基于工况的串联式混合动力公交车整车控制方法

摘要

基于工况的串联式混合动力公交车整车控制方法，根据串联式混合动力公交车运行的工况，将平均速度和怠速时间比例作为特征量，提炼出了道路工况的四种典型驾驶模式。在对采集到的平均车速和怠速时间比例进行模糊量化后，采用模糊控制的理论来对道路工况进行模式识别。通过辨识车辆正在经历的实际路况接近于哪个典型驾驶模式，选择最合适的子优化策略进行整车能量管理，以更好地实现串联式混合动力公交车的能量管理策略，从而达到整车控制优化的目的，获得最优的经济性能与排放效果。本发明是通过给定若干典型驾驶循环，在车辆的实际运行过程中，选择最合适的子优化策略进行能量管理，达到基于道路工况的能量控制。

说明书

技术领域：

本发明涉及一种汽车动力的控制方式，尤其是指一种基于工况的串联式混合动力公交车整车控制方法。主要用于混合动力汽车。

背景技术：

二十世纪九十年代以来，能源危机和环境污染两大问题，日益受到各国政府的重视。随着汽车工业的发展，汽车保有量的增加，对能源和环境压力日益加剧，研究开发低排放、低油耗的汽车新技术势在必行。混合动力车辆作为一条近期切实可行的技术发展路线，已经成为世界各国研究的焦点之一。

串联式混合动力车因为布置灵活，结构简单，易于控制，并且所用电机功率比并联式大，利于回收制动能量，而城市公交车加减速频繁，低强度制动工况多，所以串联式尤其适合城市公交车。

近年来，国内外学者和设计者为了使SHEB油耗最低，排放最低，系统成本最低，驱动性能最佳设计了多种能量控制策略。这些策略按其性质可分为两大类：一类是被动型能量控制，另一类是主动型能量控制。被动型能量控制是在保证电池和发动机工作于最佳工作区范围的条件下被动地满足车辆功率需求的一种控制模式。这种控制模式以提高能量流动效率为其主要目的。主动型能量控制就是在注重提高汽车系统内部能量流动效率的同时，再根据行车环境主动减小车辆功率需求、扩大再生制动能量的能量管理模式。这种能量管理模式以减少人(驾驶员)、车、路所组成的大系统能量消耗最少为主要目的。

主动型能量控制因为结合了多种优化算法与理论，具有精细化控制的特点，因此是现代控制发展的主流。而主动型能量管理控制策略最大的困难在于需即时预先知道该车的行驶路线、路面状况与交通信号情况，才能实时预先做出控制。

随着控制技术的不断进步，对混合动力公交车控制策略研究的加深，在全局优化能量管理策略的基础上，对基于道路工况识别的能量管理策略开始不断被研究开发。

发明内容：

本发明的目的是针对现有基于工况的串联式混合动力公交车整车控制方法的不足，提出了一种可以不需预先知道该车的行驶路线、路面状况与交通信号情况，而进行串联式混合动力公交车整车控制的方法。

本发明的技术实施方案如下：一种基于工况的串联式混合动力公交车整车控制方法，根据串联式混合动力公交车(SHEB)运行的工况，将平均速度和怠速时间比例作为特征量，提炼出了道路工况的四种典型驾驶模式。在对采集到的平均车速和怠速时间比例进行模糊量化后，采用模糊控制的理论来对道路工况进行模式识别。通过辨识车辆正在经历的实际路况接近于哪个典型驾驶模式，选择最合适的子优化策略进行整车能量管理，以更好地实现串联式混合动力公交车的能量管理策略，从而达到整车控制优化的目的，获得最优的经济性能与排放效果。本发明是通过给定若干典型驾驶循环，在车辆的实际运行过程中，通过辨识车辆正在经历的实际路况接近于哪个典型驾驶循环，选择最合适的子优化策略进行能量管理，从而达到基于道路工况的能量控制的目的。

所述的四种典型驾驶模式是：选取6个有代表性的客车城市工况驾驶循环，包括1、美国环境保护署(EPA)制定的城市道路工况(CYC_UDDS)；2、纽约城市典型工况数据(CYC_New York Bus)；3、中国城市典型公交工况(CYC_China City)；4、株洲二路公交工况(CYC_Zhuzhou)；5、上海92B公交工况(CYC_Shanghai)；6、聊城11路公交工况(CYC_Liaochen)。提炼上述工况的道路参数，从中选取选取平均速度和怠速时间比例两个变量作为区分各个典型驾驶循环的特征量，得到上面6个典型工况在以平均速度和怠速时间比例两个变量为特征量的特征比例平面上的分布。根据分布归纳得到四种典型驾驶模式：模式B下平均车速较低，怠速时间所占比例较高，可以用于表征红绿灯多极其拥堵的路况，实际上也就是一般大城市的繁华路段；模式D下平均车速低，怠速时间所占比例也低的车况，表征红绿灯较少，但是极其拥堵的路段，这种工况一般是限速的室内立交道路；模式C下平均车速高、怠速所占时间较长，表征红绿灯多的不拥堵路线，例如很多城市的新规划区道路。A模式则表征上述三种极限模式之间的混合模式，实际上对于绝大部分公交线路来说，由于公交区间长，公交车所经过的道路工况一般是像A模式这样的混合工况模式。上面四种模式将公交工况下的道路工况模式进行了典型化划分，上述六个具有典型代表性的工况循环在特征平面上恰好都是落在这四种模式上。

在通过选定特征量建立几种典型的驾驶模式后，在车辆实际运行中就需要根据车辆的实际驾驶情况，依据特征量的变化来识别当前车子正运行于什么模式当中。驾驶模式识别的核心是对当前路况进行辨识，判断当前路况属于A、B、C、D哪个模式。在实车上辨识的过程是：首先测量并存储车辆的车速信号，实时的通过过去N秒的车速变化规律判断未来M秒的车速趋势。模式的判断可以采用模糊逻辑的方法，根本思路是根据两个特征值，计算当前路况的特征值与四个典型模式特征值之间的距离，根据距离最短的原则判断所属模式。

对各个驾驶模式分别进行控制策略优化，得到各驾驶模式下的准优化策略，依此构建实车的实时道路工况识别策略。在运行过程中，实时分析路况，根据路况特征选择相近准优化策略，得到相应准优化结果MAP。实时运行时，根据驾驶模式的辨识，将控制MAP按照驾驶模式的变换进行自由切换。

本发明的优点在于：提出了一种基于模糊控制理论的驾驶模式辨识方法，通过全局优化方法得到各个典型驾驶循环的全局优化结果，并提炼出相应的准优化结果，在车辆的实际运行过程中，通过辨识车辆正在经历的实际路况接近于哪个典型驾驶循环，选择最合适的准优化策略进行能量管理，从而获得最优的能量控制结果。

说明书附图

图1为6种典型驾驶工况；

图中各部分说明如下：

a-中国典型城市公交工况；b-纽约城市典型工况；

c-EPA城市道路工况；d-株洲2路公交工况；

e-聊城11路公交工况；f-上海92B公交工况；

图2为6种典型驾驶工况在特征图上的分布；

图3为4种典型驾驶模式在特征图上的逻辑示意图。

具体实施方式

下面将结合附图和实施例对本发明做进一步的描述。

一种基于工况的串联式混合动力公交车整车控制方法，根据串联式混合动力公交车(SHEB)运行的工况，将平均速度和怠速时间比例作为特征量，提炼出了道路工况的四种典型驾驶模式。在对采集到的平均车速和怠速时间比例进行模糊量化后，采用模糊控制的理论来对道路工况进行模式识别。通过辨识车辆正在经历的实际路况接近于哪个典型驾驶模式，选择最合适的子优化策略进行整车能量管理，以更好地实现串联式混合动力公交车的能量管理策略，从而达到整车控制优化的目的，获得最优的经济性能与排放效果。本发明是通过给定若干典型驾驶循环，在车辆的实际运行过程中，通过辨识车辆正在经历的实际路况接近于哪个典型驾驶循环，选择最合适的子优化策略进行能量管理，从而达到基于道路工况的能量控制的目的。

所述的四种典型驾驶模式是：选取6个有代表性的客车城市工况驾驶循环，包括1、美国环境保护署(EPA)制定的城市道路工况(CYC_UDDS)；2、纽约城市典型工况数据(CYC_New York Bus)；3、中国城市典型公交工况(CYC_China City)；4、株洲二路公交工况(CYC_Zhuzhou)；5、上海92B公交工况(CYC_Shanghai)；6、聊城11路公交工况(CYC_Liaochen)。提炼上述工况的道路参数，从中选取平均速度和怠速时间比例两个变量作为区分各个典型驾驶循环的特征量，得到上面6个典型工况在以平均速度和怠速时间比例两个变量为特征量的特征比例平面上的分布。根据分布归纳得到四种典型驾驶模式：模式B下平均车速较低，怠速时间所占比例较高，可以用于表征红绿灯多极其拥堵的路况，实际上也就是一般大城市的繁华路段；模式D下平均车速低，怠速时间所占比例也低的车况，表征红绿灯较少，但是极其拥堵的路段，这种工况一般是限速的室内立交道路；模式C下平均车速高、怠速所占时间较长，表征红绿灯多的不拥堵路线，例如很多城市的新规划区道路。A模式则表征上述三种极限模式之间的混合模式，实际上对于绝大部分公交线路来说，由于公交区间长，公交车所经过的道路工况一般是像A模式这样的混合工况模式。上面四种模式将公交工况下的道路工况模式进行了典型化划分，上述六个具有典型代表性的工况循环在特征平面上恰好都是落在这四种模式上。

在通过选定特征量建立几种典型的驾驶模式后，在车辆实际运行中就需要根据车辆的实际驾驶情况，依据特征量的变化来识别当前车子正运行于什么模式当中。驾驶模式识别的核心是对当前路况进行辨识，判断当前路况属于A、B、C、D哪个模式。在实车上辨识的过程是：首先测量并存储车辆的车速信号，实时的通过过去N秒的车速变化规律判断未来M秒的车速趋势。模式的判断可以采用模糊逻辑的方法，根本思路是根据两个特征值，计算当前路况的特征值与四个典型模式特征值之间的距离，根据距离最短的原则判断所属模式。

对各个驾驶模式分别进行控制策略优化，得到各驾驶模式下的准优化策略，依此构建实车的实时道路工况识别策略。在运行过程中，实时分析路况，根据路况特征选择相近准优化策略，得到相应准优化结果MAP。实时运行时，根据驾驶模式的辨识，将控制MAP按照驾驶模式的变换进行自由切换。

从图1中对各个工况进行道路参数提炼，可以得到下表：

  项目名称  China City  New York  UDDS  ZHUZHOU  LIAOCHEN  SHANGHAI  平均车速(km/h)  15.29  5.93  31.51  16.98  15.38  13.03  最高车速(km/h)  59.87  49.57  91.25  35.62  39.15  49.71  怠速时间(s)  383  403  258  129  1248  1051  停站点(个)  14  11  17  15  60  47  平均加速度(m/s²)  0.31  1.17  0.5  0.17  0.29  0.44  平均减速度(m/s²)  -0.43  -0.67  -0.58  -0.23  -0.33  -0.5最大加速度(m/s²)1.252.771.480.671.781.63  最大减速度(m/s²)  -2.47  -2.06  -1.48  -4.5  -1.89  -2.35  怠速时间比例(％)  32.1402  67.1667  18.8459  7.248  28.8657  29.9829  巡航时间比例(％)  35.9386  65.3333  25.5661  7.0781  28.8426  28.755  制动时间比例(％)  19.1971  17.3045  25.4745  21.4488  22.3791  26.9769  循环时间(s)  1312  600  1369  1766  4320  3502  循环里程(km)  5.82  0.99  11.99  8.33  18.46  12.68

由于上表各个参数之间具有相关性，选取平均速度和怠速时间比例两个变量作为区分各个典型驾驶循环的特征量，得到图2六个驾驶循环在以平均速度和怠速时间比例两个变量为特征量的特征比例平面上的分布图。图中纽约城市典型工况代表了平均车速较低，怠速时间所占比例较高，红绿灯多极其拥堵的B模式；EPA城市道路工况代表了平均车速高、怠速所占时间较长，红绿灯多但不拥堵的C模式；株洲二路工况则代表了平均车速低，怠速时间所占比例也低，红绿灯较少，但是极其拥堵的D模式，而其它几个工况都是综合模式A。从图上可以看出对于公交车来说其工况模式总是落在该特征值平面图的左下对角平面，其平均速度低于40km/h，怠速时间比例常常较高。

以此可知车速V∈[0，50]km/h，怠速时间比例T_p∈[0，100]％。把车速划分为5个模糊集，分别为：[很慢，慢，中速，快，很快]，用V_j(j＝1，2，3，4，5)表示；把怠速时间比例划分也为5个模糊集，分别为：[很低，低，一般，高，很高]，用P_j(j＝1，2，3，4，5)表示。把驾驶循环特征值分布图横纵坐标分别5等分，则可以得到如图3所示的驾驶模式逻辑示意图。根据前面对工况的研究，以上面所得A、B、C、D四种典型模式的分布中心为圆心，可以得到它们在驾驶循环特征值分布图上的有效作用区域。据此，则可以建立相应模糊规则：R_j＝V_j∩P_j。当模糊交集由两个5×5的输入模糊子集结合得到时，可以得到若干个输出中心点。这样分别以A、B、C、D四种模式为输出变量得到每种模式的输出子集：R_i(i＝A，B，C，D)∈[0，1]。

按上述方法识别驾驶模式后，分别采用相应准优化结果MAP进行控制。