基于前方道路信息的重型商用车混合动力能量管理方法技术

本发明专利技术提出一种基于前方道路信息的重型商用车混合动力能量管理方法，利用高精度地图获取车辆前方的道路位置信息、坡度信息和长度信息，建立道路坡度预测模型，得到车辆前方预测道路坡度。利用大数据采集相同车型、相近载重的重型商用车在全国高速公路各段的常用行驶速度，建立车辆车速预测模型，得到车辆预测车速。利用预测得到的车速与道路坡度计算车辆未来一段时间内的功率需求，根据功率需求利用动态规划算法得到混合动力系统各部件之间的最优功率分配及各部件的转矩与转速。此方法解决了传动动态规划算法无法预知未来工况的问题，能够实现对于未来功率分配的精确规划，进而提升混合动力重型商用车的燃油经济性。

【技术实现步骤摘要】
基于前方道路信息的重型商用车混合动力能量管理方法
本专利技术涉及混合动力能量管理策略领域，涉及一种基于高精度地图的前方道路坡度预测方法以及基于大数据的车辆未来车速预测方法，具体说是一种基于前方道路信息的重型商用车混合动力能量管理方法。
技术介绍
混合动力汽车由于兼顾传统燃油汽车的长续驶里程及纯电动汽车低能耗、低排放的特点，是目前新能源车辆中的研究重点。在当前的混合动力汽车研究中，方向大多都集中在乘用车领域，混合动力商用车未被重视，但是商用车由于其较长的行驶里程以及更大的燃油消耗量，在节能与减排方面更能够体现混合动力系统的优势。在混合动力车型中，能量管理策略的设计对于车辆各项性能的发挥有着极大影响，因此对于混合动力能量管理策略的进一步研究，对于提高车辆的燃油经济性、提升车辆的驾驶性能以及减少车辆的污染排放具有重要意义目前常见的混合动力能量管理策略主要有四类：基于确定规则的能量管理策略、基于模糊规则的能量管理策略、基于瞬时优化的能量管理策略和基于全局优化的能量管理策略。其中，基于确定规则的能量管理策略，通过判断系统门限值与车辆当前各控制变量的关系，根据预先设定的控制策略输出各动力源的控制信号，此种方法简单且有效，但由于其控制规则预先设定，对于不同工况的适应性较差，无法使功率分配达到最优状态。基于模糊规则的能量管理策略，首先根据经验编写模糊规则，然后将系统各变量模糊化，将模糊化后的信号作为模糊规则的输入，完成模糊推理并得到最终的控制信号，此种方法虽然性能有所提升，但无法保证算法的全局最优性。基于瞬时优化的能量管理策略，该策略将系统中的能量流进行实时分配，使得动力源之间的功率分配在每个时刻都能达到最优，但是不能保证在整个驾驶循环内实现最优控制。基于全局优化的能量管理策略，在给定的驾驶循环中将系统所需功率的最优分配问题转化为多阶决策问题，通过此种方法可以得到最优的控制结果，但是由于控制策略需要提前预知未来的速度与负载曲线，因此最终的控制策略无法在实际驾驶条件下实施。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提出一种基于前方道路信息的重型商用车混合动力能量管理策略，有效解决了目前基于动态规划算法的混合动力能量管理策略需要提前预知未来速度与负载曲线的问题，为动态规划算法的实时应用提供了可能。为实现上述目的，本专利技术是通过如下技术方案实现的：本专利技术提供了一种基于前方道路信息的重型商用车混合动力能量管理方法，具体步骤如下：步骤一、利用高精度地图获取前方道路位置信息、坡度信息和长度信息，建立坡度预测模型，得到预测坡度：坡度预测模型的具体建立过程如下：(1)将目标道路进行离散化，离散为n个长度为l的直线段，l具体取值为100m，每个直线段的端点与坡道曲线相交，将n+1个交点分别命名为Si，i取0,1,2……n；(2)利用高精度地图读取每个交点Si的位置信息，即各交点的路面标高Ei，i取0,1,2……n；(3)结合每一交点Si的道路标高Ei与直线段长度l，利用坡度公式计算每一段直线的坡度αi，i取1,2……n，坡度公式具体形式为：(4)在得到目标道路每一直线段的道路坡度后，将坡度预测目标点与各直线段进行匹配，以确定目标点的坡度，具体操作如下：已知道路起始点至坡度预测目标点的距离L，利用公式确定目标点对应的直线段标号i，将标号i对应直线段的坡度作为坡度预测目标点的坡度；(5)在完成计算后，将距离道路起始点距离为L的道路坡度预测点的坡度值α简化为此点所在直线段的坡度值αi，输入整个行车路径内各坡度预测目标点的位置信息，根据上述步骤得到行驶路径内各点的预测坡度，道路坡度预测模型建立完成；步骤二、利用大数据寻找相同车型、相近载重的商用车在全国高速公路各段的常用行驶速度，建立车速预测模型，得到预测车速：在大数据系统中选取多个与研究车辆车型相同、载重相近的目标车辆，提取多个目标车辆在全国高速公路各段的车速数据，数据的提取遵循以下规则：(1)在大数据系统中，存在多种商用车的车速数据，包括牵引车、载货车和特种汽车，且车速数据对应路况也存在多种情况，包括高速公路、国道、城市道路、乡道，从大数据系统中提取牵引车在全国高速公路各段的车速数据；(2)为保证提取的车速数据更能够代表研究车辆全国高速公路各段的常用车速，提取50辆与研究车辆车型相同、载重相差1吨以内的车辆车速数据；(3)为确保车速数据能够准确的反应研究车辆在高速公路上的车速变化，且能够减少数据处理计算量，确定车速提取的时间间隔为1s，获取目标车辆行驶过程中每秒的车速数据；按照上述规则从大数据系统中提取出车速数据后，需要对获的车速数据进行预处理，预处理包括处理缺失值、删除停车数据、探测异常值三项操作，其中处理缺失值具体步骤包括：(1)填补缺失值：若发现获取的车速数据中有单个缺失值或个数不大于5的连续缺失值，需要根据缺失值上下临近的车速数据对缺失值进行填补；填补缺失值的操作根据缺失值的个数分为两种：其一，若车速数据中的缺失值个数为1，则采用线性插值法填补缺失值vh，选取缺失值vh上下两点的车数数据vh-1、vh+1进行插值，代替缺失值vh，插值公式具体形式为：其二，若车速数据中的缺失值连续且不个数不大于5，则采用线性回归方程拟合填补缺失值vh；首先构造三次拟合曲线其中自变量为车速数据序列的序号，按从小到大记为xz，z取1,2……20，因变量为车速，选取连续缺失值第一个值向前10个采样点的车速数据与连续缺失值最后一个值向后10个采样点的车速数据，将20个数据按序号从小到大重新命名为yz，利用提取的20个数据进行拟合；在完成三次拟合曲线的构造后，利用最小二乘法计算拟合曲线的参数a0、a1、a2、a3，取并计算法方程组中的各值，法方程组具体形式为：其中通过法方程组解出a0、a1、a2、a3的值，便可得到连续缺失值处的三次拟合曲线，将缺失值对应的序号代入拟合曲线中得到近似值，并将得到的近似值作为缺失值；(2)忽略缺失值，若发现获取的车速数据中有多个连续缺失值且个数大于5，忽略缺失部分，在车速数据中删除这些缺失项；删除停车数据具体操作包括：在高速公路行驶过程中可能会发生堵车、驾驶员进入停车区休息的情况，因此在获取的高速公路车速信息中可能存在部分停车数据，为降低停车数据对高速公路重型商用车常用车速的影响，因此需要将停车数据和停车减速及停车结束加速过程的车速数据删除；删除停车数据具体操作根据停车原因的不同可分为两种：其一，若因堵车产生停车数据，在堵车过程中会出现走走停停的状况，因此需要将整个堵车过程的车速数据删除；(1)找到第一个车速为0的采样点对应的序号并命名为f，将此采样点前30个采样点的车速数据删除，即删除序号为f-29至f采样点对应的车速数据；(2)找到序号为f的采样点后车速数据中第一个不为0的采样点所对应的序号并命名为g，删除序号为f至本文档来自技高网...

【技术保护点】
1.基于前方道路信息的重型商用车混合动力能量管理方法，其特征在于，具体步骤如下：/n步骤一、利用高精度地图获取前方道路位置信息、坡度信息和长度信息，建立坡度预测模型，得到预测坡度：/n坡度预测模型的具体建立过程如下：/n(1)将目标道路进行离散化，离散为n个长度为l的直线段，l具体取值为100m，每个直线段的端点与坡道曲线相交，将n+1个交点分别命名为S

【技术特征摘要】
1.基于前方道路信息的重型商用车混合动力能量管理方法，其特征在于，具体步骤如下：
步骤一、利用高精度地图获取前方道路位置信息、坡度信息和长度信息，建立坡度预测模型，得到预测坡度：
坡度预测模型的具体建立过程如下：
(1)将目标道路进行离散化，离散为n个长度为l的直线段，l具体取值为100m，每个直线段的端点与坡道曲线相交，将n+1个交点分别命名为Si，i取0,1,2……n；
(2)利用高精度地图读取每个交点Si的位置信息，即各交点的路面标高Ei，i取0,1,2……n；
(3)结合每一交点Si的道路标高Ei与直线段长度l，利用坡度公式计算每一段直线的坡度αi，i取1,2……n，坡度公式具体形式为：



(4)在得到目标道路每一直线段的道路坡度后，将坡度预测目标点与各直线段进行匹配，以确定目标点的坡度，具体操作如下：
已知道路起始点至坡度预测目标点的距离L，利用公式确定目标点对应的直线段标号i，将标号i对应直线段的坡度作为坡度预测目标点的坡度；



(5)在完成计算后，将距离道路起始点距离为L的道路坡度预测点的坡度值α简化为此点所在直线段的坡度值αi，输入整个行车路径内各坡度预测目标点的位置信息，根据上述步骤得到行驶路径内各点的预测坡度，道路坡度预测模型建立完成；
步骤二、利用大数据寻找相同车型、相近载重的商用车在全国高速公路各段的常用行驶速度，建立车速预测模型，得到预测车速：
在大数据系统中选取多个与研究车辆车型相同、载重相近的目标车辆，提取多个目标车辆在全国高速公路各段的车速数据，数据的提取遵循以下规则：
(1)在大数据系统中，存在多种商用车的车速数据，包括牵引车、载货车和特种汽车，且车速数据对应路况也存在多种情况，包括高速公路、国道、城市道路、乡道，从大数据系统中提取牵引车在全国高速公路各段的车速数据；
(2)为保证提取的车速数据更能够代表研究车辆在全国高速公路各段的常用车速，提取50辆与研究车辆车型相同、载重相差1吨以内的车辆车速数据；
(3)为确保车速数据能够准确的反应研究车辆在高速公路上的车速变化，且能够减少数据处理计算量，确定车速提取的时间间隔为1s，获取目标车辆行驶过程中每秒的车速数据；
按照上述规则从大数据系统中提取出车速数据后，需要对获的车速数据进行预处理，预处理包括处理缺失值、删除停车数据、探测异常值三项操作，其中处理缺失值具体步骤包括：
(1)填补缺失值：若发现获取的车速数据中有单个缺失值或个数不大于5的连续缺失值，需要根据缺失值上下临近的车速数据对缺失值进行填补；
填补缺失值的操作根据缺失值的个数分为两种：
其一，若车速数据中的缺失值个数为1，则采用线性插值法填补缺失值vh，选取缺失值vh上下两点的车数数据vh-1、vh+1进行插值，代替缺失值vh，插值公式具体形式为：



其二，若车速数据中的缺失值连续且不个数不大于5，则采用线性回归方程拟合填补缺失值vh；首先构造三次拟合曲线其中自变量为车速数据序列的序号，按从小到大记为xz，z取1,2……20，因变量为车速，选取连续缺失值第一个值向前10个采样点的车速数据与连续缺失值最后一个值向后10个采样点的车速数据，将20个数据按序号从小到大重新命名为yz，利用提取的20个数据进行拟合；在完成三次拟合曲线的构造后，利用最小二乘法计算拟合曲线的参数a0、a1、a2、a3，取并计算法方程组中的各值，法方程组具体形式为：



其中
通过法方程组解出a0、a1、a2、a3的值，便可得到连续缺失值处的三次拟合曲线，将缺失值对应的序号代入拟合曲线中得到近似值，并将得到的近似值作为缺失值；
(2)忽略缺失值，若发现获取的车速数据中有多个连续缺失值且个数大于5，忽略缺失部分，在车速数据中删除这些缺失项；
删除停车数据具体操作包括：
在高速公路行驶过程中可能会发生堵车、驾驶员进入停车区休息的情况，因此在获取的高速公路车速信息中可能存在部分停车数据，为降低停车数据对高速公路重型商用车常用车速的影响，因此需要将停车数据和停车减速及停车结束加速过程的车速数据删除；
删除停车数据具体操作根据停车原因的不同可分为两种：
其一，若因堵车产生停车数据，在堵车过程中会出现走走停停的状况，因此需要将整个堵车过程的车速数据删除；
(1)找到第一个车速为0的采样点对应的序号并命名为f，将此采样点前30个采样点的车速数据删除，即删除序号为f-29至f采样点对应的车速数据；
(2)找到序号为f的采样点后车速数据中第一个不为0的采样点所对应的序号并命名为g，删除序号为f至g采样点对应的车速数据；
(3)观察序号为g至g+29采样点所对应的车速数据，若车速数据都不为0，则删除序号为f至g+29采样点对应的车速数据，删除停车数据的操作完成，若序号为g至g+29采样点所对应的车速数据有0值，则找到序号为g至g+29之间第一个车速为0的采样点的序号并重新命名为f，删除序号为g至f采样点对应的车速数据后重复过程(2)，直至最后一个车速为0的采样点后30个采样点对应的车速数据无0值，删除车速数据的操作完成；
其二，若因驾驶员进入停车区休息产生停车数据，则整个停车过程中只存在一段车速为0的数据，因此需要删除从驾驶员开始减速进入停车区到加速驶出停车区的整个过程；首先找到车速数据为0的第一个采样点对应的序号并命名为f，将此采样点前30个采样点的车速数据删除，即删除序号为f-29至f采样点对应的车数数据，后找到序号为f的采样点后车速数据中第一个不为0的采样点所对应的序号并命名为g，删除车辆静止过程及采样点g后30个采样点对应车速数据，即删除序号为f至g+29采样点对应的车速数据，删除车速数据的操作完成；
探测异常值具体操作包括：
将获取的大量车速数据利用计算机进行异常值探测，首先确定采集的车速数据中每一采样点p所对应的高速公路路段，并找出每一采样点对应的高速公路客货车车道道路设计时速vdp，将大数据中获取的每一采样点的车速vp与道路设计时速vdp进行对比，设定阈值为20km/h，将差别水平不在设定阈值范围内的车速确定为异常值...

【专利技术属性】
技术研发人员：王玉海，李晓之，张鹏雷，扈建龙，聂光印，丁毅然，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22