一种基于多目标优化的混合动力汽车跟车能量管理方法技术

本发明专利技术涉及混合动力汽车设计领域，且公开了一种基于多目标优化的混合动力汽车跟车能量管理方法，包括下述步骤：首先根据前车和被控车辆的行驶状态信息，设计基于可变时距的车间距策略获取参考跟车距离；其次基于参考跟车距离和燃料电池混合动力汽车纵向动力学模型，利用反步法设计非线性离散自适应巡航控制器求解车辆需求功率；然后建立被控车辆车载动力系统中燃料电池和锂电池的经验老化模型，设计等消耗最小策略分配燃料电池和锂电池的功率；最后利用非支配排序遗传算法III对离散自适应巡航控制器和能量管理策略的参数进行离线优化，实现被控车辆跟驰行驶过程中各性能指标的均衡和全面提升。均衡和全面提升。均衡和全面提升。

【技术实现步骤摘要】
一种基于多目标优化的混合动力汽车跟车能量管理方法


[0001]本专利技术涉及混合动力汽车设计领域，具体的说是一种基于多目标优化的混合动力汽车跟车能量管理方法。

技术介绍

[0002]随着当今世界汽车的保有量不断地增加，由此带来的能源危机、交通安全和环境污染问题日益严峻，节能、高效、环保、安全及舒适成为当今汽车工业发展的主题。燃料电池混合动力汽车配备燃料电池和锂电池，不仅可以缓解纯电动汽车电池续航里程的问题，而且又不存在污染问题，是目前解决能源危机与环境污染的有效途径之一。对于跟车场景下的燃料电池混合动力汽车能量优化控制来说，车辆行驶安全性、舒适性、燃料经济性和能量源耐久性的均衡问题仍然是一大挑战。

技术实现思路

[0003]本专利技术旨在提供一种基于多目标优化的混合动力汽车跟车能量管理方法，解决被控车辆的跟驰行驶过程中安全性、舒适性、燃料经济性和能量源耐久性多目标均衡问题，达到提升燃料电池混合动力汽车整车性能的目的。
[0004]为了解决以上技术问题，本专利技术采用的具体方案为：一种基于多目标优化的混合动力汽车跟车能量管理方法，包括下述步骤：首先设计基于可变时距的车间距策略获取参考跟车距离；其次基于参考跟车距离和燃料电池混合动力汽车纵向动力学模型，利用反步法设计非线性离散自适应巡航控制器求解车辆需求功率；然后建立被控车辆车载动力系统中燃料电池和锂电池的经验老化模型，设计等消耗最小策略分配燃料电池和锂电池的功率；最后利用非支配排序遗传算法III(Non
‑
dominated sorting genetic algorithm III,NSGA III)对离散自适应巡航控制器和能量管理策略的参数进行离线优化，实现被控车辆与前车的跟驰行驶过程中各目标之间的均衡。
[0005]优选的，包括以下步骤：
[0006]S1:利用V2V、V2I相关无线通信和车载雷达传感装置，实时获取前方车辆的位置、速度信息；结合被控的燃料电池混合动力汽车车辆的位置、速度和加速度信息，设计基于可变时距的车间距策略，获取参考跟车距离；
[0007]S2:建立燃料电池混合动力汽车的纵向动力学模型，并基于S1中获取的参考跟车距离，利用反步法设计非线性离散自适应巡航控制器，控制整车驱动力，使得被控车辆以参考跟车距离跟随前车行驶；
[0008]S3:根据车辆驱动电机需求功率与行驶速度、驱动力和电机效率的关系，将S2中控制器输出的整车驱动力信号转化为车辆的需求功率信号；
[0009]S4:建立车载动力系统能量源的经验老化模型，主要包括：燃料电池经验老化模型和锂电池经验老化模型；
[0010]S5:根据S3中获取的整车需求功率信号和S4中建立的能量源老化模型，将燃料电
池和锂电池输出功率作为优化变量，以燃料电池氢气消耗和电池等效氢气消耗之和最小化为目标，构造待优化问题的成本函数及约束条件，设计基于等效氢气消耗最小化的能量管理策略，求解燃料电池和锂电池最优输出功率，并经DC/DC变换器作用于驱动电机；
[0011]S6:根据S4中建立的能量源老化模型，分别建立行驶安全性、舒适性、燃料经济性和能量源耐久性的成本函数及约束条件，设计基于NSGA III的跟车控制与能量管理Pareto多目标优化方法，对S2中离散自适应巡航控制器和S5中的能量管理策略的参数进行离线优化，实现被控车辆与前车的跟驰行驶过程中各目标之间的均衡。
[0012]优选的，S1中可变时距车间距策略为：
[0013][0014]其中，d为期望跟车距离，s0是最小安全距离，t
h
为前车制动时车辆驾驶员的最大反应时间(车头时距)，v
i
和v
p
分别为本车和前车的速度，c
v
和c
a
为正常数，a
p
为前车的加速度，t0为初始车头时距。
[0015]优选的，S2中燃料电池混合动力汽车的纵向动力学模型为：
[0016][0017]其中，x
i
为被控车辆的行驶路程，T
s
为采样时间，m
i
为被控车辆质量，u为被控车辆的驱动力/制动力，F
a
、F
r
和F
g
分别为空气阻力、摩擦阻力和爬坡阻力，具体表示如下：
[0018][0019]其中，C
d
为车辆空气阻力系数，ρ为空气密度，A为被控车辆迎风面积，f
r
为路面摩擦系数，g为重力加速度，θ为道路坡度。
[0020]优选的，S2中非线性自适应巡航控制器设计为：
[0021][0022]其中，Z2为速度误差，α为虚拟控制输入，具体表示如下：
[0023][0024]其中，x
p
为前车位置，Z1为速度误差，具体表示如下：
[0025]Z1(k)＝x
i
(k)
‑
x
p
(k)+d(k)；
[0026]优选的，S3中车辆的需求功率信号为：
[0027]其中，η
motor
为驱动电机效率。
[0028]优选的，S4中建立车载动力系统的能量源老化模型进一步包括：根据燃料电池的电压衰减与使用寿命的关系，建立以外部电压为特征的燃料电池经验老化模型如下：
[0029][0030]其中，D
fc
为燃料电池老化程度(百分比)，k
r
为实际工况修正系数，V1、V2、V3和V4分别为燃料电池启停循环、低负载运行模式、高负载运行模式和负载波动模式下的电压衰减值，n
s
为启停循环次数，t1和t2分别为燃料电池低负载和高负载模式下运行时间，ΔP
fc
为燃料电池功率波动(W/s)，ΔV燃料电池电压最大允许衰减值。
[0031]优选的，S4中建立车载动力系统的能量源老化模型进一步包括：根据锂电池容量衰减与使用寿命的关系，建立以总充放电量(安时)为特征的锂电池经验老化模型如下：
[0032][0033]其中，D
bat
为锂电池老化程度，其单位为百分比％，I
b
为燃料电池充放电电流，N
cycle
为锂电池最大充放电循环次数，Q
c
为锂电池额定容量。
[0034]优选的，S5中优化问题的整车燃料等效消耗成本函数及约束条件构造为：
[0035][0036]其中，k3为大于0小于1的常值，η
fc
为燃料电池效率，为氢气的低热值，P
fc
为燃料电池功率，P
bat
为锂电池功率，为燃料电池最小输出功率，为燃料电池最大输出功率，为锂电池最小输出功率，为锂电池最大输出功率，λ
bat
为锂电池能耗等效因子，具体表示如下：
[0037][0038]其中，η
dis
...

【技术保护点】

【技术特征摘要】
1.一种基于多目标优化的混合动力汽车跟车能量管理方法，其特征在于：包括下述步骤：首先设计基于可变时距的车间距策略获取参考跟车距离；其次基于参考跟车距离和燃料电池混合动力汽车纵向动力学模型，利用反步法设计非线性离散自适应巡航控制器求解车辆需求功率；然后建立被控车辆动力系统中燃料电池和锂电池的经验老化模型，设计等消耗最小策略分配燃料电池和锂电池的功率；最后利用非支配排序遗传算法III对离散自适应巡航控制器和能量管理策略的参数进行离线优化，实现被控车辆与前车的跟驰行驶过程中各目标之间的均衡。2.根据权利要求1所述的一种基于多目标优化的混合动力汽车跟车能量管理方法，其特征在于：所述方法包括以下步骤：S1:利用V2V、V2I相关无线通信和车载雷达传感装置，实时获取前方车辆的位置、速度信息；结合被控的燃料电池混合动力汽车车辆的位置、速度和加速度信息，设计基于可变时距的车间距策略，获取参考跟车距离；S2:建立燃料电池混合动力汽车的纵向动力学模型，并基于S1中获取的参考跟车距离，利用反步法设计非线性离散自适应巡航控制器，控制整车驱动力，使得被控车辆以参考跟车距离跟随前车行驶；S3:根据车辆驱动电机需求功率与行驶速度、驱动力和电机效率的关系，将S2中控制器输出的整车驱动力信号转化为车辆的需求功率信号；S4:建立车载动力系统能量源的经验老化模型，主要包括：燃料电池经验老化模型和锂电池经验老化模型；S5:根据S3中获取的整车需求功率信号和S4中建立的能量源老化模型，将燃料电池和锂电池输出功率作为优化变量，以燃料电池氢气消耗和电池等效氢气消耗之和最小化为目标，构造待优化问题的成本函数及约束条件，设计基于等效氢气消耗最小化的能量管理策略，求解燃料电池和锂电池最优输出功率，并经DC/DC变换器作用于驱动电机；S6:根据S4中建立的能量源老化模型，分别建立行驶安全性、舒适性、燃料经济性和能量源耐久性的成本函数及约束条件，设计基于NSGA III的跟车控制与能量管理Pareto多目标优化方法，对S2中离散自适应巡航控制器和S5中的能量管理策略的参数进行离线优化，实现被控车辆与前车的跟驰行驶过程中各目标之间的均衡。3.根据权利要求2所述的一种基于多目标优化的混合动力汽车跟车能量管理方法，其特征在于：所述步骤S1中可变时距车间距策略为：其中，d为期望跟车距离，s0是最小安全距离，t
h
为前车制动时车辆驾驶员的最大反应时间，v
i
和v
p
分别为本车和前车的速度，c
v
和c
a
为正常数，a
p
为前车的加速度，t0为初始车头时距。4.根据权利要求2所述的一种基于多目标优化的混合动力汽车跟车能量管理方法，其特征在于：所述步骤S2中燃料电池混合动力汽车的纵向动力学模型为：
其中，x
i
为被控车辆的行驶路程，T
s
为采样时间，m
i
为被控车辆质量，u为被控车辆的驱动力/制动力；F
a
、F
r
和F
g
分别为空气阻力、摩擦阻力和爬坡阻力，具体表示如下：其中，C
d
...

【专利技术属性】
技术研发人员：陶发展，朱龙龙，付主木，宁韧，王子清，吴阳，陈启宏，宋书中，高爱云，焦龙吟，张冬凯，司鹏举，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：