【技术实现步骤摘要】
基于状态空间域电池能量均衡的Q学习再生制动控制策略
本专利技术涉及混合动力再生制动控制
，尤其涉及一种基于状态空间域电池能量均衡的Q学习再生制动控制策略。
技术介绍
再生制动在制动工况将电动机切换成发电机运转，利用车的惯性带动电动机转子旋转而产生反转力矩，将一部分的动能或势能转化为电能并加以储存或利用，是能量回收的过程。再生制动控制策略是混合动力汽车提高能量利用率的一项关键技术。混合动力汽车电池能量本质上来源于燃油能量与制动回收。在整车运行中，电池起到一个对能量利用率的调节作用，以使得整车的能量流更加的稳定与高效。通过对混合动力汽车电池功能特性的分析可知，电池荷电状态(SOC)在工况结束时要尽可能的与初始SOC接近，因此，在制定混合动力汽车再生制动策略时不仅要确保能量回收最大化，还要确保电池能量全局均衡变化。为了保持再生制动过程中电池能量变化均衡，通过限制SOC保持电池能量变化均衡的方法被广泛应用到再生制动控制策略中，但现有控制方法未能从全局的角度考虑每一状态的电池能量均衡，难以做到能量回收最大化与电池能量变化平衡的均...
【技术保护点】
1.一种基于状态空间域电池能量均衡的Q学习再生制动控制策略，其特征在于：所述策略包括以下步骤：/nS1：基于电池能量时域-空间域转换，确定再生制动参考平均回收能量；/nS2：构建修正函数，修正所述参考平均回收能量；/nS3：根据修正后的参考平均回收能量和Q学习算法，确定电机再生转矩最优分配策略，即电机再生转矩分配MAP图；/nS4：采集在线工况数据，确定所述在线工况数据确定平均车速V、电池荷电状态SOC和需求功率P
【技术特征摘要】
1.一种基于状态空间域电池能量均衡的Q学习再生制动控制策略，其特征在于：所述策略包括以下步骤：
S1：基于电池能量时域-空间域转换，确定再生制动参考平均回收能量；
S2：构建修正函数，修正所述参考平均回收能量；
S3：根据修正后的参考平均回收能量和Q学习算法，确定电机再生转矩最优分配策略，即电机再生转矩分配MAP图；
S4：采集在线工况数据，确定所述在线工况数据确定平均车速V、电池荷电状态SOC和需求功率Preq，根据所述需求功率Preq和电池荷电状态SOC在步骤S3的MAP图中确定与所述在线工况数据的对应的电机再生转矩分配值，即获得在线工况电机再生转矩序列。
2.根据权利要求1所述基于状态空间域电池能量均衡的Q学习再生制动控制策略，其特征在于：所述再生制动参考平均回收能量采用如法方法确定：
S11：选择离线工况的平均车速为状态，将平均车速离散得到状态集S：
其中，S表示状态集合，表示离散后的第一个状态，表示离散后的第k个状态，表示离散后的第n个状态；
S12：将电池时域能量转换到空间域能量，从空间维度计算第k个状态的电池能量变化值Δebk：
Δebk＝∫tractionΔebk-outdτ+∫brakingΔebk-indτ(2)
其中，Δebk表示第k个状态电池能量变化值，Δebk-out表示第k个状态驱动过程电池变化的能量，Δebk-in表示第k个状态制动过程电池变化的能量,τ表示第k个状态在时域上发生电池能量变化的时间；
S13：由第k个状态的电池能量变化值Δebk，计算第k个状态的制动过程参考平均回收能量
其中，表示第k个状态再生制动参考平均回收能量的等效油耗,λ表示等效因子，表示第k个状态再生制动参考平均回收能量；
所述等效因子λ采用如下方法确定：
其中，表示电机的平均效率，表示发动机的平均效率，表示电池平均放电效率，表示电池平均充电效率；
所述第k个状态再生制动参考平均回收能量采用如下方法确定：
其中，表示第k个状态再生制动参考平均回收能量，Δebk-tra表示第k个状态驱动过程电池能量变化值，Tbk,bra表示第k个状态发生制动的时间；
所述第k个状态驱动部分电池能量变化值Δebk-tra采用如下方法确定；
Δebk,tra＝∫tractionΔebk-outdt(6)
其中，Δebk-tra表示第k个状态驱动过程电池能量变化值，Δebk-out表示第k个状态电池驱动过程变化的能量，t表示时间。
<...
【专利技术属性】
技术研发人员：尹燕莉，张刘峰，潘小亮，
申请(专利权)人：重庆交通大学，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。