【技术实现步骤摘要】
本专利技术涉及混合能力车能量管理，特别是涉及一种混合动力车能量实时控制方法、车辆控制器及混合动力车。
技术介绍
1、近年来，汽车行业一个主要目标是朝着环境友好的方向发展。由于道路运输占化石燃料消耗和二氧化碳产生的很大一部分，节能减排已成为汽车行业的优先事项。这种背景下，混合动力车被认为是具有广泛应用前景的解决方案。它可以在实现低排放、低成本和高效率的同时，有效解决纯电动汽车续航里程的问题。因此混合动力车受到了广泛关注和研究。混合动力车中，能量管理是影响整车经济性的关键因素。混合动力车的节能机理是在高效范围内优化发动机工作点，利用电机补偿发动机输出功率与当前行驶需求功率之间的差距。因此，制定针对混合动力汽车的能量管理策略，提高其在不同道路环境下的适应能力，十分重要。这意味着需要优化能量的利用，使得发动机和电动机在不同工况下的配合更加高效。通过合理的能量管理策略，确保在不同行驶情况下提供最佳的动力输出和燃油利用率，从而提高整车的经济性。
2、当前许多能量管理策略都是基于标准驾驶工况而设计的，对真实驾驶数据关注较少；车辆作为交通环境中一部分，其工况与所处环境紧密相关；因此，如何结合真实驾驶数据及真实工况，对能量管理策略优化，以使优化型策略能适应多种工况，以实现对汽车的能量管理的优化，具有重要的意义。
技术实现思路
1、本专利技术的目的是为克服现有技术的不足和缺陷，而提供一种混合动力车能量实时控制方法、车辆控制器及混合动力车。
2、本专利技术的第一方面，提供一种混合
3、s1.对双延迟深度确定性策略梯度神经网络模型训练，得到最优参考速度规划模型；双延迟深度确定性策略梯度神经网络模型以自车所在当前路面坡度、自车电池荷电状态、自车速度、自车与前车相对距离、前车加速度以及前车速度构造状态空间，以自车加速度构造动作空间；奖励函数由自车油耗与电耗总成本能耗奖励函数、自车和前车相对距离能耗奖励函数、自车的速度能耗奖励函数以及前车速度能耗奖励函数构建；训练后，将actor目标网络作为最优参考速度规划模型；
4、s2.将基于智慧交通系统和/或车联网获取的实时模型输入数据，输入最优参考速度规划模型处理，得到车辆在未来一段时间内的每个时刻最优参考速度，得到最优参考速度序列；
5、s3.基于最优参考速度序列，计算车辆未来一段时间内每个时刻的总需求转矩，得到总需求转矩序列；
6、s4.基于总需求转矩序列，以车辆能耗最小为目标，确定车辆的发动机转矩序列和电机转矩序列；其中，车辆在未来一段时间内每个时刻的发动机转矩和电机转矩之和等于需求总转矩；
7、s5.基于车辆的发动机转矩序列和电机转矩序列，对车辆进行控制。
8、其中，所述双延迟深度确定性策略梯度神经网络模型的表达式如下：
9、,
10、式中，s表示状态空间，a表示动作空间，r表示奖励函数；
11、表示自车在当前时刻电池荷电状态，表示自车所在当前路面下当前时刻坡度，表示当前时刻自车与前车相对距离，表示当前时刻前车加速度，表示当前时刻前车速度，表示当前时刻自车速度；
12、表示在当前时刻自车加速度；
13、代表单位时间内自车油耗与电耗总成本能耗奖励函数的权重因子，代表单位时间内自车与前车相对距离能耗奖励函数的权重因子，代表单位时间内自车速度能耗奖励函数的权重因子，代表单位时间内前车速度能耗奖励函数的权重因子，是单位时间内自车油耗与电耗总成本能耗奖励函数，是单位时间内自车与前车相对距离能耗奖励函数，是单位时间内自车速度能耗奖励函数，是单位时间内前车速度能耗奖励函数。
14、其中，所述单位时间内自车油耗与电耗总成本能耗奖励函数为单位时间步长内自车油耗与电耗的总和。
15、其中，所述单位时间内自车与前车相对距离能耗奖励函数的表达式如下：
16、，
17、式中，，分别表示前车与自车最大的相对距离和最小的相对距离，表示指数函数。
18、其中，所述单位时间内自车速度能耗奖励函数的表达式如下：
19、，
20、式中，，分别表示自车所能到达的最大速度和最小速度。
21、其中，所述单位时间内前车速度能耗奖励函数的表达式如下：
22、。
23、步骤s3中，基于最优参考速度序列，计算车辆未来一段时间内每个时刻的总需求转矩，得到总需求转矩序列，包括：
24、自车根据每个未来时刻的最优参考速度和自车预测交通状况得到的车速所做的速度差值，得到速度差值序列；
25、基于速度差值序列中的速度差值，自车内的pi驱动器模型输出未来一段时间内每个时刻的总需求转矩，形成总需求转矩序列。
26、步骤s4中，基于总需求转矩序列，以车辆能耗最小为目标，确定车辆的发动机转矩序列和电机转矩序列，采用以下代价函数控制实现：
27、，
28、，，
29、式中，为发动机瞬时燃油消耗，为等效因子，为发动机转矩序列，为车辆的电机转矩，为汽油热值，表示在周期初始时刻的动力电池的电量值，为未来一段时间内的发动机转矩序列，表示优化目标函数，表示代价函数。
30、本专利技术的第二方面，提供一种车辆控制器，采用本专利技术第一方面所述的混合动力车能量实时控制方法对混合动力车辆进行实时控制。
31、本专利技术的第三方面，提供一种混合动力车，包括本专利技术第二方面所述的车辆控制器。
32、本专利技术充分考虑了车辆所行驶的环境信息及车辆自身信息的实时变化对混合动力汽车的能耗的影响，结合智能交通系统，能获得更为精确的节能速度序列，从而能获得更为精确的经济速度预测，从而能更好控制混合动力车进行能量控制管理。
本文档来自技高网...【技术保护点】
1.混合动力车能量实时控制方法，其特征在于，包括步骤：
2.根据权利要求1所述混合动力车能量实时控制方法，其特征在于，所述双延迟深度确定性策略梯度神经网络模型的表达式如下：
3.根据权利要求2所述混合动力车能量实时控制方法，其特征在于，所述单位时间内自车油耗与电耗总成本能耗奖励函数为单位时间步长内自车的油耗与电耗的总和。
4.根据权利要求3所述混合动力车能量实时控制方法，其特征在于，所述单位时间内自车与前车相对距离能耗奖励函数的表达式如下：
5.根据权利要求4所述混合动力车能量实时控制方法，其特征在于，所述单位时间内自车速度能耗奖励函数的表达式如下：
6.根据权利要求5所述混合动力车能量实时控制方法，其特征在于，所述单位时间内前车速度能耗奖励函数的表达式如下：
7.根据权利要求1所述混合动力车能量实时控制方法，其特征在于，步骤S3中，基于最优参考速度序列，计算车辆未来一段时间内每个时刻的总需求转矩，得到总需求转矩序列，包括：
8.根据权利要求1所述混合动力车能量实时控制方法，其特征在于，步骤S4中
9.车辆控制器，其特征在于，采用权利要求1-8任一项所述的混合动力车能量实时控制方法对混合动力车辆进行实时控制。
10.混合动力车，其特征在于，包括权利要求9所述的车辆控制器。
...【技术特征摘要】
1.混合动力车能量实时控制方法，其特征在于，包括步骤：
2.根据权利要求1所述混合动力车能量实时控制方法，其特征在于，所述双延迟深度确定性策略梯度神经网络模型的表达式如下：
3.根据权利要求2所述混合动力车能量实时控制方法，其特征在于，所述单位时间内自车油耗与电耗总成本能耗奖励函数为单位时间步长内自车的油耗与电耗的总和。
4.根据权利要求3所述混合动力车能量实时控制方法，其特征在于，所述单位时间内自车与前车相对距离能耗奖励函数的表达式如下：
5.根据权利要求4所述混合动力车能量实时控制方法，其特征在于，所述单位时间内自车速度能耗奖励函数的表达式如下：
6.根据权利要求5所述混合动力车能量...
【专利技术属性】
技术研发人员：郑宏，王伟，李文博，张晓辉，曲辅凡，师存阳，方茂东，石攀，梅铮，董婷，刘乐，钟祥麟，
申请(专利权)人：中汽研汽车检验中心天津有限公司，
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。