[发明专利]基于预测的混合动力汽车凸优化能量控制方法及系统

权利要求书

1.基于预测的混合动力汽车凸优化能量控制方法，其特征是，包括：

基于混合动力系统的构成建立混合动力系统模型；

基于搭建的混合动力系统模型以及长短期记忆神经网络进行车速预测，获取预测时域内车速序列；

基于获取的车速序列构建预测优化控制模型；

将预测优化控制模型转化为凸优化形式；

结合内点法和乘子法对基于预测优化控制模型的凸优化形式进行求解，获得期望电动机以及发动机功率值。

2.如权利要求1所述的基于预测的混合动力汽车凸优化能量控制方法，其特征是，建立混合动力系统模型时，包括：

采用多项式拟合的方式对发动机进行建模；

电驱动系统建模；

动力电池建模；以及

车辆纵向动力学建模，具体方式为：通过纵向动力学模型输出车辆总的功率需求，纵向动力学方程。

3.如权利要求2所述的基于预测的混合动力汽车凸优化能量控制方法，其特征是，对发动机进行建模的具体方式为：对发动机转速、发动机功率以及发动机燃油消耗率三者进行二次多项式拟合。

4.如权利要求2所述的基于预测的混合动力汽车凸优化能量控制方法，其特征是，电驱动系统建模的具体方式为：对动力电池功率、电动机功率以及电动机转速进行二次多项式拟合。

5.如权利要求1所述的基于预测的混合动力汽车凸优化能量控制方法，其特征是，获取预测时域内车速序列时，采用LSTM神经网络设计车速预测器，获取预测时域内车速序列。

6.如权利要求5所述的基于预测的混合动力汽车凸优化能量控制方法，其特征是，以LSTM神经网络预测的未来一定时间车速序列为依据，构建预测优化控制模型；

预测优化控制模型主要包括目标函数、约束条件、状态变量以及优化变量选取；

目标函数以整车能耗最低以及SOC参考轨迹跟踪误差最小为优化目标；

发动机以及电动机的转矩转速输出范围限制以及动力电池SOC约束构建约束条件；

选取动力电池SOC作为状态变量，发动机功率作为优化变量。

7.如权利要求1所述的基于预测的混合动力汽车凸优化能量控制方法，其特征是，结合内点法和乘子法对基于预测优化控制模型的凸优化形式进行求解，具体为：

构造指数型屏障函数，将凸优化形式下的约束条件中的不等式约束引入目标函数中，从而将不等式约束凸优化问题转化为等式约束凸优化问题；

借助对偶分解思想，对等式约束凸优化问题进行分解，构造下式所示增广拉格朗日方程；

针对上述增广拉格朗日方程，采用乘子法对其进行交替迭代求解，从而获取优化解，获得期望电动机以及发动机功率值。

8.基于预测的混合动力汽车凸优化能量控制系统，其特征是，包括：

混合动力系统模型建立模块，被配置为：基于混合动力系统的构成建立混合动力系统模型；

车速序列预测模块，被配置为：基于搭建的混合动力系统模型以及长短期记忆神经网络进行车速预测，获取预测时域内车速序列；

预测优化控制模型构建模块，被配置为：基于获取的车速序列构建预测优化控制模型；

求解模块，被配置为：将预测优化控制模型转化为凸优化形式；

结合内点法和乘子法对基于预测优化控制模型的凸优化形式进行求解，获得期望电动机以及发动机功率值。

9.一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时执行上述权利要求1-7任一所述的方法的步骤。