[发明专利]一种混合动力汽车的能量优化控制方法及装置

权利要求书

1.一种混合动力汽车的能量优化控制方法，其特征在于，包括以下步骤：

1)根据车辆的前方行驶区域中的行车信息对道路工况进行分类，针对每一类道路工况建立对应的能量优化模型，各能量优化模型是以对应道路工况下的整车能耗最低建立的；所述行车信息至少包括平均车速、最高车速、停车时间比例和平均加速度中的两个；通过机器学习方法对每一类道路工况下的行车信息进行训练，建立道路工况类型的识别模型；

2)求解各能量优化模型，对应得到各能量优化模型的能量最优控制参数，能量最优控制参数包括发动机参与工作的整车需求功率、发动机参与工作的车辆速度、发动机参与工作的车辆最优功率；

3)获取车辆的前方行驶区域中的当前行车信息，根据当前行车信息确定当前道路工况的类型，按照当前道路工况的类型对应能量优化模型的能量优化控制参数控制车辆，实现车辆的能量优化控制；当获取车辆的前方行驶区域中的当前行车信息后，将当前行车信息代入所述道路工况类型的识别模型，得到所述当前道路工况的类型：如果两辆车的类型不同，选取更靠近本车障碍物的类型，如果有三辆以上的车辆，每辆车确定的道路工况类型不同，哪个道路工况类型占比大，则确定当前道路类型为哪个。

2.根据权利要求1所述的混合动力汽车的能量优化控制方法，其特征在于，所述能量最优控制参数还包括电池剩余电量。

3.根据权利要求1所述的混合动力汽车的能量优化控制方法，其特征在于，所述机器学习方法包括模糊识别算法、神经网络算法或支持向量机算法。

4.根据权利要求2所述的混合动力汽车的能量优化控制方法，其特征在于，步骤2)中的能量优化模型如下：

其中，Q_fuel(x)表示整车能耗，表示控制参数在可行域范围内求取，与分别表示x_i的下限和上限，i＝1,2,3,4；x＝(x₁,x₂,x₃,x₄)^T，x₁、x₂、x₃、x₄分别表示发动机参与工作的整车需求功率、发动机参与工作的车辆速度、发动机参与工作的车辆最优功率和电池剩余电量，s.t.表示约束条件，g(x)表示目标车速和实际车速之间的误差，ΔSOC＝0表示当前道路工况类型开始前和结束后的电池电量相等。

5.一种混合动力汽车的能量优化控制装置，其特征在于，包括处理器，处理器用于执行指令以实现以下步骤：

1)根据车辆的前方行驶区域中的行车信息对道路工况进行分类，针对每一类道路工况建立对应的能量优化模型，各能量优化模型是以对应道路工况下的整车能耗最低建立的；所述行车信息至少包括平均车速、最高车速、停车时间比例和平均加速度中的两个；通过机器学习方法对每一类道路工况下的行车信息进行训练，建立道路工况类型的识别模型；

2)求解各能量优化模型，对应得到各能量优化模型的能量最优控制参数，能量最优控制参数包括发动机参与工作的整车需求功率、发动机参与工作的车辆速度、发动机参与工作的车辆最优功率；

3)获取车辆的前方行驶区域中的当前行车信息，根据当前行车信息确定当前道路工况的类型，按照当前道路工况的类型对应能量优化模型的能量优化控制参数控制车辆，实现车辆的能量优化控制；当获取车辆的前方行驶区域中的当前行车信息后，将当前行车信息代入所述道路工况类型的识别模型，得到所述当前道路工况的类型：如果两辆车的类型不同，选取更靠近本车障碍物的类型，如果有三辆以上的车辆，每辆车确定的道路工况类型不同，哪个道路工况类型占比大，则确定当前道路类型为哪个。

6.根据权利要求5所述的混合动力汽车的能量优化控制装置，其特征在于，所述能量最优控制参数还包括电池剩余电量。

7.根据权利要求5所述的混合动力汽车的能量优化控制装置，其特征在于，所述机器学习方法包括模糊识别算法、神经网络算法或支持向量机算法。

8.根据权利要求6所述的混合动力汽车的能量优化控制装置，其特征在于，步骤2)中的能量优化模型如下：

其中，Q_fuel(x)表示整车能耗，表示控制参数在可行域范围内求取，与分别表示x_i的下限和上限，i＝1,2,3,4；x＝(x₁,x₂,x₃,x₄)^T，x₁、x₂、x₃、x₄分别表示发动机参与工作的整车需求功率、发动机参与工作的车辆速度、发动机参与工作的车辆最优功率和电池剩余电量，s.t.表示约束条件，g(x)表示目标车速和实际车速之间的误差，ΔSOC＝0表示当前道路工况类型开始前和结束后的电池电量相等。