混合动力车能量优化控制方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开一种混合动力车能量优化控制方法、装置、电子设备及存储介质，涉及车辆相关技术领域。方法包括：根据实测车速及实测加速度，计算预测时域内当前时刻之后每一预测时刻的预测车速和预测加速度，根据预测车速和预测加速度，计算预测车速对应的需求功率；选取预测时域内当前时刻之后每一预测时刻对应的电池荷电状态、需求功率为强化学习的状态，电动机转矩和/或发动机转矩为强化学习的动作，以整车燃油消耗量最小为优化目标，通过强化学习，获得预测时域内燃油消耗量最小所对应的最优转矩分配序列；将最优转矩分配序列中的第一组转矩作用到车辆上。本发明专利技术能满足驾驶员对整车驱动力的需求，同时又能优化动力源传递动力以及系统能量效率。以及系统能量效率。以及系统能量效率。

【技术实现步骤摘要】
混合动力车能量优化控制方法、装置、电子设备及存储介质


[0001]本专利技术涉及车辆相关
，特别是一种混合动力车能量优化控制方法、装置、电子设备及存储介质。

技术介绍

[0002]混合动力电动汽车(非增程式)具有发动机和电机等两种以上动力源，动力源输出的动力通过协调后经由传动系统驱动整车行驶。不同的布置结构能实现不同的工作模式，在满足车辆动力需求的同时，降低了油耗，减小污染物的排放。既能克服纯电动汽车续驶里程不足的问题，而且也没有燃料电池汽车适应性差、安全性低的问题，因此混合动力汽车的生产研究在现阶段炙手可热。能量管理策略是混合动力汽车的关键技术，对整车的燃油经济性、动力性等具有决定性作用。对整车进行能量管理就是在满足整车需求动力的前提下，实现对动力源转矩的优化分配，使整车性能最佳，因此需要制定合理的能量管理策略。
[0003]模型预测控制(Model Predictive Control)，简称MPC，最初应用于工业控制过程，用于解决多变量约束优化控制问题。从数学与控制理论的层面来看，混合动力汽车的能量管理策略问题可以归属于一个受限制性条件约束的非线性动态最优化控制问题。MPC将复杂的优化问题划分为有限预测时域内的数学规划问题并分区域求解，提高计算效率的同时还能获得局部最优解。MPC的控制原理为在每一个采样时刻，都遵循3个步骤：预测系统未来动态—求解优化问题—解的第1个元素作用于系统，在下一个时刻，将测量的实际输出值与参考值作比较后修正预测模型，重新进行求解，重复进行上述步骤滚动求解优化问题，直到预测时域结束。
[0004]然而，现有技术缺乏基于MPC对动力源转矩的优化分配方法。

技术实现思路

[0005]基于此，有必要针对现有技术缺乏基于MPC对动力源转矩的优化分配方法的技术问题，提供一种混合动力车能量优化控制方法、装置、电子设备及存储介质。
[0006]本专利技术提供一种混合动力车能量优化控制方法，包括：
[0007]步骤一，根据实测车速及实测加速度，计算预测时域内当前时刻之后每一预测时刻的预测车速和预测加速度，根据所述预测车速和所述预测加速度，计算所述预测车速对应的需求功率，所述预测时域为接收到优化控制请求后，在响应优化控制请求时刻之后预设时长的时间域；
[0008]步骤二，选取预测时域内当前时刻之后每一预测时刻对应的电池荷电状态、需求功率为强化学习的状态，电动机转矩和/或发动机转矩为强化学习的动作，以整车燃油消耗量最小为优化目标，通过强化学习，获得预测时域内燃油消耗量最小所对应的最优转矩分配序列，所述最优转矩分配序列包括预测时域内当前时刻之后每一预测时刻的一组转矩分配，所述转矩分配包括电动机转矩和/或发动机转矩；
[0009]步骤三，将所述最优转矩分配序列中的第一组转矩作用到车辆上，更新当前时刻
为下一所述预测时刻，更新实测车速及实测加速度，并再次执行所述步骤一到所述步骤三，直到达到预测时域的最后一个预测时刻。
[0010]进一步地，所述根据实测车速及实测加速度，计算预测时域内当前时刻之后每一预测时刻的预测车速和预测加速度，包括：
[0011]获取根据车辆历史车速及历史加速度计算得到的多步马尔科夫预测模型，所述多步马尔科夫预测模型包括每一车速下每一加速度对应的转移加速度的转移概率；
[0012]将实测车速作为输入车速，将实测加速度作为输入加速度，依次对预测时域内当前时刻之后每一所述预测时刻执行预测操作，每一预测操作，包括：
[0013]在所述多步马尔科夫预测模型中，从所述输入车速对应的所有所述转移加速度中，选择最大转移概率对应的转移加速度作为预测加速度，根据预测加速度与所述输入车速，计算所述预测时刻的预测车速，以所述预测加速度作为下一预测时刻的输入加速度，以所述预测车速作为下一预测时刻的输入车速。
[0014]进一步地，所述根据所述预测车速和所述预测加速度，计算所述预测车速对应的需求功率，包括：
[0015]计算所述预测车速对应的需求功率为：其中P
req
为车辆行驶需求功率，m为整车质量，g为重力加速度，f为车辆的轮胎滚动阻力系数，C
D
为空气阻力系数，δ为旋转质量换算系数，A为迎风面积，为所述预测加速度，v为所述预测车速，K为常数。
[0016]进一步地，所述选取预测时域内当前时刻之后每一预测时刻对应的电池荷电状态、需求功率为强化学习的状态，电动机转矩和/或发动机转矩为强化学习的动作，以整车燃油消耗量最小为优化目标，通过强化学习，获得预测时域内燃油消耗量最小所对应的最优转矩分配序列，包括：
[0017]选取预测时域内当前时刻之后每一预测时刻对应的电池荷电状态、需求功率为强化学习的状态，电动机转矩和/或发动机转矩为强化学习的动作；
[0018]执行迭代计算，每次迭代计算中，依次对每一所述预测时刻执行强化学习操作，所述强化学习操作，包括：
[0019]在所述预测时刻，利用概率贪婪策略选择动作变量作为所述预测时刻的选择动作，计算将所述选择动作作用于车辆时得到的整车燃油消耗量发动机燃油消耗量以及电能等效燃油能量，基于所述发动机燃油消耗量以及所述电能等效燃油能量，计算选择动作的立即回报，根据所述立即回报，更新关于状态与动作的状态动作值；
[0020]完成一次迭代计算后，判断是否满足迭代结束条件，如果满足迭代结束条件，则停止迭代，根据本次迭代计算得到的每个预测时刻对应的最优动作，计算最优转矩分配序列，否则执行下一次迭代，每个预测时刻对应的最优动作为所述预测时刻的状态的最小状态动作值对应的动作。
[0021]更进一步地，所述基于所述发动机燃油消耗量以及所述电能等效燃油能量，计算选择动作的立即回报，包括：
[0022]计算选择动作a的立即回报为：r
t
(s,a)＝m
fuel
+m
ele
+β(SOC(t)
‑
SOC
ref
(t))2，其中，
r
t
(s,a)为预测时刻t下状态s与动作a的立即回报，m
fuel
为所述发动机燃油消耗量，m
ele
为所述电能等效燃油能量，β为权重系数，SOC(t)为预测时刻t时的荷电状态，SOC
ref
(t)为预测时刻t时的荷电状态参考值。
[0023]进一步地，还包括，进行如下约束：
[0024][0025]其中：n
e
(k)表示k时刻的发动机转速，n
e_max
(k)为k时刻发动机转速的最大值，n
e_min
(k)为k时刻发动机转速的最小值；T
m
(k)为k时刻的电动机转矩，T
m_max
(k)为k时刻电机转矩的最大值，T
m_min
(k)为k时刻电机转矩的最小值，T
e
(k)为k时刻的发动机转矩，T
...

【技术保护点】

【技术特征摘要】
1.一种混合动力车辆能量优化控制方法，其特征在于，包括：步骤一，根据实测车速及实测加速度，计算预测时域内当前时刻之后每一预测时刻的预测车速和预测加速度，根据所述预测车速和所述预测加速度，计算所述预测车速对应的需求功率，所述预测时域为接收到优化控制请求后，在响应优化控制请求时刻之后预设时长的时间域；步骤二，选取预测时域内当前时刻之后每一预测时刻对应的电池荷电状态、需求功率为强化学习的状态，电动机转矩和/或发动机转矩为强化学习的动作，以整车燃油消耗量最小为优化目标，通过强化学习，获得预测时域内燃油消耗量最小所对应的最优转矩分配序列，所述最优转矩分配序列包括预测时域内当前时刻之后每一预测时刻的一组转矩分配，所述转矩分配包括电动机转矩和/或发动机转矩；步骤三，将所述最优转矩分配序列中的第一组转矩作用到车辆上，更新当前时刻为下一所述预测时刻，更新实测车速及实测加速度，并再次执行所述步骤一到所述步骤三，直到达到预测时域的最后一个预测时刻。2.根据权利要求1所述的混合动力车辆能量优化控制方法，其特征在于，所述根据实测车速及实测加速度，计算预测时域内当前时刻之后每一预测时刻的预测车速和预测加速度，包括：获取根据车辆历史车速及历史加速度计算得到的多步马尔科夫预测模型，所述多步马尔科夫预测模型包括每一车速下每一加速度对应的转移加速度的转移概率；将实测车速作为输入车速，将实测加速度作为输入加速度，依次对预测时域内当前时刻之后每一所述预测时刻执行预测操作，每一预测操作，包括：在所述多步马尔科夫预测模型中，从所述输入车速对应的所有所述转移加速度中，选择最大转移概率对应的转移加速度作为预测加速度，根据预测加速度与所述输入车速，计算所述预测时刻的预测车速，以所述预测加速度作为下一预测时刻的输入加速度，以所述预测车速作为下一预测时刻的输入车速。3.根据权利要求1所述的混合动力车辆能量优化控制方法，其特征在于，所述根据所述预测车速和所述预测加速度，计算所述预测车速对应的需求功率，包括：计算所述预测车速对应的需求功率为：其中P
req
为车辆行驶需求功率，m为整车质量，g为重力加速度，f为车辆的轮胎滚动阻力系数，C
D
为空气阻力系数，δ为旋转质量换算系数，A为迎风面积，为所述预测加速度，v为所述预测车速，K为常数。4.根据权利要求1所述的混合动力车辆能量优化控制方法，其特征在于，所述选取预测时域内当前时刻之后每一预测时刻对应的电池荷电状态、需求功率为强化学习的状态，电动机转矩和/或发动机转矩为强化学习的动作，以整车燃油消耗量最小为优化目标，通过强化学习，获得预测时域内燃油消耗量最小所对应的最优转矩分配序列，包括：选取预测时域内当前时刻之后每一预测时刻对应的电池荷电状态、需求功率为强化学习的状态，电动机转矩和/或发动机转矩为强化学习的动作；执行迭代计算，每次迭代计算中，依次对每一所述预测时刻执行强化学习操作，所述强
化学习操作，包括：在所述预测时刻，利用概率贪婪策略选择动作变量作为所述预测时刻的选择动作，计算将所述选择动作作用于车辆时得到的整车燃油消耗量发动机燃油消耗量以及电能等效燃油能量，基于所述发动机燃油消耗量以及所述电能等效燃油能量，计算选择动作的立即回报，根据所述立即回报，更新关于状态与动作的状态动作值；完成一次迭代计算后，判断是否满足迭代结束条件，如果满足迭代结束条件，则停止迭代，根据本次迭代计算得到的每个预测时刻对应的最优动作，计算最优转矩分配序列，否则执行下一次迭代，每个预测时刻对应的最优动作为所述预测时刻的状态的最小状态动作值对应的动作。5.根据权利要求4所述的混合动力车辆能量优化控制方法，其特征在于，所述基于所述发动机燃油消耗量以及所述电能等效燃油能量，计算选择动作的立即回报，包括：计算选择动作a的立即回报...

【专利技术属性】
技术研发人员：马永娟，顾王文，王计广，胥峰，陈旭东，黄佑贤，李建微，代兴海，佘红楼，何建良，李智鹏，杨书恒，
申请(专利权)人：中汽研汽车检验中心昆明有限公司，
类型：发明
国别省市：