[发明专利]一种基于实时交通流预测的并联式混合动力汽车分层能量管理策略

说明书

本发明公开了一种基于实时交通流预测的并联式混合动力汽车分层能量管理策略，通过智能交通系统获得的实时交通信息，预测和构建全局未来行车工况，传入车辆分层混动控制器，以解决传统控制依赖于固定路线和离线优化的问题。通过对当前时刻到过去一段时间内交通网络内的车速、车流、拥挤度聚合成为交通通行速度图，作为全局控制器的参考，经过最优化得到最优速度参考轨迹与参考SOC轨迹；在MPC模块中使用自适应等效燃油消耗因子来让实时SOC跟踪参考SOC，速度参考轨迹作为MPC参考轨迹，从而得到适应于当前混动车辆的发动机与电机控制信息，最后使用该车辆运动模型辅助惯性导航定位。具有稳定性好、实时性好、能源效率高的优点。

技术领域

本发明属于混合动力系统控制，具体指代一种基于DP全局规划和自适应等效燃油消耗因子算法的车辆并联式混合动力系统控制方法。

背景技术

随着减碳减排的大趋势，对于混合动力车辆能量效率提升也有着愈来愈高的需求。智能交通系统和短程通讯技术的发展，对缓解城市拥堵、提高交通安全性、减少额能源消耗、提高经济性等问题都带来了发展的新思路。

目前主流的用于车辆混合动力系统控制的方案为：通过对于固定路线的离线优化，求得一个最优解，当车辆行驶时进行工况识别，使用查表法求得当前转矩分配；或者使用车速预测器进行短期工况预测，再优化目标函数，实现能量优化分配。但离线优化依赖于固定路线固定工况，预测又依赖于车辆模型自身惯性，只能准确预测较短预测域。

本文提出了一种基于智能交通环境，通过实时和历史交通数据，使用神经网络预测出未来交通流信息，提取出交通通行图。通过智能交通系统的短程通讯，将交通通行图发送给车载控制器，使用动态规划算法进行全局规划，得到最优速度轨迹和SOC参考轨迹。使用两个参考轨迹运用A-ECMS(自适应等效燃油消耗最小算法)量，根据实车实时工况，求解最优控制，实现动力的最优分配。

针对智能交通环境下的并联式混合动力车辆，本文提出一种可靠性和精度更好的基于驾驶行为信息和惯性导航的车辆定位方法。

发明内容

本发明旨在提供一种基于实时交通流预测的并联式混合动力分层能量管理策略。通过智能交通系统获取交通宏观信息，以实时应对全新的交通环境，同时利用全局规划来改进等效燃油消耗最小能量管理策略，提高预测模型准确度，以降低能耗。

为了解决以上技术问题，本发明采用的具体方案为：使用神经网络预测出未来交通时空图信息聚合成交通时空序列，提取出交通通行图序列。通过智能交通系统的短程通讯，将交通通行图发送给车载控制器作为约束条件，使用动态规划算法进行全局规划，得到最优速度轨迹，和SOC参考轨迹。结合SOC参考轨迹实时调整自适应等效因子值，以改进状态更新方程，使用最优速度轨迹则作为部分约束条件，结合实车实时工况，生成转矩分配值。具体步骤如下：

步骤1：智能交通系统获取交通流信息并通过神经网络预测未来道路交通信息；

步骤2：系统使用未来交通信息，构建道路通行速度图；

步骤3：车辆行驶过程中，通过V2X通讯，获取通行速度图，根据自车行驶路线，动态规划求解最优全局参考速度轨迹与参考SOC轨迹；

步骤4：对参考SOC轨迹进行跟踪，获得自适应等效燃油消耗因子；

步骤5：基于最优速度轨迹、自适应等效因子和实时工况，使用A-ECMS求解最优转矩分配方案。

进一步的，步骤1中：

智能交通环境，可以通过路基的电子卡口、测速设备、监控视频、毫米波雷达等传感器统计与记录道路车辆信息，结合交通系统内车基传感器获取后回传的单车信息。

获取的信息经过时间戳对齐和统计学处理后，后聚合成为交通流信息。