[发明专利]基于自适应等效因子的混合动力车辆多目标优化控制方法

权利要求书

1.一种基于自适应等效因子的混合动力车辆多目标优化控制方法，其特征在于：

步骤1、建立混合动力车辆的氢气消耗模型、燃料电池系统老化模型以及锂电池系统老化模型：

步骤2、通过步骤1建立的模型获得混合动力车辆的氢气消耗量、燃料电池系统老化状态量和锂电池系统老化状态量，从而将混合动力车辆的氢气消耗量、燃料电池系统老化状态量和锂电池系统老化状态量转化为对应的能量消耗代价；

步骤3、建立半经验燃料电池系统老化模型，并设置一个燃料电池系统的老化参数，建立老化参数与燃料电池的电阻和限制电流的关系，采用无迹卡尔曼滤波算法处理半经验燃料电池系统老化模型求解估计获得老化参数，同时使用协方差匹配方法计算无迹卡尔曼滤波算法中过程噪声和测量噪声的方差，最终用估计得到的老化参数计算自适应等效因子；

步骤4、建立由步骤2的三个能量消耗代价组成包含自适应等效因子的多目标函数，然后利用有效集算法以最小化多目标函数为目标进行求解得到优化的功率分配来进行控制；

所述步骤3具体为：

所述的半经验的燃料电池系统老化模型表达为：

其中，N_fc为燃料电池系统中燃料电池的数量，E_o为燃料电池的开路电压，I_fc和V_fc分别为燃料电池系统的电流和电压，A_t和B_c分别为塔菲尔常数和浓度常数，T_o和I_o分别为燃料电池的工作温度和交换电流，R_fc和I_l分别表示燃料电池的电阻和限制电流；

然后设置燃料电池系统的老化参数α，利用老化参数α来描述燃料电池电阻R_fc和限制电流I_l的变化：

R_fc＝R_fco·(1-α)

I_l＝I_lo·(1+α)

其中，R_fco和I_lo分别为初始的燃料电池电阻和限制电流，β为燃料电池系统老化参数α的变化率；

然后采用无迹卡尔曼滤波算法对半经验的燃料电池系统老化模型进行处理估计燃料电池系统的老化参数，同时利用协方差匹配方法实时更新无迹卡尔曼滤波算法中过程噪声和测量噪声的方差；

最终利用获得的燃料电池系统老化参数按照以下公式处理获得自适应等效因子λ_e：

λ_e＝λ_eo·(1+k_bα)²

其中，λ_eo为初始的等效因子，k_b表示正常数；

所述步骤4具体为：

构建多目标函数表示为：

其中，J_e为多目标函数，P_bat为锂电池系统的输出功率，A_f和B_f分别为燃料电池系统输出功率二次项系数和一次项系数；A_b和B_b分别为锂电池系统输出功率二次项系数和一次项系数；

其中，c_bat为锂电池系统单位能量的消耗代价，E_b,r为锂电池系统的额定容量，A_tol为总的放电容量，V_ob为锂电池系统的开路电压，为氢气低热值，_sgn()为符号函数，P_fc为燃料电池系统的输出功率；

多目标函数的约束表示为：

P_fc+P_bat＝P_dem

P_fc，min≤P_fc≤P_fc,max

P_b,min≤P_bat≤P_b,max

其中，P_dem为混合动力车辆需求功率，P_fc,min和P_fc,max分别为燃料电池系统的最小和最大输出功率，P_b,min和P_b,max分别为锂电池系统的最小和最大输出功率；

最后将多目标函数视为带约束的二次规划问题利用有效集算法进行求解优化，获得最优的燃料电池系统的输出功率P_fc和锂电池系统的输出功率。