基于工况分类的动态协调混合动力汽车能量管理方法与流程

本发明属于汽车能量管理技术领域，具体涉及一种基于工况分类的动态协调混合动力汽车能量管理方法。

背景技术：

随着环境污染和能源短缺的日益严重，各国纷纷采取措施节能减排，因此各大汽车厂商和科研机构加强了对新能源汽车的研发,其中，混合动力汽车具有较高的续航里程，较好的排放效果，受到了大家的青睐。混合动力主要由两种动力源组成，并且拥有多种运行模式，通过模式之间的协调切换和能量源的特性互补，有效的提高了燃油经济性和整车系统的性能。然而，由于混合动力汽车是一个多变量，不连续，时变的复杂系统，在模式切换中，会出现平顺性差，冲击度大等问题，既增加了动态油耗，又降低乘坐舒适性。

混合动力汽车的能量管理方法直接影响了整车的燃油经济性、动力性和操纵稳定性等，具有十分关键的作用。其中，行驶工况则直接影响整车控制器vcu对发动机与电机间的转矩分配，也对整车控制策略的制定有着极其重要的影响。如果能够利用车辆的历史和当前数据对行驶工况进行合理精确的分类，然后根据不同的行驶工况进行合理的转矩分配，则可以进一步提高能量管理策略的优化效果。

技术实现要素：

本发明的目的是提供一种基于工况分类的动态协调混合动力汽车能量管理方法，本发明利用粒子群算法和k均值算法构建工况划分模型，对行驶工况进行分类，然后通过节气门动态协调程序对不同的工况进行合理的转矩分配，融合智能算法和先进pid控制技术，以解决当前由于转矩分配不当和车辆突然加速或减速时油门突变造成的油耗增加和乘坐舒适性差等问题，实现经行驶工况划分和动态油耗调节后，对发动机和电机间的功率流进行合理的实时控制，在保证动力性的同时，提高燃油经济性和乘坐舒适性，最大可能的减少污染物的排放。

为了达到上述目的，本发明所采用的技术方案是：基于工况分类的动态协调混合动力汽车能量管理方法，包括以下步骤：

s1：采用基于改进的pso优化k-means算法的聚类中心，进行工况识别，建立工况划分模型；

s2：提取phev整车行驶时的典型工况特征参数，通过所述工况划分模型判断当前所处的工况类型；

s3：整车控制器vcu根据工况划分模型得到行驶工况的类型，然后进行合理的转矩分配；

s4：当工况划分模型识别出当前的行驶工况为稳定工况时，采用等效燃油最小控制策略对发动机和电机间功率流进行合理的调节和控制；当工况划分模型识别出当前的行驶工况为突变工况时，进入节气门开度动态调节程序，通过限制发动机的节气门的开度变化率δβ，避免发动机在突然加速或减速时燃油过度喷射。

进一步的，在对发动机的节气门的开度变化率δβ进行限制后，输出所述限制后的发动机输出转矩te_act以及当前电机输出转矩至phev整车，然后，phev整车通过pid控制对节气门的开度变化率δβ进行修正。

进一步的，所述的步骤s1中，在进行工况识别的过程中，首先根据以往的行驶数据计算出两个聚类中心点，利用改进的pso优化k-means算法的聚类中心，然后提取典型工况的特征参数，分别为：最高车速vmax、最低车速vmin、平均车速vavg、最大加速度amax、最大减速度dmax、加速时间比pa、车速标准方差km/h、加速度标准方差m/s²。

进一步的，所述改进的pso优化k-means算法的聚类中心指的是将改进pso算法与k-means算法结合，利用改进pso算法的全局搜索能力对k-means算法的初始聚类中心进行优化。

进一步的，所述改进的pso算法在粒子迭代过程中，对各个粒子以及粒子群的最优值进行实时监控，并适时地对陷入早熟收敛的粒子进行变异，增加粒子群的多样性，使其及时跳出局部最优解。

进一步的，所述的步骤s2中，所述行驶时的典型工况特征参数包括：最高车速vmax、最低车速vmin、平均车速vavg、最大加速度amax、最大减速度dmax、加速时间比pa、车速标准方差km/h、加速度标准方差m/s²。

进一步的，所述的步骤s3中，通过如下公式来进行转矩的合理分配：

其中，te_tar’为发动机的目标转矩；trew为整车所需求的转矩；为当前电机输出转矩；te为发动机的输出转矩；δβ为发动机节气门开度变化率；δα为发动机节气门开度变化率的限制值。

进一步的，在所述步骤s6中，通过使用节气门的开度变化率δβ作为pid控制器的输出，实现发动机对目标转矩的跟随，可表示为：

其中：e为发动机转矩偏差控制量，e＝te_tar’－te_act，te_tar’为发动机的目标转矩，te_act为发动机的实际转矩；

kp、ki、kd分别为比例、积分、微分增益系数。

与现有技术相比，本发明的有益效果是：本发明提出一种基于工况分类的动态协调混合动力汽车能量管理方法，针对行驶工况的划分，采用改进的粒子群算法优化k均值聚类分析算法的聚类中心，进一步进行聚类划分；针对行驶过程中的突变工况，本发明采用限制节气门开度变化率的方法，大大降低了动态油耗，改善了乘坐舒适性。

附图说明

图1是本发明基于智能算法的工况识别流程示意图；

图2是本发明基于改进的pso优化k-means的聚类中心的流程示意图；

图3是本发明针对突变工况采用限制节气门开度变化率的流程示意图；

图4是本发明在限制后的发动机和电动机动态转矩控制结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

所述的一种基于工况分类的动态协调混合动力汽车能量管理方法，包括在线工况分类和转矩动态协调两部分，其中，在线工况分类部分如下：首先，在离线状态下利用改进的粒子群优化算法pso优化k-means算法的聚类中心，然后根据提取的典型工况的特征参数围绕着聚类中心进行划分，将车辆行驶工况划分为稳定工况和突变工况两大类，在行驶过程中不断获取当前行驶数据与划分好的簇内数据进行比较，实时在线判断车辆当前的所处工况，当车辆运行在稳定工况时，采用等效燃油最小控制策略(ecms)对发动机和电机间功率流进行合理的调节和控制。当车辆运行在突变工况时，则进入节气门动态协调控制程序，通过控制节气门的开度变化率，限制发动机的喷油浓度，从而避免在模式切换或突然加速时，发动机油门突变而引起的动态油耗增加。

所述的一种基于工况分类的动态协调混合动力汽车能量管理方法，本发明提出的基于行驶工况分类的智能算法包括改进的粒子群优化算法pso和k均值聚类分析算法k-means。

所述的一种基于工况分类的动态协调混合动力汽车能量管理方法，针对基本的粒子群优化算法pso在粒子迭代过程中，有可能因陷入局部极值而出现早熟收敛的现象，本发明则对各个粒子以及粒子群的最优值进行实时监控，并适时地对陷入早熟收敛的粒子进行变异，增加粒子群的多样性，使其及时跳出局部最优解；同时，在更新粒子的速度时动态地调整惯性权重参数和飞行时间因子，以增强粒子群优化算法的搜索性能。

pso算法采用如下公式更新粒子状态：

vid(t+1)＝ωvid(t)+c1r1(pi-xid)+c2r2(pg-xid)

xid(t+1)＝xid(t)+vid(t+1)，i＝1，2，…，n；d＝1，2，…，d

式中：vid(t)和xid(t)分别表示第t次迭代时粒子i的速度和位置；pi和pg分别表示粒子i的个体最优位置和群体最优位置；ω是惯性权重系数，表示粒子上次的迭代速度对本次迭代速度的影响；c1和c2表示学习因子，表示个体最优位置和群体最优位置对速度的影响程度；r1和r2为参与粒子速度定义的不同部分提供随机权重，是均匀分布在闭区间[0，1]范围内的随机数。

所述的一种基于工况分类的动态协调混合动力汽车能量管理方法，k-means算法是基于划分的经典算法，因其算法简单，实现容易，收敛速度快，在处理大数据集时，具有相对可伸缩和高效率的特点而得到了广泛的应用。利用k-means聚类算法将采集到的基础工况数据进行分类，实现同一类中的数据具有较大的特征相似性，不同类之间则差异较大，从而进行工况的在线分类。

k-means算法的准则函数定义为：

式中x是空间中的点，其表示给定的数据对象；是簇ci的平均值。这个准则可以保证生成的簇尽可能的紧凑和独立。

针对k-means算法对聚类中心选取敏感以及算法容易陷入局部最优解的缺陷，将改进的pso算法与k-means算法结合，利用改进pso算法的全局搜索能力对k-means算法的初始聚类中心进行优化，大大提高了工况的划分精度。

所述的一种基于工况分类的动态协调混合动力汽车能量管理方法，本发明提出的利用智能算法进行工况划分，具体步骤如下：

首先，获取典型循环工况数据，将循环工况数据中最高车速vmax、最低车速vmin、平均车速vavg、最大加速度amax、最大减速度dmax、加速时间比pa、车速标准方差km/h、加速度标准方差m/s²中相似的点聚成片段，提取出各片段中相似的特征参数,然后围绕着给定的两个聚类中心进行聚类。

进一步的，运用改进粒子群优化算法优化初始聚类中心，对待识别的工况数据进行k-means聚类分析，可得到最终的聚类中心c1＝[c11，c12，…，c1m]，c2＝[c21，c22，…，c2m]。

进一步的，计算聚类c1、聚类c2的类内差异w(c)、类间差异b(c)。

式中x是空间中的点，表示给定的数据对象，是簇ci的平均值,定义这些函数可以保证生成的簇尽可能的紧凑和独立。

进一步的,不断调整聚类中心，直到准则函数e、w(c)、b(c)不再发生变化，则认为分类稳定，最终得到稳定工况的聚类中心c1和突变工况的聚类中心c2。

进一步的，将提取的特征参数作为一个数组，依据下式计算出该数组同各个最终聚类中心的欧氏距离：

与数组距离最近的聚类中心为该数组所属的簇，当前时刻所属的工况为此簇所代表的工况类别。

所述的一种基于工况分类的动态协调混合动力汽车能量管理方法，针对突变工况采用限制节气门开度变化率的方法，当发动机的节气门开度变化率δβ大于预先设定值δα时，进入节气门控制调节程序，将调节后的发动机转矩经发动机控制器ecu反馈给整车控制器vcu，然后整车控制器vcu根据需求转矩的大小对电机转矩进行合理的分配。

所述的一种基于工况分类的动态协调混合动力汽车能量管理方法，针对发动机节气门开度变化率的控制如下：当发动机控制器ecu接收到分配的目标转矩之后，对目标转矩进行解析，将目标转矩解析成节气门开度β的指令，并通过调节节气门开度，实现发动机平缓的跟随目标转矩。节气门开度在单位时间内的增量是一个有限的数值，即节气门开度变化率，根据积分性质可知，如果对未来一段时域内节气门开度变化率δβ进行积分，可得到具体的节气门开度数值。所以，使用节气门的开度变化率δβ作为pid控制器的输出，实现发动机对目标转矩的跟随，可表示为：

其中：e为发动机转矩偏差控制量，e＝te_tar’－te_act，te_tar’为发动机的目标转矩，te_act为发动机的实际转矩；

kp、ki、kd分别为比例、积分、微分增益系数。

对发动机进行动态协调控制，限制节气门的开度变化率在设定值之内，减少的转矩差值，利用电机的快速响应特性来补偿，既保证了两者的转矩之和不会发生大的波动，又避免了汽油机在节气门突增或突减时燃油经济性和排放的恶化，提高了乘坐舒适性。

本发明的优势在于：提出了一种基于工况分类的动态协调混合动力汽车能量管理方法，针对行驶工况的划分，采用改进的粒子群算法优化k均值聚类分析算法的聚类中心，进一步进行聚类划分；针对行驶过程中的突变工况，本发明采用限制节气门开度变化率的方法，大大降低了动态油耗，改善了乘坐舒适性。

以下结合附图对本发明进行详细说明：

如图1-4所示所示，本发明提出的一种基于工况分类的动态协调混合动力汽车能量管理方法，包括在线工况分类和转矩动态协调两部分，包括在线工况分类和转矩动态协调两部分，其中，在线工况分类部分如下：首先，在离线状态下利用改进的粒子群优化算法pso优化k-means算法的聚类中心，然后根据提取的典型工况的特征参数围绕着聚类中心进行划分，将车辆行驶工况划分为稳定工况和突变工况两大类，在行驶过程中不断获取当前行驶数据与划分好的簇内数据进行比较，实时在线判断车辆当前的所处工况，当车辆运行在稳定工况时，采用等效燃油最小控制策略(ecms)对发动机和电机间功率流进行合理的调节和控制，当车辆运行在突变工况时，则进入节气门动态协调控制程序，通过控制节气门的开度变化率，限制发动机的喷油浓度，从而避免在模式切换或突然加速时，发动机油门突变而引起的动态油耗增加。

如图1所示，工况识别模型根据典型工况的特征参数识别出当前的工况类型，针对不同的工况采用不同的转矩分配方式。

如图2所示，本发明提出的一种基于工况分类的动态协调混合动力汽车能量管理方法，其中优化工况的聚类中心包括改进的pso算法和k-means聚类分析算法：

首先，针对k-means算法对聚类中心选取敏感以及算法容易陷入局部最优解的缺陷，将pso算法与k-means算法结合，利用pso算法的全局搜索能力对k-means算法的初始聚类中心进行优化；然后，利用k-means聚类算法将采集到的基础工况数据进行分类，实现同一类中的数据具有较大的特征相似性，不同类之间则差异较大，从而进行工况的在线分类。

如图3所示，针对突变工况采用限制节气门开度变化率的方法，当发动机的节气门开度变化率大于预先设定值预先设定值δα时，进入节气门控制调节程序，将调节后的发动机转矩经发动机控制器(ecu)反馈给整车控制器vcu，然后整车控制器vcu根据需求转矩的大小对电机转矩进行合理的分配。

针对发动机节气门开度变化率的控制如下：当发动机控制器ecu接收到分配的目标转矩之后，对目标转矩进行解析，将目标转矩解析成节气门开度的指令，并通过调节节气门开度，实现发动机平缓的跟随目标转矩。节气门开度在单位时间内的增量是一个有限的数值，即节气门开度变化率，根据积分性质可知，如果对一段时域内节气门开度变化率进行积分，可得到具体的节气门开度数值。

如图4所示，对发动机进行动态协调控制，限制节气门的开度变化率在内，减少的转矩差值，利用电机的快速响应特性来补偿。同时保证两者的转矩之和不会发生大的波动，避免了汽油机在节气门突增或突减时燃油经济性和排放的恶化。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。