[发明专利]基于MPC和Q-Learning算法的混合动力汽车分层控制方法

说明书

本发明提供的一种基于MPC和Q‑Learning算法的混合动力汽车分层控制方法，包括以下步骤：S1.采集行车队列参数以及行车队列中第i辆车的车辆参数；其中：行车队列参数包括第i辆车的前车位置信息和前车速度信息；第i辆车的车辆参数包括车速和加速度；S2.构建MPC预测控制模型，并根据行车队列参数和自身车辆参数确定出第i辆车的期望加速度；S3.根据第i辆车的期望加速度确定出第i辆车的期望速度；S4.构建Q‑Learning网络，将第i辆车的期望速度、需求功率以及电池电量状态输入Q‑Learning网络中进行处理，输出第i辆车的电机的最优转矩，并基于最优转矩控制混合动力汽车工作，能够有效提升混合动力汽车的燃油经济性。

技术领域

本发明涉及一种混合动力汽车控制方法，尤其涉及一种基于MPC和 Q-Learning算法的混合动力汽车分层控制方法。

背景技术

随着智能网联汽车技术的出现，为混合动力汽车队列的实时能量管理及优 化提供了新的解决方案。汽车在公路上行驶时，如果能够与周围的其他汽车进 行信息互通，根据相邻车辆的信息来实时调整本车的行驶状态，形成一个多车 同道同向的自动行驶队列，则会比单一车辆更具有安全性和经济性。

然而，现有技术中，对于混合动力汽车的燃油经济性的控制策略均是以混 合动力汽车自身的状态，包括电池状态、电机效率以及驾驶员的操作状态作为 控制因素对混合动力汽车的进行控制，但是，道路上汽车并不是独立的个体， 车辆的行驶会受到前后方车辆的行驶速度、加速度和位置等信息的影响，因此， 现有的方式方法并不能对混合动力汽车的燃油经济性进行准确分析控制。

因此，为了解决上述技术问题，亟需提出一种新的技术手段。

发明内容

有鉴于此，本发明的目的是提供一种基于MPC和Q-Learning算法的混合动 力汽车分层控制方法，能够根据车辆的队列状态对车辆的能量进行分析、管理， 能够有效提升混合动力汽车的转矩合理分配，从而有效提升混合动力汽车的燃 油经济性。

本发明提供的一种基于MPC和Q-Learning算法的混合动力汽车分层控制方 法，包括以下步骤：

S1.采集行车队列参数以及行车队列中第i辆车的车辆参数；其中：行车队 列参数包括第i辆车的前车位置信息和前车速度信息；第i辆车的车辆参数包 括车速和加速度；

S2.构建MPC预测控制模型，并根据行车队列参数和自身车辆参数确定出第 i辆车的期望加速度；

S3.根据第i辆车的期望加速度确定出第i辆车的期望速度；

S4.构建Q-Learning网络，将第i辆车的期望速度、需求功率以及电池电 量状态输入Q-Learning网络中进行处理，输出第i辆车的电机的最优转矩，并 基于最优转矩控制混合动力汽车工作。

进一步，步骤S2中具体包括：

S21.构建第i辆车的状态变量x和动作变量u，其中：

x＝[e_s e_v a_i v_i]^T，u＝a_des，e_s为第i辆车与前车的车间距误差， e_v为第i辆车与前车的速度误差，a_i为第i辆车的加速度，v_i为第i辆车的 速度，a_des为第i辆车的期望加速度；

S22.根据步骤S1确定的状态变量和动作变量建立第i辆车的状态方程：

其中，A和B为系数矩阵，且：

t_h为第i辆车与前车的车头时距，τ表示车 辆动力部件的时间常数；