷射节气门体 2020-05-13 924
节气门体的耦合器配置 2020-05-13 545
摩托车电喷节气门体 2020-05-14 565
节气门体位置传感器 2020-05-15 843
电子节气门体 2020-05-12 983
电子节气门体 2020-05-11 811
一种节气门体结构 2020-05-14 656
电子节气门体 2020-05-12 618
节气门体 2020-05-13 98
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈