) 128控制。
[0034]除说明插电式混合动力车辆之外，图1中如果去除发动机108则可以是电池电动车辆(BEV)的代表。类似地，图1中如果去除部件122、124和126则可以代表传统的混合动力电动车辆(HEV)或功率分流(power-split)混合动力电动车辆。
[0035]可以使用给定路线的路线预测和路线信息通过提前计划沿线的电池荷电状态(SOC)目标的设置点(setpoints)来优化HEV的燃料经济性。这种优化的一种策略可以通过分析总体路线、分别优化路线上的离散位置并向动力传动系统控制模块(PCM)提供基于优化运转的计划信号来执行。可以通过利用用于HEV实时能量管理的取决于路线的滚动时域控制(receding horizon control)来计划路线上的电池SOC目标设置点。这允许通过最小化代表计划路线的预测行驶状况的燃料消耗的成本函数使系统获取最优的电池SOC计划。在至少一个实施例中，控制器配置用于监视电池的SOC并且沿路线计划用于动力传动系统的运转模式使得在每个路段的端点达到目标SOC设置点的值。
[0036]图2说明一种将优化HEV控制系统分成两个水平的方法。显示为能量管理优化202的高水平控制可以基于包括但不限于路线预测、道路信息、物理参数以及整体的系统约束的输入产生沿路线的电池SOC希望设置点。显示为车辆控制204的低水平控制可以追踪电池SOC状态并产生希望的车辆运转参数。例如，可以通过车辆控制204监视电池系统功率、发动机功率、发动机转速和发动机运转中的每一者。车辆控制204计算用于车辆206的扭矩指令以控制发动机和电机。扭矩指令(发动机扭矩Teng，、发电机扭矩Tgen和马达扭矩Tmot)通信至车辆206并且提供车辆的不同推进源之间的扭矩分配。将与车辆关联的特定数据反馈至能量管理优化202和车辆控制204。车辆运转数据用作优化程序的反馈以改善燃料经济性。车辆运转数据包括但不限于车速Vspd、电池荷电状态SOC和行驶的距离。
[0037]优化燃料消耗的方法可能需要高于嵌入的控制模块中可用计算带宽的计算量。离线使用更强大的远程计算机系统来计算最优运转可能解决计算不足。然而，可能需要实时实施该控制算法。实时实施可以包括预测并处理交通、道路信息和驾驶员输入的嵌入式控制模块。该嵌入式控制模还可以收集当前车辆状态数据(电池S0C、车速等)。该实时实施可以收集和处理数据使得处理没有缓冲延迟。这样，输出代表并适应实时行驶状况。
[0038]实时优化期间，由于大量计算的要求使得及时地确定路线中每时每刻的目标SOC设置点可能不现实。解决该问题的一种方法是将路线划分成较小的路段。一种划分路线的示例方法是基于可用计算带宽按时间划分路线。一个挑战是基于时间的分段没有考虑路线本身的特性。另一种示例方法是将路线分解成具有相似特征和属性的多段。随后，可以基于优化对每个路段的端点计划目标SOC设置点。第二种路线划分的示例显示了对于给定路段而言生成实时燃料消耗估算方法的优点。
[0039]图3是说明确定可以用于控制电动马达104和发动机108的目标电池SOC设置点的方法的流程图。该流程图的逻辑可以存储在PCM128或者其它车辆控制器中，随后用于优化车辆能量管理。步骤302期间，接收路线输入数据。例如，该输入可以包括车速、道路坡度、交通数据、天气状况和其它路线信息(交通标记、交通灯、贴出的速度限制)。在步骤304处，将路线分成较小的路段。可以基于从远程源无线提供的用户数据、预测的数据或信息来执行该子部分分段。一个或更多个规则或其变型也可以用于控制分段。例如，车辆加速度模型(profile)可以用于确定每个路段的适当起点和端点。可以通过静态阈值(即>0.5f/s2)、通过动态阈值(即>5%的相对变化)或者通过阈值的组合或者包括车速的其它标准(即>0.5f/s2i0-20mph)来定义车辆加速度转变。
[0040]步骤304处用于路线分段的替代规则可以包括基于道路信息来分段路线。例如，具有基本类似的道路坡度的连续路段可以分组在单个路段中。如果道路坡度变化高于预定阈值，对应的空间位置可以识别为路段起点和/或端点。可以通过静态阈值(即>0.05%的道路坡度)、通过动态阈值(即道路坡度的相对百分比变化)或者通过这些标准的组合或者包括车速的其它标准(即>0.05% i0-20mph)来定义道路坡度转变。此外，可以通过道路坡度本身或者道路坡度的导数确定道路坡度转变的位置。当提供沿路线的逐段恒定道路坡度时可以使用道路坡度。当提供的道路坡度更加动态时道路坡度的导数可能更有用。
[0041]用于路线分段的进一步选择是根据驾驶员需求沿空间位置来分段路线。请求的车轮功率和请求的车速中的每者可以作为驾驶员需求的指示。特定路线属性可以产生可预测的或重复的驾驶员需求模式(pattern)。例如，高速驾驶相对于较高交通量的驾驶可以每者具有特有的驾驶员需求模式。类似于上文讨论的关于加速度和道路坡度的标准，驾驶员需求的静态和/或动态阈值也可以用于指示特定路段开始和结束的位置。在至少一个实施例中，通过局部(local)最大或最小驾驶员需求来指示路线分段起点和端点。
[0042]一旦路线分段，在步骤306处可以使用空间域优化器通过最小化估算的沿路线的总燃料消耗来计划目标电池SOC设置点。在步骤308处输出目标电池SOC设置点，以被车辆控制204使用以控制电动马达104和发动机108。
[0043]图4是路线分段的示例输出的图。该图描述相对于地理或空间位置404的车速402。在该示例中，基于包括局部最大车速值408和最小车速值410的标准将预定路线406分成段。还可以确定对应于每个路线的起点和端点的电池SOC目标以最小化整个路线上的估算燃料消耗。在图4的示例中，荷电状态目标SOCn(SOC0, SOC1, SOC2, SOC3...SOCd)与路段的每个起点和端点的位置相关联。3001可以代表与预定路线的初始位置关联的荷电状态。SOCd可以代表与预定路线的终点关联的荷电状态。
[0044]PCM进一步包括确定用于预定路线中每段的动力传动系统运转模式的逻辑。图5大体描述了提供模式选择的双级(two-tiered)动力传动系统模式确定的方法，该模式选择对于宽范围的工况是稳健的。在步骤502处如上文所述通过控制器接收预定路线信息。基于预测的沿路线的驾驶员需求，在步骤504处执行第一水平的模式选择，并且生成每个路段的初级动力传动系统模式预测。在步骤506处，鉴于整体电池SOC计划来考虑预测的水平I模式选择。在步骤507处接收可能的电池SOC计划设置点。在步骤508处使用电池SOC计划来执行第二水平的动力传动系统模式选择。随后在步骤510处动力传动系统模式预测输出为水平II模式选择。如果计算主要使用与路段的起点和端点关联的参数，则水平I的计算可以不是数据密集型。水平II的模式选择考虑路线上即将到来的电池SOC和功率需求而提供精炼(refinement)并且可以运转为防止不合理的模式选择。沿路线预测动力传动系统运转模式的两个水平将在下文更详细地讨论。
[0045]水平I选择
[0046]图6是说明用于水平I动力传动系统模式选择的标准的算法的流程图。方法600是在预测给定路段的模式中考虑预测的驾驶员需求的多个方面的模式选择程序的示例。大体上，模式选择的结果落在四个动力传动系统运转场景的一者中:(I)电机动力传动系统模式或者“EV模式”;(2)混合动力电动的动力传动系统模式或者“HEV模式”，其中启用发动机作为推进源；(3) EV —HEV模式，其中模式切换发生在路段期间；以及(4)也具有在路段期间模式切换的HEV — EV模式。路段期间动力传动系统工况的足够变化可以引发其中启用或停用发动机作为推进源的模式切换。引发每个运转模式的条件将在下文参考方法600的部分的子程序更详细地描述。
[0047]在步骤602处接收关于预定路段的信息。例如，预测的车速和道路坡度信息可以用于确定用于路段的动力传动系统模式。预测的驾驶员需求通过轮上功率需求和车速需求两者来表征。可以基于至少包括道路信息、交通信息和/或历史驾驶模式的已知影响因子的组合来预测多个路段的车速。在步骤604处映射用于车速的预测。Vl和V2是分别对应于路段的起点和端点的预测速度。将这些速度与控制路段的特定动力传动系统模式的预定阈值速度比较。在步骤606处基于与关联的速度阈值比较来确定基于对应速度的动力传动系统模式。该模式选择将在下文更详细地描述。
[0048]在步骤608处映射用于轮上功率需求的预测。PWRl和PWR2是