本发明专利技术涉及用于基于模型预测式调节车辆的部件的装置，车辆具有电池和电动马达，该装置包括：用于接收车辆(34)的传感器(14)的传感器数据的第一输入接口(20)；用于接收车辆(34)的外部环境中的关于拓扑学的数据的第二输入接口(22)；用于实施预测算法(26)的控制单元(25)，用以产生用于车辆(34)的部件(18)的控制值；用于输出在控制单元(25)中获知的用于车辆(34)的部件(18)的控制值的输出接口(24)；其中，预测算法(26)包括车辆模型(28)和优化函数(30)；车辆模型(28)包括电池模型(32)，并且在预测算法(26)中处理传感器数据和关于拓扑学的数据；优化函数(30)包括电能量和行驶时间，其中，能量由电池模型(32)预测，并且行驶时间由车辆模型(28)预测；优化函数(30)包括在预测范围内在车辆(34)的由车辆模型(28)预测的路程(44)上的充电点(48)的信息以及在充电点(48)所在之处电池(33)的预测含能量的信息；并且预测算法(26)通过最小化优化函数(30)产生控制值。本发明专利技术还涉及用于基于模型预测式调节车辆部件的系统和方法。车辆部件的系统和方法。车辆部件的系统和方法。
【技术实现步骤摘要】
【国外来华专利技术】用于基于模型预测式调节车辆部件的装置和方法
[0001]本专利技术涉及一种用于基于模型预测式调节车辆部件的装置和系统以及方法，所述车辆具有电池和电动马达。
技术介绍
[0002]现代车辆(轿车、货车、载重车、摩托车等)包括大量系统，这些系统为驾驶员提供信息并且部分或全自动化地控制车辆的各个功能。通过传感器检测车辆外部环境并基于此产生车辆外部环境模型，将其集成到现有的车辆模型中。由于自动驾驶和半自动驾驶汽车领域的逐步发展，这种驾驶员辅助系统(高级驾驶辅助，Advanced Driver Assistance，ADAS)的影响和作用范围越来越大。尤其是在具有电机(即，电动马达)作为驱动器的车辆中，也应用基于模型的预测式调节方法(英文：Model Predictive Control或缩写MPC，模型预测控制)，其例如应用于轨迹调节领域，尤其是在机动车的马达调节领域。例如可以通过对驱动机的预测式调节来优化电能量的消耗。
[0003]根据EP2610836 A1已知能量管理策略的优化，其通过最小化成本函数并且基于预测范围和其他外部环境信息实施。为此建立神经网络以在车辆内使用。此外，还实施驾驶员建模以及预估驾驶员可能选择的速度曲线。EP1256476 B1公开了一种降低驾驶能耗和增加可达里程的策略。在此，使用导航设备的信息，即，当前车辆位置、道路图案、包括日期和时间的地理信息、高度变化、速度限制、交叉路口密度、交通监控和驾驶员的驾驶模式。
[0004]在机动车运行中，驾驶员及其驾驶风格对能耗的影响最大。即使应用已知的巡航控制系统来控制车速，也没有考虑能耗。已知的预测驾驶策略通常是基于规律性，并不能在任何情况下提供最佳结果。此外，基于优化的策略是计算复杂的，迄今为止只能作为离线解决方案或者利用动态编程来解决。
[0005]在电池驱动的电动车辆中，其他被提供电能量的部件对总能耗以及因而对车辆的可达里程也起着决定性作用。然而，这些部件在能量管理系统中没有被考虑或者没有得到充分考虑。
技术实现思路
[0006]从此出发，本专利技术提出的任务在于，建议一种具有改进MPC调节的系统，其中，应用改进的能量管理，以使能耗灵活匹配给定的边界条件。
[0007]为了解决该任务，本专利技术在第一方面涉及用于基于模型预测式调节车辆的部件的装置，所述车辆具有电池和电动马达，所述装置包括：
[0008]用于接收车辆的传感器的传感器数据的第一输入接口；
[0009]用于接收车辆的外部环境中的关于拓扑学的数据的第二输入接口；
[0010]用于实施预测算法的控制单元，预测算法用于产生用于车辆的部件的控制值；
[0011]用于输出在控制单元中获知的用于车辆的部件控制值的输出接口；
[0012]其中，
[0013]预测算法包括车辆模型和优化函数；
[0014]车辆模型包括电池模型，并且在预测算法中处理传感器数据和关于拓扑学的数据；
[0015]优化函数包括电能量和行驶时间，其中，能量由电池模型预测，行驶时间由车辆模型预测；
[0016]优化函数包括在预测范围内在车辆的由车辆模型预测的路程上的充电点的信息以及在充电点所在之处电池的预测含能量的信息；并且
[0017]预测算法通过最小化优化函数产生控制值。
[0018]在另一方面，本专利技术涉及用于基于模型预测式调节车辆的部件的系统，所述车辆具有电池和电动马达，所述系统包括：
[0019]如上述的装置、用于获知包括车辆的外部环境信息的传感器数据的传感器和用于提供关于拓扑学的数据的拓扑单元。
[0020]本专利技术其他方面涉及相应的方法、车辆和具有程序编码的计算机程序产品，当所述程序编码在计算机上运行时，程序编码用于执行所述方法的步骤，以及涉及存储介质，在其上存储有计算机程序，当计算机程序在计算机上运行时，促使实施所述方法。
[0021]本专利技术的优选实施方案在从属权利要求中说明。应当理解，上面提到和后面还将进一步阐述的特征不仅可以相应给定的组合应用，也可以其他组合应用或单独应用，而不离开本专利技术的范围。尤其是，方法和计算机程序产品可以根据针对装置和系统在从属权利要求中所述的实施方案来实现。
[0022]根据本专利技术的装置尤其应用用于实施预测算法的控制单元，以便产生车辆部件的控制值。在此，该预测算法基于车辆模型和优化函数。车辆模型例如除了包括沿车辆纵向驱动的动态模型之外还可以包括用于车辆的各个部件的其他模型。例如在车辆模型中包括电池模型，在其上给电池管理以及电池建模。给其他部件(例如空调设备、制动器或不同摄像头)建模的信息和参数也属于车辆模型。导航系统以及存储在那里的电子地图和车辆外部环境中的拓扑学的信息(例如道路图案和其他信息)也属于此。电池模型除了包括电池自身之外还包括例如电池温度管理和依赖于电池温度说明电池充电周期和能量输出的模型。电池模型可以包括电池冷却泵或温控系统。
[0023]由控制单元实施的预测算法基于MPC求解器或MPC算法(Model Predictive Control，模型预测控制)。该预测算法可以实现有效规划在整车层面上对与车辆整体能效相关的各种自由度。在此，通过应用预测算法规划不同的自由度可以使用节能的且在某些情况下舒适的执行器组合。预测和规划自由度可以优化传输至所谓的目标发生器，然后其可控制各个执行器，例如驱动系的执行器或车辆中的其他部件和执行器。
[0024]在现代车辆中安装不同的与能效相关的部件(这些部件不是仅属于驱动系)。能耗优化和能量管理优化包括在考虑行驶时间和能耗情况下规划电池充电阶段可以由通过控制单元实施的预测算法实现。这样，在给定边界条件和限制的情况下，在任何状况下都可以获知实现节能驾驶模式的“高效驾驶(Driving Efficiency)”驾驶功能的优化解决方案。基于此的系统模型或车辆模型说明了车辆的整体行为。预测算法应用目标函数或优化函数(其也被称为成本函数)。由此说明和确定优化问题，其中，指定了应当优化哪些状态参数。
[0025]在此，优化涉及最小化优化函数。在优化函数中说明应当最小化的状态参数。在
此，尤其是车辆消耗的电能量以及行驶时间是相关参数。优化能耗和行驶时间例如可以基于由车辆模型预测的车辆前方的路段以及预测范围优化地设计。在此，可以考虑速度和/或牵引力的限制以及一般车辆状态。除了优化电能量和行驶时间之外，优化功能还包括在预测范围内在车辆的由车辆模型预测的路程上的充电点的信息。因此，考虑沿预测行驶路线的下一个可能充电点位于哪里。此外，优化函数还包括在预测的路程上在充电点所在之处电池的预测含能量的信息。根据这些值可以获知车辆部件的针对应用情况的具体控制值。
[0026]如果例如车辆是客车，那么在根据本专利技术的装置中还可以考虑在客车的预测的路程上的被归类为停车处的点。优化函数可以相应调整，其中，必要时可将到达停车处的到达时间纳入优化函数。也可以在停车处额外设置充电点，这可以代表优化函数。
[0027]车辆的部件例如本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.用于基于模型预测式调节车辆(34)的部件(18)的装置(12)，所述车辆具有电池(33)和电动马达(35)，所述装置包括：
‑
用于接收所述车辆(34)的传感器(14)的传感器数据的第一输入接口(20)；
‑
用于接收所述车辆(34)的外部环境中的关于拓扑学的数据的第二输入接口(22)；
‑
用于实施预测算法(26)的控制单元(25)，所述预测算法用于产生用于所述车辆(34)的部件(18)的控制值；
‑
用于输出在所述控制单元(25)中获知的用于所述车辆(34)的部件(18)的控制值的输出接口(24)；其中，所述预测算法(26)包括车辆模型(28)和优化函数(30)；所述车辆模型(28)包括电池模型(32)，并且在所述预测算法(26)中处理所述传感器数据和关于拓扑学的数据；所述优化函数(30)包括电能量和行驶时间，其中，所述能量由所述电池模型(32)预测，所述行驶时间由所述车辆模型(28)预测；所述优化函数(30)包括在预测范围内在所述车辆(34)的由所述车辆模型(28)预测的路程(44)上的充电点(48)的信息以及在所述充电点(48)所在之处所述电池(33)的预测含能量的信息；并且所述预测算法(26)通过最小化所述优化函数(30)产生所述控制值。2.根据权利要求1所述的装置(12)，其中，所述优化函数(30)包括能量、行驶时间、充电点的信息和/或含能量的信息作为加权项。3.根据权利要求1和2所述的装置(12)，其中，所述优化函数(30)包括在预测范围内在所述车辆(34)的由所述车辆模型(28)预测的路程(44)上的被归类为停车处(46)的路径点的信息，其中，在所述优化函数(30)中包括被归类为停车处(46)的路径点的信息作为加权项。4.根据权利要求3所述的装置(12)，其中，所述优化函数(30)包括考虑了到达被归类为停车处(46)的路径点的到达时间的项。5.根据前述权利要求中任一项所述的装置(12)，其中，所述优化函数(30)包括具有考虑了所述充电点(48)的占用的占用参数的项。6.根据前述权利要求中任一项所述的装置(12)，其中，在所述控制单元(25)中借助所述预测算法(26)产生的控制值是用于所述车辆(34)的电动马达(35)的马达控制值。7.根据前述权利要求中任一项所述的装置(12)，其中，借助所述预测算法(26)产生的控制值是用于驱控对所述电池(33)进行温控的电池冷却泵的泵控制值。8.根据前述权利要求中任一项所述的装置(12)，其中，借助所述预测算法(26)产生的控制值是用于驱...
【专利技术属性】
技术研发人员：蒂蒙，
申请(专利权)人：采埃孚股份公司，
类型：发明
国别省市：
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。