[发明专利]基于交通信号灯信息的混合动力汽车节能预测控制方法

摘要

本发明公开了一种基于交通信号灯信息的混合动力汽车节能预测控制方法，从全球定位系统和智能交通系统获取实时道路坡度和交通信号灯信息作为系统输入；建立混合动力汽车数学模型作为预测未来车辆状态的依据；定义混合动力汽车能量管理最优控制问题，提供求解最优控制量的函数方程；实时反馈最优控制求解最优控制量；在满足混合动力汽车蓄电池电量平衡及各部件转速转矩物理极限约束的情况下，根据实际的车辆行驶工况在线调整优化混合动力汽车能量流动，获得混合动力汽车系统最优性能，用行星齿轮机构作为电子无极变速器，使发动机始终工作于最佳工作点，用道路交通信息，预测目标蓄电池荷电状态，在线调整混合动力汽车能量流动，达到节能减排的目标。

主权项

一种基于交通信号灯信息的混合动力汽车节能预测控制方法，包括确定交通信号灯信息模型、车辆建模、公式化控制策略、在线最优控制、权重参数调节、是否满足目标判断；其特征在于：具体包括以下步骤：步骤1)确定交通信号灯信息模型：选定观测地点，架设摄像机；录取符合要求的视频画面，连接摄像机和带视频采集卡的电脑设备，在信息采集软件界面设置好通讯端口和摄像机格式、时间信息，打开检测器开始检测，将检测文件存盘，提取需要的结果；将交通信号灯的时变信息转化为假想前行车的行驶模式，红灯表示前行车静止，绿灯表示前行车定速行驶，通过这种方式将交通信息模型化，公式化；步骤2)车辆建模：行星齿轮式混联混合动力汽车包含发动机，蓄电池，2个电机和车轮5大动态部件，行星齿轮作为动力分配装置既有速度耦合器的作用，又有电子无极变速器作用，根据车辆机械耦合和电子耦合关系，列写系统动力学方程，对动力学方程解耦，最终获得系统的状态空间模型，如式(1)所示：x·=f(x,u)]]> x＝[x1v xSOC]T u＝[u1Pbatt]f(x,u)=vu1(t)-12ρCDAv2/m-gμ-gsin(θ(x1))-VOC-VOC2-4PbattRbatt2RbattQbatt---(1)]]>式中，x为状态量，u为控制量，x1为车辆位置，v为车辆速度，xSOC为蓄电池荷电状态，u1为车辆加减速度的控制量，Pbatt是蓄电池功率，参数ρ，CD，A，m，g，μ和θ是空气密度，空气阻力系数，车辆迎风面积，车辆质量，重力加速度，滚动阻力系数和道路坡度，VOC，Rbatt和Qbatt是蓄电池开路电压，内阻和容量；车辆的燃油经济性评价采用威兰氏线性模型,如式(2)所示：m·f(t)=m·f(Preq(t)-Pbatt(t))≈cf(Preq(t)-Pbatt(t))---(2)]]>式中mf为燃油消耗率，参数Preq为车辆需求功率，cf为常数参数；步骤3)公式化控制策略：基于交通信号灯信息的混合动力汽车能量管理模型预测最优控制策略的步骤为：首先确定交通信号灯信息模型，其次运用所建立的数学模型和公式化控制策略求解最优控制问题，最后应用所求得的最优控制序列的第一个控制量于系统；由于模型预测控制为区间最优控制，所以其求得的最优控制量是数量为预测区间除以采样间隔的序列，最优控制序列的第一个控制量与实际状态最接近，所以采用它来作为实际的控制量；模型预测控制的基本原理为：在每一个采样时刻，根据预测模型对系统未来代价函数进行预测，通过对未来预测区间内的性能指标进行优化，并根据实测对象的输出进行反馈校正，将控制策略设计转化为优化过程，通过求解相应预测区间的优化问题得到控制序列，并将序列的第一个控制量作用于系统，实现反馈控制，之后在下一个采样时刻，将预测区间向前推进一步，不断重复该过程；总结来说其包括三部分：预测模型，滚动优化和反馈控制；通过对未来系统输入的预测可以实现对系统的实时最优控制；本控制策略的特色有两点：第一，采用尽量使用蓄电池能量的控制策略，以更好地利用混合动力汽车蓄电池容量大的特点，回收更多的免费再生制动能量；第二，运用两种模型预测控制器切换的策略解决交通信号灯信息模型不连续的问题；上述两大特色在控制策略设计中评价函数里有相应体现，为混合动力汽车系统性能提高提供了更大可能性；本方法考虑路口红绿灯剩余时间，路口限制速度条件，综合平衡车辆燃油经济性和安全性实现最优控制；定速行驶时的第一最优控制问题定义如式(3)所示：minimizeJopt1=∫tt+TLopt1(x(τ|t),u(τ|t))dτsubjecttoPbattmin≤Pbatt(τ|t)≤Pbattmaxu1min≤u1(τ|t)≤u1max---(3)]]>式中T为预测区间；u1min，u1max，Pbatmin和Pbatmax为控制量约束；评价函数定义如式(4)所示：Lopt1=wxLx+wyLy+wzLz+wdLd+weLe+wfLfLx=(u1-12ρCDAv2/m-gμ)2Ly=(v-vd)2Lz=cf(mu1v-Pbatt)/(1+e(-β(mu1v-Pbatt)))Ld=(xSOC-SOCd)2Le=(mu1v-Pbat)2Lf=-ln(xSOC-SOCmin)-ln(SOCmax-xSOC)---(4)]]>式中wx，wy，wz，wd，we和wf是权重系数，β为常数参数；SOCmin和SOCmax为参数约束，障碍函数用于处理系统状态约束，SOCd是目标蓄电池荷电状态，vd是车辆目标速度，它取值为车辆最优等速燃油经济性速度；及时通过交通信号灯的第二最优控制问题定义如式(5)所示：minimizeJopt2=∫tt+TLopt2(x(τ|t),u(τ|t))dτsubjecttoPbattmin≤Pbatt(τ|t)≤Pbattmaxu1min≤u1(τ|t)≤u1max---(5)]]>式中T为预测区间，u1min，u1max，Pbatmin和Pbatmax为控制量约束，评价函数定义如式(6)所示：Lopt2=wx2Lx2+wy2Ly2+wz2Lz2+wd2Ld2+we2Le2+wf2Lf2+wg2Lg2+wh2Lh2Lx2=(u12-12ρCDAv2/m-gμ)2Ly2=(v-vd)2Lz2=cf(mu1v-Pbatt)/(1+e(-β(mu1v-Pbatt)))Ld2=(xSOC-SOCd)2Le2=(mu1v-Pbat)2Lf2=-ln(xSOC-SOCmin)-ln(SOCmax-xSOC)Lg2=11+exp(-α(Td-τ))((Td-τ)v-(Xd-x1))2Lh2=11+exp(-α(Td-τ))exp(-k(Xd-x1v))---(6),]]>式中wx2，wy2，wz2，wd2，we2，wf2，wg2和wh2是权重系数，w1，w2，w3和w4是权重系数，Td和Xd为信号灯由红变绿或者由绿变红的时间点，交通信号灯的位置；步骤4)在线最优控制：为保证系统的实时最优性能，运用基于哈密顿方程的数值快速求解方法来求解上述最优控制问题，由于其只需有限几次迭代就计算出数值方程的最优解，这种方法在线性能很好，而且由于其基于哈密顿方程，这种解法的稳定性得到保证，解法具体来说，运用极小值原理将最优控制问题转化为两点边值问题，在处理哈密顿函数相关的微分方程组和代数方程组时采用部分空间法求解，这是一种GMRES解法；第一最优控制问题和第二最优控制问题的切换依据车辆能否在绿灯阶段通过交通信号灯的结果，如能通过，则求解第一最优控制问题，否则求解第二最优控制问题，选择及时通过交通信号灯的车辆速度；在每个采样时刻，首先测取蓄电池荷电状态实时状态信号，其次确定交通信号灯时变信息，并制作表格，再次根据建立的车辆模型和最优控制问题，利用上述数值快速解法求解预测区间内的最优控制序列，应用预测区间内的最优控制序列的第一个控制量于车辆，之后在下一个采样时刻，将预测区间向前推进一步，如此循环往复，实现在线最优控制；步骤5)权重参数调节：权重参数为第三步中评价函数内的权重系数，采用粒子群算法自动调节权重系数，具体来说，粒子群算法中的粒子为各项权重系数，然后通过迭代找到最优解，在每一次迭代中，粒子通过跟踪两个极值来更新自己，第一个就是粒子本身所找到的最优解，这个解叫做个体极值，另一个极值是整个种群目前找到的最优解，这个极值是全局极值；步骤6)目标满足判断：满足目标的标准为汽车的燃油经济性收敛到最优值，具体来说，迭代上一次和本次燃油经济性误差在±％5内即认为满足目标。