申请/专利权人：山东大学

申请日：2021-12-29

公开（公告）日：2024-04-02

公开（公告）号：CN114291067B

主分类号：B60W20/00

分类号：B60W20/00;B60W40/00;B60W40/105

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.04.26#实质审查的生效;2022.04.08#公开

摘要：本发明提出了基于预测的混合动力汽车凸优化能量控制方法及系统，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。本发明在保证优化效果的前提下满足实车应用中对实时性的需求。

主权项：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；获取预测时域内车速序列时，采用长短期记忆神经网络设计车速预测器，获取预测时域内车速序列；以长短期记忆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；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；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，具体设计过程如下：首先确定发动机以及电动机在模型预测控制滚动时域k，k＝1,2,3,4,5时刻的能耗Fk以及滚动时域k时刻的SOC跟踪误差Sk，所述能耗包括油耗和电耗； 其中，pb,k＝Pb,k3600，pb,k为动力电池在滚动时域k时刻消耗的电能，单位为kW·h，Pb,k为动力电池在滚动时域k时刻发出的总功率，单位为kW，ω1,ω2为权重系数，Cf为油价，Ce为电价，Dt0表示车辆在t0时刻的行驶里程，t0表示当前时刻，Dw为日行驶总里程，ffuel,k为发动机在滚动时域k时刻的燃油消耗，单位为L，SOCp,k为滚动时域k时刻参考SOC值，SOCa,k表示滚动时域k时刻实际SOC值，SOC0为初始SOC，设置为0.8，SOC1为期望终止SOC，设置为0.3；在此基础上，得到如下目标函数J； 考虑到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，上述优化问题需要满足如下约束条件： 其中，Pb,k为滚动时域k时刻动力电池总功率，Pdrv,k为在滚动时域k时刻总需求功率，Pe,k为滚动时域k时刻发动机功率，Pm,k为滚动时域k时刻电动机功率，ωe,k为滚动时域k时刻发动机转速，ωm,k为滚动时域k时刻电动机转速，上标low和上标up分别表示变量的上界和下界；Qbat为动力电池容量，SOC为动力电池荷电状态，Voc为动力电池开路电压。

全文数据：

权利要求：

百度查询： 山东大学 基于预测的混合动力汽车凸优化能量控制方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD