弱混系统车辆预测技术方案

本发明专利技术公开了一种弱混系统车辆预测

【技术实现步骤摘要】
弱混系统车辆预测SOC的控制方法


[0001]本专利技术是关于混动系统汽车的设计制造领域，特别是关于一种弱混系统车辆的预测
SOC
控制方法
。

技术介绍

[0002]通常所说的混合动力一般是指油电混合动力，即燃料
(
汽油，柴油等
)
和电能的混合
。
混合动力汽车是有电动马达作为发动机的辅助动力驱动汽车
。
混合动力汽车的燃油经济性能高，而且行驶性能优越，混合动力汽车的发动机要使用燃油，而且在起步
、
加速时，由于有电动马达的辅助，所以可以降低油耗，简单地说，就是与同样大小的汽车相比，燃油费用更低
。
而且，辅助发动机的电动马达可以在启动的瞬间产生强大的动力，因此，车主可以享受更强劲的起步
、
加速
。
同时，还能实现较高水平的燃油经济性
。
[0003]混合动力汽车的种类目前主要有3种
。
一并联方式种是以发动机为主动力，电动马达作为辅助动力的
"
并联方式
"。(Parallel Hybrid)
这种方式主要以发动机驱动行驶，利用电动马达所具有的再启动时产生强大动力的特征，在汽车起步
、
加速等发动机燃油消耗较大时，用电动马达辅助驱动的方式来降低发动机的油耗
。
这种方式的结构比较简单，只需要在汽车上增加电动马达和电瓶
。
[0004]弱混合动力r/>(MILD HYBRID)
也称轻度混合动力
、
软混合动力
、
微混合动力等
。
弱混系统商用车是目前行业内的趋势，以商用车
48V
弱混系统为例，该系统主要用于降低油耗，是达到四阶段油耗目标的方案之一
。
其中下坡工况进行能量回收是其核心节油手段，因此保证下坡能量回收的效果，很大程度上就决定了
48V
弱混系统的节油率
。
而目前车辆在正常行驶中，车辆无法获取前方道路信息，因此会存在一种情况：当车辆在开始走下坡路时，
48V
系统会进行能量回收，但此时若
48V
电池
SOC(state of charge
，指荷电状态
)
较高，会导致下坡还未结束，
48V
电池已充满，会导致剩余下坡路段电池无法再进行充电，大大降低能量回收的效率
。
[0005]在现有的技术方案中，有如下的缺点：
[0006]1，车辆无法有效获取前方道路信息；
[0007]2，车辆无法提前预估下坡路段可回收的
Δ
SOC
值，导致
48V
弱混系统下坡回收能量效率较低；
[0008]针对上述缺点，本申请提案提出了如下的解决方案：
[0009]1，通过终端获取
ADASIS
高精地图提供的前方道路信息；
[0010]2，结合道路信息，优化整合
48V
弱混系统控制策略，预测下坡路段工况可回收的
48V
电池
Δ
SOC
，在满足一定的条件下，在下坡前提前消耗
Δ
SOC
，保证在整个下坡路段都可进行能量回收，进行完全充电，提高下坡路段能量回收效率
。
[0011]如何能通过获取道路信息
、
车辆和
48V
弱混系统的参数，如当前坡段信息
、
下一坡段信息
、
车速
、
车重
、
行驶阻力
、
电池额定容量
、
电池充电效率
、
电池
SOC
，整合以上参数，进行策略控制，从而使下坡路段能量回收效率达到最大化成为行业内广泛关注的问题之一
。
[0012]公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术
。

技术实现思路

[0013]本专利技术的目的在于提供一种弱混系统车辆预测
SOC
的控制方法，其能够通过获取道路信息
、
车辆和
48V
弱混系统的参数，如当前坡段信息
、
下一坡段信息
、
车速
、
车重
、
行驶阻力
、
电池额定容量
、
电池充电效率
、
电池
SOC
，整合以上参数，进行策略控制，从而使下坡路段能量回收效率达到最大化
。
[0014]为实现上述目的，本专利技术提供了一种弱混系统车辆预测
SOC
的控制方法，包括：监测
ADASIS
高精地图信息状态的过程；地图信息是否满足有效性要求的判断过程；监测当前坡段及下一坡段信息的过程；是否满足预测
SOC
计算前提条件的判断过程；计算预测
SOC
值的过程；以及
SOC
大于设定值的判断过程
。
[0015]在一优选的实施方式中，监测
ADASIS
高精地图信息状态的过程包括实时监测车辆位置信号状态
、
车辆当前位置偏移值
、
当前坡段坡度值以及下一坡段坡度值
。
[0016]在一优选的实施方式中，地图信息是否满足有效性要求的判断过程包括当以下条件同时满足时，则地图信息满足有效性要求：车辆位置信号状态为
true
；车辆当前位置偏移值小于无效值；当前坡段坡度在可标定合理的范围内；以及下一坡段坡度在可标定合理的范围内
。
[0017]在一优选的实施方式中，是否满足预测
SOC
计算前提条件的判断过程包括当以下条件同时满足时则可进行预测
SOC
计算：当前坡段为平路或上坡；以及下一坡段为下坡
。
[0018]在一优选的实施方式中，计算预测
SOC
值的过程根据以下公式：
[0019][0020]其中，
η
充电效率
(
％
)
，
E
r
电池额定容量
(kWh)
，
m
整车质量
(kg)
，
g
重力加速度
(9.8m/s2)
，
F
阻
道路行驶阻力
(kN)
，
h
下坡坡段起点和终点的高度差
(m)
，
l
下坡坡段的长度...

【技术保护点】

【技术特征摘要】
1.
一种弱混系统车辆预测
SOC
的控制方法，其特征在于，包括：监测
ADASIS
高精地图信息状态的过程；地图信息是否满足有效性要求的判断过程；监测当前坡段及下一坡段信息的过程；是否满足预测
SOC
计算前提条件的判断过程；计算预测
SOC
值的过程；以及
SOC
大于设定值的判断过程
。2.
如权利要求1所述的弱混系统车辆预测
SOC
的控制方法，其特征在于，所述监测
ADASIS
高精地图信息状态的过程包括实时监测车辆位置信号状态
、
车辆当前位置偏移值
、
当前坡段坡度值以及下一坡段坡度值
。3.
如权利要求1所述的弱混系统车辆预测
SOC
的控制方法，其特征在于，所述地图信息是否满足有效性要求的判断过程包括当以下条件同时满足时，则地图信息满足有效性要求：车辆位置信号状态为
true
；车辆当前位置偏移值小于无效值；当前坡段坡度在可标定合理的范围内；以及下一坡段坡度在可标定合理的范围内
。4.
如权利要求1所述的弱混系统车辆预测
SOC
的控制方法，其特征在于，所述是否满足预测
SOC
计算前提条件的判断过程包括当以下条件同时满足时则可进行预测
SOC
计算：当前坡段为平路或上坡；以及下一坡段为下坡
。5.
如权利要求1所述的弱混系统车辆预测
SOC
的控制方法，其特征在于，所述计算预测
SOC
值的过程根据以下公式：其中，
η
充电效率
(
％
)
，
E
r
电池额定容量
(kWh)
，
m
整车质量
(kg)
，
g
重力加速度
(9.8m/s2)
，
F
阻
道路行驶阻力
...

【专利技术属性】
技术研发人员：黄应熹，林铁坚，杜宇，刘小勇，宁旭，郑东，黄舒琦，李甲平，
申请(专利权)人：广西玉柴机器股份有限公司，
类型：发明
国别省市：