基于模型预测性调整机动车的制作方法

1.本发明涉及基于模型预测性调整机动车。与此结合尤其是请求保护处理器单元、机动车、方法以及计算机程序产品。


背景技术：

2.通过动力总成、电池和不同的其它部件的升温和降温可以显著影响(电动)车辆的效率。虽然热影响的程度显著取决于相应的车辆，但通常情况下可以通过优化热管理来实现行驶效率的改进。在此，视运行状况而定，部件有各种不同的冷却需求。视温度和运行点而定，获得不同的效率等级。
3.可变冷却的一种类型是借助一个或多个冷却泵的冷却。用于调整最优部件温度的对冷却泵的控制是已知的，其中，可以采用所谓的基于需求的冷却。基于需求的冷却要么通过调整器和目标温度来控制要么遵循基于调整的逻辑。因此，泵的冷却功率可以通过闭环调整来控制。调整器在此尝试使与给定的目标温度的偏差最小化。但是这种方法只能部分地满足效率优化的需求。这主要是由于两个影响。一方面，最优的部件温度并不在每种运行状况下相同。另一方面，冷却功率暗示着又必须被视为是损耗的泵功率。


技术实现要素：

4.本发明的任务可以被视为，提供对机动车的至少一个冷却泵的尤其是高效的调节。该任务通过独立权利要求的主题解决。有利实施方案是从属权利要求、以下说明以及附图的主题。
5.根据本发明建议，借助mpc求解器将对冷却泵的控制作为自由度整合到整体效率优化中。一个或多个冷却泵也可以通过前瞻性的纵向行驶策略来运行。可以通过基于mpc的逻辑来控制至少一个冷却泵，由此在系统层面上实现效率的优化。由此可以如下规划一个或多个冷却泵的启用，即，损失尽量少的能量。换而言之，建议一个或多个可控(冷却)泵与前瞻的行驶策略的组合。在此，本发明的主题是，将对泵的控制整合到基于mpc的行驶策略中。在此，mpc求解器可以最小化包含多个项的成本函数。这些项的其中一个可以说明至少一个泵的功率。另一项例如可以说明其它部件的关于其功率的损耗。
6.为实现此目的，行驶策略使用一个或多个泵作为附加自由度。行驶策略可以在考虑路线拓扑、交通以及其它环境信息的情况下针对前方路段规划最优的速度轨迹。速度轨迹现在可以与新的自由度相组合地规划。在此意义下，策略不再仅规划轨迹，而是也沿着该轨迹调节泵功率(＝泵的功率)。以此方式，进行对各种不同的自由度的整合式优化，这导致整体上更高效的行驶行为。在此应当注意，同时进行对各个自由度的优化。接着可以将最优的自由度规划传递至目标生成器，其尤其可以通过软件模块来实现。
7.在此意义下，根据本发明的第一方面提供用于基于模型预测性调整机动车的处理器单元，其中，机动车包括冷却泵，该冷却泵能够利用至少一个运行参数的不同的泵运行值运行。处理器单元被设置成用于执行基于模型预测性调整机动车的mpc算法，其中，mpc算法
包含机动车的纵向动力学模型和待最小化的成本函数。成本函数又包含多个项，其中的第一项表示冷却泵的功率。处理器单元通过执行mpc算法取决于纵向动力学模型地获知机动车在预测范围内的速度轨迹。这尤其可以如下地实现，即，使成本函数作为整体被最小化。此外，处理器单元通过执行mpc算法被设置成用于在计算速度轨迹的同时也获知在预测范围内的泵运行值轨迹，从而使成本函数的第一项最小化。
8.根据本发明的第二方面提供机动车。机动车包括根据本发明第一方面的处理器单元。此外，机动车还包括驾驶员辅助系统、动力总成和冷却泵，该冷却泵能够利用至少一个运行参数的不同的泵运行值运行。驾驶员辅助系统被设置成用于访问机动车在预测范围内的由处理器单元获知的速度轨迹。驾驶员辅助系统还被设置成用于访问在预测范围内由处理器单元同时获知的泵运行值轨迹。此外，驾驶员辅助系统还被设置成用于基于机动车的速度轨迹来控制机动车的动力总成并且基于泵运行值轨迹来控制冷却泵。
9.机动车是通过马达驱动的车辆，例如是汽车(例如重量低于3.5t的轿车)、摩托车、踏板摩托车、轻便摩托车、自行车、电动自行车、公共汽车或卡车(例如重量超过3.5t)或者轨道车辆、船舶、飞行器(如直升机或飞机)。本发明也可以应用于微机动的小型且轻便的电动车，其中，这些机动车尤其在城市交通和针对农村地区的第一和最后一英里使用。第一和最后一英里可以理解为位于移动链的第一和最后一个环节内的所有路段和路程。其例如是从家到火车站的路程或从火车站到工作地点的路段。换而言之，本发明可应用于汽车、航空、航海、航天等交通工具的所有领域。机动车例如可以属于车队。
10.根据本发明的第三方面提供用于基于模型预测性调整机动车的方法，其中，机动车包括冷却泵，该冷却泵能够利用至少一个运行参数的不同的泵运行值运行。方法包括步骤：
[0011]-执行用于基于模型预测性调整机动车的mpc算法，其中，mpc算法包含机动车的纵向动力学模型和待最小化的成本函数，并且其中，成本函数包含多个项，其中的第一项表示冷却泵的功率，
[0012]-通过执行mpc算法取决于纵向动力学模型地获知机动车在预测范围内的速度轨迹，这尤其可以如下实施，即，使成本函数作为整体被最小化；和
[0013]-通过执行mpc算法来获知在预测范围内的泵运行值轨迹，从而使成本函数的第一项最小化，
[0014]
其中，对速度轨迹和泵运行值轨迹的获知同时进行。
[0015]
根据本发明的第四方面，提供计算机程序产品，其用于基于模型预测性调整机动车，其中，机动车包括冷却泵，其能够利用至少一个运行参数的不同的泵运行值运行，其中，当计算机程序产品在处理器单元上执行时指示处理器单元执行用于基于模型预测性调整机动车的mpc算法。mpc算法包含机动车的纵向动力学模型和待最小化的成本函数，其中，成本函数包含多个项，其中的第一项表示冷却泵的功率。此外，当计算机程序产品在处理器单元上执行时指示处理器单元通过执行mpc算法取决于纵向动力学模型地获知机动车在预测范围内的速度轨迹并且同时获知在预测范围内的泵运行值轨迹，从而使成本函数的第一项最小化。对速度轨迹的获知可以如下实施，即，使成本函数作为整体被最小化。
[0016]
接下来主要结合根据本发明第一方面的处理器单元说明本发明的具体细节、定义和实施方式。这些实施方案有意义地也适用于根据本发明第二方面的机动车的相应实施方
式.根据本发明第三方面的方法的相应实施方式和根据本发明第四方面的计算机程序产品的相应实施方式。
[0017]
特征“轨迹”可以理解为机动车未来在预测范围内，例如在接下来的秒内应当遵循的路径。在此可以给该路径配属机动车的速度曲线，其中，速度曲线可以针对沿着路径的每个点为机动车预定目标速度。路径和速度的这种配属得到了机动车的速度轨迹。另外，轨迹也可以说明泵运行值的走向，泵运行值被配属给冷却泵的运行参数并且应当在泵的情况下在预测范围内被调节。该轨迹可以是泵运行值轨迹。冷却泵的示例性的运行参数是其输送体积(尤其是可通过冷却泵输送的体积流)和可通过泵构建的压力，其中，相应的泵运行值是不同的输送体积值、体积流和压力值。
[0018]
泵运行值例如输送体积可以在机动车的纵向模型尤其是下述车辆损耗模型中被换算成泵功率，这又可以直接在成本函数中作为损耗功率被处理。从数学角度看还可以有利的是，例如规划冷却泵的转速。在此情况下，需要匹配车辆模型，从而可以以数学方式表示规划对待最小化成本函数的影响。
[0019]
此外，本发明不限于获知和实现机动车的唯一冷却泵的运行值轨迹。而是可以如前述那样规划和控制机动车的两三个或者更多个冷却泵。因此，如果说明“该”冷却泵，则可以假定是“至少一个”冷却泵。
[0020]
为了在给定边界条件和限制的情况下在任意状况中都能找到应当提供高效行驶方式的所谓的“行车效率”行驶功能的最优解，已经选择基于模型预测性调整(mpc)的方法。mpc方法基于描述系统行为的系统模型(在本发明中，系统模型由纵向动力学模型构成)。此外，mpc方法还基于描述和确定优化问题的目标函数或成本函数，目标函数或成本函数应当使状态参量最小化。
[0021]
机动车的纵向动力学模型以及包括具有车辆参数和动力总成损耗(部分近似的特性曲线簇)的车辆模型。尤其地，至少一个冷却泵可以利用至少一个运行参数的不同的泵运行值通过纵向动力学模型来反映和计算或模拟化。在机动车的纵向动力学模型中还可以纳入关于前方的路段地形(例如弯道和坡道)的讯息。另外也可以将关于前方路段的限速的讯息纳入动力总成的纵向动力学模型。
[0022]
可以测量当前的状态参量，可以记录相应数据并输送给mpc算法。尤其地，可以周期性更新或升级来自电子地图的针对机动车前方的前瞻范围或者预测范围(例如400m)内的路段数据。这些路段数据例如可以包括坡度信息、弯道信息和关于限速的信息。此外，通过最大允许的横向加速度可以将弯道曲率换算成机动车的限速。另外也可以对机动车进行定方位，尤其是通过gnss信号在电子地图上精确定位。
[0023]
mpc算法可以为了同时获知泵运行值轨迹和机动车的速度轨迹而包括软件模块形式的mpc求解器。mpc求解器可以包括指令或程序代码，由此指示处理器单元：取决于纵向动力学模型地优化所提到的轨迹，从而使成本函数或其第一项最小化。以此方式，本发明可以实现在考虑可用自由度的情况下选定和实现最优的轨迹组合。
[0024]
同时优化的反面是顺序优化。例如可以规划速度轨迹，然后才规划冷却泵的体积流。然而由此可能发生，在第一步骤选择只能在高冷却成本的情况下实现的速度轨迹。原本看上去最优的速度轨迹以此方式在顺序考虑结束时明显失去意义。然而，在根据本发明同时获知(速度轨迹和泵运行值轨迹)的情况下，两个自由度(即，机动车的速度和至少一个冷
却泵的运行参数)在相同的步骤中在考虑各个因果关系(车辆模型或机动车的纵向动力学模型)的情况下被优化。由此可以确保，mpc求解器找到全局最优。
[0025]
成本函数“作为整体”被最小化这个特征可以理解为，使各个成本之和被最小化。换而言之，成本函数包括多个项，它们分别代表各个成本或成本块。这些项的其中一个是第一项，其说明至少一个冷却泵的功率(泵功率，例如消耗的功率或损耗功率)。将成本函数的全部项相加，就获得整个成本函数或者“作为整体”的成本函数。
[0026]
本发明尤其可以用于机动车的自主行驶功能。自主行驶功能可以实现机动车自主行驶，也就是说，无需车辆乘员控制机动车。驾驶员已将控制转交给驾驶员辅助系统。因此，自主行驶功能包括：机动车尤其是借助中央处理器单元被设置成用于，例如无需人为干预地执行转向、闪灯、加速和制动操作以及尤其是控制外部灯和信号，例如机动车的转向灯。自主行驶功能也可以是如下行驶功能，其在控制机动车的情况下给机动车驾驶员提供支持，尤其是在转向、闪灯、加速和制动操作时，其中，驾驶员仍然还控制机动车。
[0027]
处理器单元可以将优化的泵运行值轨迹和机动车的优化的速度轨迹发送至软件模块(“目标生成器”)。借助该软件模块，处理器单元可以将可用自由度尤其是至少一个冷却泵的和动力总成的至少一个部件的自由度(以便调节机动车的速度)的数学最优规划转化为实际可用的部件信号。例如可以通过mpc调整针对接下来的5000m最优地规划车辆的速度轨迹。在此情况下，目标生成器将该轨迹的第一(＝当前所需的)速度值例如“转换”为机动车的电机的需求扭矩。部件软件可以利用该值工作并且调设出期望的速度。
[0028]
本发明中所描述的mpc功能性不限于特定的部件或特定的泵，而是可以应用于所有能够通过mpc算法规划体积流或泵功率的领域。被冷却的构件的损耗对温度越敏感，效果就越明显。在此，待最小化的损耗功率通常由泵功率加上由于与待冷却的构件的理想温度有偏差所导致的附加损耗来获得。在此，机动车的内部空间借助冷却泵的冷却以提供相应冷却剂体积流是例外。损耗功率在此仅从冷却泵功率来获得。
[0029]
因为借助mpc算法通常不仅使损耗最小化，而且例如也使舒适度最小化，所以在成本函数中可以将舒适成本与冷却泵的损耗功率成本相加。在此，舒适成本是实际温度与设定的目标温度的偏差。借助mpc算法可以获得理想温度的暂时偏差与由此节省的能量之间的最优折中。例如可以借助mpc算法前瞻性地在上坡前降低车内温度，以便在上坡行驶时可以取消空调并且可以为上坡行驶提供全功率。
[0030]
在一个实施方式中，至少一个冷却泵布置在机动车的动力总成内或其上，以便冷却动力总成的电机和/或传动装置和/或功率电子器件和/或电池。动力总成的所提到的部件可以被共同地冷却，也就是说，共同的冷却泵通过共同的冷却回路(其沿动力总成的电机、传动装置、功率电子器件和电池引导)输送冷却剂，从而所提到的部件可以散热至由冷却泵通过冷却回路输送的冷却剂。该实施方式可以实现以特别少的设备耗费来进行冷却。
[0031]
动力总成的所提到的部件也可以被单独冷却，其中，可以实现特别高的热输出以及进而特别高效的冷却。在此，第一冷却泵可以通过沿动力总成的电机引导的第一冷却回路输送冷却剂，从而电机可以散热至由第一冷却泵通过第一冷却回路输送的冷却剂。第二冷却泵可以通过沿动力总成的传动装置引导的第二冷却回路输送冷却剂，从而传动装置可以散热至由第二冷却泵通过第二冷却回路输送的冷却剂。第三冷却泵可以通过沿动力总成的功率电子器件引导的第三冷却回路输送冷却剂，从而功率电子器件可以散热至由第三冷
却泵通过第三冷却回路输送的冷却剂。第四冷却泵可以通过沿动力总成的电池引导的第四冷却回路输送冷却剂，从而电池可以散热至由第四冷却泵通过第四冷却回路输送的冷却剂。
[0032]
此外，可以共同冷却动力总成的所提到的部件的各两个部件。由此获得以下六种组合。共同的第一冷却泵可以通过沿动力总成的电机和传动装置引导的共同的第一冷却回路输送冷却剂，从而所提到的部件可以散热至由共同的第一冷却泵通过共同的第一冷却回路输送的冷却剂。共同的第二冷却泵可以通过沿动力总成的功率电子器件和电池引导的共同的第二冷却回路输送冷却剂，从而所提到的部件可以散热至由共同的第二冷却泵通过共同的第二冷却回路输送的冷却剂。共同的第三冷却泵可以通过沿动力总成的电机和功率电子器件引导的共同的第三共同冷却回路输送冷却剂，从而所提到的部件可以散热至由共同的第三冷却泵通过共同的第三冷却回路输送的冷却剂。共同的第四冷却泵可以通过沿动力总成的传动装置和电池引导的共同的第四冷却回路输送冷却剂，从而所提到的部件可以散热至由共同的第四冷却泵通过共同的第四冷却回路输送的冷却剂。共同的第五冷却泵可以通过沿动力总成的电机和电池引导的共同的第五冷却回路输送冷却剂，从而所提到的部件可以散热至由共同的第五冷却泵通过共同的第五冷却回路输送的冷却剂。共同的第六冷却泵可以通过沿动力总成的传动装置和功率电子器件引导的共同的第六冷却回路输送冷却剂，从而所提到的部件可以散热至由共同的第六冷却泵通过共同的第六冷却回路输送的冷却剂。
[0033]
另外，可以共同冷却动力总成的所提到的各三个部件。由此获得以下四种组合。共同的第一冷却泵可以通过沿动力总成的传动装置、功率电子器件和电池引导的共同的第一冷却回路输送冷却剂，从而所提到的部件可以散热至由共同的第一冷却泵通过共同的第一冷却回路输送的冷却剂。共同的第二冷却泵可以通过沿动力总成的电机、功率电子器件和电池引导的共同的第二冷却回路输送冷却剂，从而所提到的部件可以散热至由共同的第二冷却泵通过共同的第二冷却回路输送的冷却剂。共同的第三冷却泵可以通过沿动力总成的电机、传动装置和电池引导的共同的第三冷却回路输送冷却剂，从而所提到的部件可以散热至由共同的第三冷却泵通过共同的第三冷却回路输送的冷却剂。共同的第四冷却泵可以通过沿动力总成的电机、传动装置和功率电子器件引导的共同的第四冷却回路输送冷却剂，从而所提到的部件可以散热至由共同的第四冷却泵通过共同的第四冷却回路输送的冷却剂。
[0034]
此外，至少一个冷却泵可以布置在冷却机组内用于内部空间冷却或者布置在车载充电器上用于在充电桩充电时的冷却。在此意义下，在一个实施方式中，冷却泵被设置成用于通过冷却回路输送冷却剂，其中，冷却回路冷却内部空间或机动车的车载充电器。另外，至少一个冷却泵也可以布置在传动装置内，尤其是机动车的自动变速器内，其中，冷却泵尤其是叶片泵。尤其是叶片泵的冷却泵可以被设置成用于通过冷却回路输送冷却剂，其中，冷却回路冷却传动装置的元件。
[0035]
机动车除了冷却泵之外还可以具有第一部件和第二部件。第一部件能够利用第一运行参数的不同的值运行，而第二部件能够利用第二运行参数的不同的值运行。具有第一运行参数的不同的值的第一部件和具有第二运行参数的不同的值的第二部件可以通过纵向动力学模型来反映和计算或者模拟化。
[0036]
纵向动力学模型还可以包括机动车的损耗模型，其中，损耗模型说明了机动车的总损耗。损耗模型例如可以包括与效率相关的部件(例如高度可调的车辆或者为此所设置的系统)和自由度(例如底盘的调节高度)列表，该列表囊括车辆整个系统的各种不同的部分。因而，损耗模型说明了机动车的总损耗。在此，自由度是部件的运行参数。根据本发明，“部件”例如是用于机动车的转向和减震执行器。此外，制动设施和动力总成尤其可以构成根据本发明的部件。机动车除了第一部件和第二部件之外还包括其它部件，它们的自由度能够以相同方式被规划和调整，如其针对第一部件和第二部件详细阐述的那样。
[0037]
成本函数包括第一项(c
pump
)，其表示冷却泵的功率。成本函数还可以包括第二项(“c
efficiency”)，其表示机动车的(其余)总损耗或部件损耗。机动车的整体损耗尤其取决于运行值组合，该运行值组合包含第一运行参数的第一值和第二运行参数的第二值。此外，成本函数可以包含另外的项(“c
time”、“c
comfort”)，接下来进一步阐述其中一些有利之处。处理器单元被设置成用于通过执行mpc算法取决于损耗模型地获知至少使成本函数的第二项(“c
efficiency”)最小化的那个运行值组合。此外，通过所获知的运行值组合也可以使整个成本函数(min(f
cost
＝c
pump
c
efficieny
c
time
c
comfort
))最小化。
[0038]
mpc求解器可以取决于损耗模型如下地获知运行值组合，即，使成本函数或至少其第二项(“c
efficiency”)最小化。以此方式，本发明可以使得选择和实现可用自由度的最优的运行值组合或执行器组合。处理器单元可以将优化了的运行值组合发送至前述软件模块(“目标生成器”)。借助该软件模块，处理器单元可以将所有可用自由度的数学最优的规划转换成实际可用的部件信号。
[0039]
在另一实施方式中，处理器单元可以被设置成用于通过执行转换软件模块如下地驱控第一部件的第一执行器，即，第一执行器利用第一执行器值运行，由此，第一部件利用至少使成本函数第一项最小化的那个运行值组合的第一运行参数的第一值运行。此外，在该实施方式中，处理器单元被设置成用于通过执行转换软件模块如下地驱控第二部件的第二执行器，即，第二执行器利用第二执行器值运行，由此，第二部件利用至少使成本函数第一项最小化的那个运行值组合的第二运行参数的第二值运行。该实施方式可以实现如下地控制这些执行器，即，使部件尽可能高效地运行。换而言之，可以获知和实现最优的执行器值组合，从而使部件进而机动车尽可能高能效地运行。
[0040]
如已提及的那样，本发明不限于第一部件和第二部件，在现代化车辆中安装各种不同的与效率相关的部件，其中，它们不一定仅处于动力总成内。所有这些具有其自由度的部件都可以通过损耗模型来反映。在一个实施方式中，尤其是除了其它与效率相关的部件之外，第一部件是用于水平调整机动车的系统，并且第二部件可以是制动设施。通过智能调整车身高度和/或通过智能启用制动器(这通过获知最优的运行值组合来实现)可以实现降低机动车的总损耗。
[0041]
根据另一实施方式，第二项包含以第一权重因子加权且根据纵向动力学模型预测的电能，该电能在预测范围内由动力总成的电池提供用以驱动电机。此外，成本函数包含以第二权重因子加权且根据纵向动力学模型预测的行驶时间作为第三项，机动车需要该行驶时间来驶过预测范围内预测的整个路程。处理器单元可以被设置成用于通过执行mpc算法取决于第一项、取决于第二项并取决于第三项地获知用于电机的输入参量，从而使成本函数最小化。
[0042]
因此，针对行车效率行驶功能的状态参量例如可以是车速或动能、电池剩余电量和行驶时间。对能耗和行驶时间的优化例如可以基于前方路段的坡度和对驱动力及速度的限制并且基于当前的系统状态来进行。借助行车效率行驶策略的目标函数或者借助成本函数，除了总损耗或能耗之外还可以使行驶时间最小化。这导致，视权重因子的选择而定，低的速度并不总是被评价为最优的并且不再存在所得到速度始终处于允许的速度下限处的问题。可以实现，驾驶员影响不再与机动车能耗和行驶时间有关，这是因为可以通过处理器单元基于输入参量来控制电机，通过执行mpc算法来获知输入参量。借助输入参量尤其可以调节出电机的最优的马达工作点。由此可以实现对机动车最优速度的直接调整。
[0043]
成本函数尤其可以只有线性项和平方项。由此，整个问题具有带线性辅助条件的平方优化的形式，并且得到可以良好且快速解决的凸问题。目标函数或成本函数可以利用加权(权重因子)来配设，其中，尤其是计算和加权能效、行驶时间和行驶舒适度。能量最优的速度轨迹可以针对前方的范围在处理器单元上在线计算，处理器单元尤其可以构成机动车的中央控制器的组成部分。通过应用mpc方法还可以基于当前的车辆状态和前方的路段信息周期性地重新计算机动车的目标速度。
附图说明
[0044]
接下来结合示意图进一步阐述本发明实施例，其中，相同或类似元件使用相同附图标记。其中：
[0045]
图1是机动车示意图，其包括冷却泵、与效率相关的第一部件和与效率相关的第二部件，
[0046]
图2是根据图1的与效率相关的第一部件的自由度，
[0047]
图3是根据图1与效率相关的第二部件的自由度，
[0048]
图4是根据图1的冷却泵的自由度，
[0049]
图5是根据图1的车辆的电机的特性曲线簇。
具体实施方案
[0050]
图1示出机动车1，例如轿车。该机动车1包括用于基于模型预测性调整机动车1的系统2。在所示实施例中，系统2还包括处理器单元3、存储器单元4、通信接口5和尤其是用于检测与机动车1相关的状态数据的检测单元6。此外，机动车1还包括动力总成7，其例如可包括电机8(其可作为马达和发电机运行)、电池9、传动装置10和功率电子器件34。电机8可以在马达运行中通过传动装置10驱动机动车1的车轮，该传动装置例如可以具有恒定的传动比。电池9可以提供为此所需的电能。当电机8在发电机运行下运行(再生)时，电池9可通过电机8充电。可选地，电池9也可以在外部充电站充电。同样，机动车1的动力总成可选地具有内燃机17，其可替选或附加于电机8地驱动机动车1。内燃机17也可以驱动电机8，以便给电池9充电。
[0051]
机动车1还包括冷却泵28，其通过冷却回路29输送冷却液。在所示实施例中，冷却回路29延伸经过电机8、电池9、传动装置10和功率电子器件34，从而动力总成7的这些所述部件8、9、10、34可以将热量输出给通过冷却泵28经过冷却回路29输送的冷却液。接着，冷却液例如可以在热交换器35中再冷却。
[0052]
除了冷却泵28之外，机动车1还可以包括其它冷却泵(未示出，例如机动车的自动变速器内的叶片泵、机动车1的用于内部空间冷却的冷却机组内的冷却泵或当电池9在充电桩充电时用于冷却的车载充电器上的冷却泵)，它们可以如以下进一步阐述的类似方式被规划和调整。此外，机动车1还包括多个部件，它们与机动车1运行的效率有关(“与效率相关的部件”)，尤其是当机动车1在自主行驶模式下运行。这些部件不仅仅布置在机动车1的动力总成7内。虽然机动车1还包括一系列其它与效率相关的部件，然而图1纯示例性示出第一部件18和第二部件19。在根据图1的实施例中示出用于水平调整机动车1的系统18形式的第一部件和机动车1的制动设施19形式的第二部件。例如电机8、电池9、传动装置10和内燃机17也可以称为机动车1的与效率相关的部件。
[0053]
图2示出，用于水平调整机动车1的系统18可利用第一运行参数20(第一自由度)的不同的值运行。第一运行参数20例如可以是机动车1的底盘21的设定高度。机动车1的底盘21的设定高度可以纯示例性地假定为第一值h1、第二值h2和第三值h3。底盘21的不同高度h1、h2和h3会导致机动车1的不同大小的空气阻力。这可以通过机动车1的动力总成7的其它下述纵向模型14描述。
[0054]
用于水平调整机动车1的系统18可以称为机动车1的执行器。此外，用于水平调整机动车1的系统18自身可以具有至少一个执行器22(例如液压缸或气动缸或液压气动减震器)，其操作用于水平调整机动车1的系统18。第一执行器22可利用不同的执行器值23运行，从而针对用于水平调整机动车1的系统18得到不同的值h1、h2和h3。例如在第一执行器值x1(例如液压缸的第一压力值)情况下，得到底盘21的第一高度h1，在第二执行器值x2情况下，得到底盘21的第二高度h2，在第三执行器值x3情况下，得到底盘21的第三高度h3。
[0055]
图3示出，制动设施19可利用第二运行参数24(第二自由度)的不同的值运行。第二运行参数20例如可以是制动设施19的制动力。制动力可以纯示例性地假定为第一值y1、第二值y2和第三值y3。制动设施19的不同大小的制动力y1、y2和y3会导致不同大小的牵引力，其通过制动设施施加至机动车1的车轮上。这可以通过机动车1的动力总成7的其它下述纵向模型14描述。
[0056]
制动设施19可以称为机动车1的执行器。此外，制动设施19自身还可以具有执行器25(例如液压缸)，其操作制动设施19。第二执行器25可利用不同的执行器值26运行，从而针对制动设施19得到不同的值y1、y2和y3。例如在第一执行器值z1情况下得到第一制动力y1，在第二执行器值z2情况下得到第二制动力y2和在第三执行器值z3情况下得到第三制动力y3。
[0057]
图4示出，冷却泵28可以利用第三运行参数30(第三自由度)的不同的泵运行值运行。第三运行参数30例如可以是输送体积q(＝可以通过冷却泵28输送的冷却剂的体积流)。输送体积可以纯示例性地假定为第一值q1、第二值q2和第三值q3。冷却泵28的不同大小的输送体积q1、q2和q3会导致冷却泵28的不同大小的功率p
pump
。这可以通过机动车1的动力总成7的其它下述纵向模型14描述。
[0058]
此外，冷却泵28还可以具有执行器31(例如马达)，其操作或驱动冷却泵28。第二执行器31可利用不同的执行器值32运行(例如利用用于驱动冷却泵28的不同的转速n1、n2、n3)，从而针对冷却泵28得到不同的泵运行值q1、q2和q3。例如在第一转速n1(第一执行器值n1)情况下，得到第一输送体积q1，在第二转速n2情况下，得到第二输送体积q2，在第三转速n3情况下，得到第三输送体积q3。
[0059]
在存储器单元4上可以存储计算机程序产品11。计算机程序产品11可以在处理器单元3上执行，为此，处理器单元3和存储器单元4借助通信接口5彼此能通信地相连。当计算机程序产品11在处理器单元3上执行时指示处理器单元3：实现结合附图所示的功能或者执行方法步骤。
[0060]
计算机程序产品11包括mpc算法13。mpc算法13又包括机动车1的动力总成7的纵向动力学模型14。此外，mpc算法13还包括待最小化的成本函数15。第一项c
pump
说明冷却泵28的功率。第一项c
pump
表示关于冷却泵28的功率的可参数化成本。成本函数15的第二项c
efficiency
表示机动车1的总损耗，其在所示实施例中与第一部件18和第二部件19的效率有关。待最小化的成本函数15可以用数学方式如下表示：
[0061]
min(c
pump
c
efficieny
c
time
c
comfort
)
[0062]
在这里：
[0063]cpump
ꢀꢀꢀꢀꢀꢀ
关于冷却泵的功率的可参数化成本，
[0064]cefficiency
ꢀꢀ
关于效率的可参数化成本，
[0065]ctime
ꢀꢀꢀꢀꢀꢀ
关于旅行时间的可参数化成本，和
[0066]ccomfort
ꢀꢀꢀꢀ
关于舒适度的可参数化成本。
[0067]
检测单元6可以测量机动车1的当前状态参量，记录相应数据并发送给mpc算法13。此外尤其可以周期性更新或者升级机动车1前在前瞻范围或者说预测范围(例如400m)内的电子地图中的路段数据。这些路段数据例如可以包括坡度信息、弯道信息和关于限速的信息。此外，通过最大允许的横向加速度可以将弯道曲率换算为机动车1的限速。另外也可以借助检测单元6对机动车进行定方位，尤其是通过由gnss传感器12生成的信号在电子地图上精确定位。此外，用于检测机动车1的外部环境的检测单元例如可以包括雷达传感器、摄像机系统和/或激光雷达传感器。处理器单元3例如可以通过通信接口5访问所述元件的信息。这些信息可以纳入机动车1的纵向模型14，尤其作为限制或辅助条件。
[0068]
处理器单元3执行mpc算法13，并且在此基于纵向模型14尤其在考虑路线拓扑、交通以及其它环境信息(如前段所述)情况下获知最优的速度轨迹。现在可以结合新的自由度规划速度轨迹。在此意义下，策略不再只规划速度轨迹，而是也沿该速度轨迹调节冷却泵28的功率。这通过处理器单元3执行mpc算法13并且在此获知与最优的速度轨迹匹配的泵运行值轨迹来实现。
[0069]
因而给预测范围之内的每个道路点同时分配机动车1的优化速度值和泵28的优化泵运行值。在根据图4的简化示例中，处理器单元3可以针对预测范围之内的每个道路点将可能的速度值与冷却泵28的可能的三个输送体积q1、q2、q3组合起来并选择使成本函数15的第一项c
pump
和作为整体的成本函数15最小化的那个组合。以此方式，进行各种不同自由度的整合优化，这尤其导致整体上更高效的行驶行为。在此应当注意，同时进行对各个自由度(例如机动车1的速度和冷却泵28的输送体积)的优化。
[0070]
处理器单元3可以将相应的值对(值1：车辆1的优化速度；值2.1：冷却泵28的优化输送体积；备选值2.2：冷却泵28的马达30的优化转速)发送至目标生成器33，其可作为软件模块整合到mpc算法13内。备选地，目标生成器33例如也可以作为软件模块包含在驾驶员辅助系统16内，如图1所示。基于该值对可以尤其是借助目标生成器33将机动车1速度调设到值1，将冷却泵28的输送体积调设到值2.1。此外，处理器单元3也可以将第三执行器30调整
到值2.2，从而产生针对冷却泵28的值2.1。
[0071]
在所示实施例中，纵向动力学模型14包括机动车1的损耗模型27。损耗模型27说明与效率相关的部件18、19关于其效率或关于其损耗的运行行为。由此得到机动车1的总损耗。处理器单元3执行mpc算法13并且在此基于纵向动力学模型14预测机动车1的行为，其中，使成本函数15最小化。
[0072]
机动车1的总损耗取决于运行值组合。运行值组合包含第一运行参数的第一值和第二运行参数的第二值。在所示的简化实施例中有六种可能的运行值组合。第一运行值组合包含底盘21的第一高度h1和制动设施19的第一制动力y1。在第一运行值组合情况下，得到机动车1的第一总损耗。第二运行值组合包含底盘21的第一高度h1和制动设施19的第二制动力y2。在第二运行值组合情况下，得到机动车1的第二总损耗。第三运行值组合包含底盘21的第一高度h1和制动设施19的第三制动力y3。在第三运行值组合情况下，得到机动车1的第三总损耗。第四运行值组合包含底盘21的第二高度h2和制动设施19的第一制动力y1。在第四运行值组合情况下，得到机动车1的第四总损耗。第五运行值组合包含底盘21的第二高度h2和制动设施19的第三制动力y3。在第五运行值组合情况下，得到机动车1的第五总损耗。第六运行值组合包含底盘21的第三高度h3和制动设施19的第三制动力y3。在第六运行值组合情况下，得到机动车1的第六总损耗。
[0073]
处理器单元3可以通过执行mpc算法13根据损耗模型14来获知所述六种运行值组合。在此，处理器单元3可以对在六种不同的运行值组合情况下得到的总损耗进行相互比较。在这里，处理器单元3例如可以确认，第三运行值组合(h1；y3)导致机动车1的最小总损耗。处理器单元3可以选定第三运行值组合并且发送相应的值例如给目标生成器33。基于所获知的运行值组合(h1；y3)可以尤其是借助目标生成器33将第一部件18调设到第一运行参数20的第一值h1，并且将第二部件19调设到第二运行参数24的第三值y3。此外，处理器单元3也可以将第一执行器22调设到第一执行器值x1，从而针对第一部件18出现第一运行参数20的第一值h1。以类似方式，处理器单元3可以将第二执行器25调设到第三执行器值z3，从而针对第二部件19出现第二运行参数24的第三y3值。
[0074]
针对在前瞻范围内所计算的点还可以得到电机8的最优转速和最优扭矩作为mpc算法13的优化输出。为此，处理器单元3可以获知电机8的输入参量，从而出现最优转速和最优扭矩。处理器单元3可以基于所后置的输入参量来控制电机8。然而，这还可以由驾驶员辅助系统16来进行，尤其是借助其目标生成器33。
[0075]
机动车1的纵向动力学模型14可以用数学方式如下表示：
[0076][0077]
在此，
[0078]
v机动车的速度；
[0079]ftrac
牵引力，该牵引力通过马达或制动器施加到机动车的车轮上，例如受制动设施19的上述不同大小的制动力y1、y2和y3影响；
[0080]fr
滚动阻力，该滚动阻力是轮胎滚动时的变形效应并且取决于车轮负载(车轮和道路之间的法向力)以及进而取决于道路的倾斜角度；
[0081]fgr
坡阻力，该坡阻力说明在上坡或下坡中作用于机动车的重力的纵向分量，取决
于车道的坡度；
[0082]
fd机动车的空气阻力，例如受底盘21的上述不同高度h1、h2和h3影响；
[0083]
p
pump
冷却泵的功率，例如受冷却泵28的上述不同大小的输送体积q1、q2和q3的影响，和
[0084]meq
机动车的等效质量；等效质量尤其包含动力总成的转动部件(马达、传动装置驱动轴、车轮)的惯性，这些转动部件经受机动车的加速度。
[0085]
通过从关于时间到关于路程的转换和为了消除空气阻力中的速度平方项而利用的坐标变换得到：
[0086][0087]
为了通过mpc算法13快速且简单地对该问题求解，可以线性化纵向动力学模型14的动力学方程，其方式是将速度通过坐标变换由动能de
kin
来表示。由此，用于计算空气阻力fd的平方项由线性项替代，同时，机动车1的纵向动力学模型14不再如通常那样与时间有关地描述，而是与路程有关。这很好地适合优化问题，这是因为电范围的前瞻信息是基于路程的。
[0088]
除了动能之外还存在两个另外的状态参量，它们在简单优化问题的意义下同样可以线性且与路程有关地被描述。一方面，动力总成7的电能耗往往以取决于扭矩和马达转速的特性曲线簇形式被描述。在所示实施例中，机动车1具有在电机8和机动车1在其上运动的道路之间的固定传动比。由此，可以将电机8的转速直接换算成机动车1的速度或也被换算成机动车1的动能。此外，电机8的电功率可以通过除以相对应的速度来换算成每米能耗。由此，得到电机8的特性曲线，形式如图5可见。为了可以将此特性曲线簇用于优化，其被线性近似：每米能量(energy
permeter
)≥ai*e
kin
bi*f
trac
针对所有的i。
[0089]
具体而言，待最小化的成本函数15可以用数学方式如下表示：
[0090][0091]
在此：
[0092]cpump
关于冷却泵功率的可参数化成本，
[0093]wbat
电池能耗的权重因子
[0094]ebat
电池能耗
[0095]
s路程
[0096]se-1
预测范围结束前的时间步长的路程
[0097]
fa由电机提供的驱动力，该驱动力被传动装置恒定地转换并且被施加到机动车的车轮上
[0098]wtem
扭矩梯度的权重因子
[0099]wtemstart
力矩突变的权重因子
[0100]
t车辆驶过预测范围内的整个预测路程所需要的时间
[0101]wtime
时间t的权重因子
[0102]
se范围结束时的路程
[0103]wslack
松弛变量的权重因子
[0104]
var
slack
松弛变量。
[0105]
成本函数15只具有线性项和平方项。由此，整个问题具有带线性辅助条件的平方优化的形式，并且得到了可以良好且快速被解决的凸问题。
[0106]
成本函数15除了冷却泵28上述可参数化的成本c
pump
和部件19、20的效率成本之外还包括以第一权重因子w
bat
加权且根据纵向动力学模型预测的电能e
bat
作为另外的项，该电能在预测范围之内由动力总成7的电池9提供用以驱动电机8。电池9和电机8可以称为机动车1的与效率相关的部件，如上述用于水平调整的系统18和上述制动设施19。相应地，以第一权重因子w
bat
加权且根据纵向动力学模型预测的电能e
bat
同样可以纳入项c
efficiency
。
[0107]
成本函数15包含以第二权重因子w
time
加权且根据纵向动力学模型14预测的、机动车1驶过预测路程的所需的行驶时间t作为另外的项。这导致，视权重因子的选择而定，低的速度并不总是被评价为最优的并且不再存在所得到的速度始终处于允许的速度下限处的问题。能耗和行驶时间可以分别在预测范围结束时被评估和加权。这些项仅针对预测范围的最后一个点有效。
[0108]
范围内过高的扭矩梯度是不利的。因此，扭矩梯度已经在成本函数15中被惩罚，即，通过项被惩罚。每米驱动力的偏差的平方以权重因子w
tem
加权并在成本函数内被最小化。替代每米驱动力fa也可以采用由电机8提供的扭矩m
em
并且以权重因子w
tem
加权，从而获得替代项由于传动装置10的恒定传动比，驱动力和扭矩彼此直接成正比。
[0109]
为了确保舒适的行驶，在成本函数15内引入用于惩罚力矩突变的另一项，即，w
temstart
·
(fa(s1)-fa(s0))2。替代驱动力fa在此也可以采用由电机8提供的扭矩m
em
，从而获得替代项w
temstart
·
(m
em
(s1)-m
em
(s0))2。针对预测范围内的第一点而言，与最后设定的力矩的偏差被评价为负面的并且以权重因子w
temstart
加权，以确保在旧轨迹和新轨迹之间切换时存在无缝且无顿挫的过渡。
[0110]
限速是针对优化的硬性限制，其不得被超过。略微超过速度限制在现实情况中始终是允许的且尤其从一个速度区过渡至第二区时是正常情况。在其中限速从一个计算周期过渡到下一个计算周期的动态环境中，可能会发生：在完全硬性的限制的情况下无法找到针对速度曲线簇的有效解。为了提高计算算法的稳定性，可以将限制(“软约束”)引入成本函数15。在此，在达到硬性限速之前，以权重因子w
slack
加权的松弛变量var
slack
在预定的狭窄范围内变成有效的。非常接近该限速的解，也就是其速度轨迹与硬性限制保持一定距离的解，被更差地评价。
[0111]
附图标记
[0112]
h1ꢀꢀꢀꢀ
第一运行参数的第一值
[0113]
h2ꢀꢀꢀꢀ
第一运行参数的第二值
[0114]
h3ꢀꢀꢀꢀ
第一运行参数的第三值
[0115]
n1ꢀꢀꢀꢀ
第三执行器的第一执行器值
[0116]
n2ꢀꢀꢀꢀ
第三执行器的第二执行器值
[0117]
n3ꢀꢀꢀꢀ
第三执行器的第三执行器值
[0118]
q1ꢀꢀꢀꢀ
第一泵运行值
[0119]
q2ꢀꢀꢀꢀ
第二泵运行值
[0120]
q3ꢀꢀꢀꢀ
第三泵运行值
[0121]
x1ꢀꢀꢀꢀ
第一执行器的第一执行器值
[0122]
x2ꢀꢀꢀꢀ
第一执行器的第一执行器值
[0123]
x3ꢀꢀꢀꢀ
第一执行器的第一执行器值
[0124]
y1ꢀꢀꢀꢀ
第二运行参数的第一值
[0125]
y2ꢀꢀꢀꢀ
第二运行参数的第二值
[0126]
y3ꢀꢀꢀꢀ
第二运行参数的第三值
[0127]
z1ꢀꢀꢀꢀ
第二执行器的第一执行器值
[0128]
z2ꢀꢀꢀꢀ
第二执行器的第一执行器值
[0129]
z3ꢀꢀꢀꢀ
第二执行器的第一执行器值
[0130]1ꢀꢀꢀꢀꢀ
车辆
[0131]2ꢀꢀꢀꢀꢀ
系统
[0132]3ꢀꢀꢀꢀꢀ
处理器单元
[0133]4ꢀꢀꢀꢀꢀ
存储器单元
[0134]5ꢀꢀꢀꢀꢀ
通信接口
[0135]6ꢀꢀꢀꢀꢀ
检测单元
[0136]7ꢀꢀꢀꢀꢀ
动力总成
[0137]8ꢀꢀꢀꢀꢀ
电机
[0138]9ꢀꢀꢀꢀꢀ
电池
[0139]
10
ꢀꢀꢀꢀ
传动装置
[0140]
11
ꢀꢀꢀꢀ
计算机程序产品
[0141]
12
ꢀꢀꢀꢀ
gnss传感器
[0142]
13
ꢀꢀꢀꢀ
mpc算法
[0143]
14
ꢀꢀꢀꢀ
纵向动力学模型
[0144]
15
ꢀꢀꢀꢀ
成本函数
[0145]
16
ꢀꢀꢀꢀ
驾驶员辅助系统
[0146]
17
ꢀꢀꢀꢀ
内燃机
[0147]
18
ꢀꢀꢀꢀ
用于水平调整的系统
[0148]
19
ꢀꢀꢀꢀ
制动设施
[0149]
20
ꢀꢀꢀꢀ
第一运行参数
[0150]
21
ꢀꢀꢀꢀ
底盘
[0151]
22
ꢀꢀꢀꢀ
第一执行器
[0152]
23
ꢀꢀꢀꢀ
第一执行器的执行器值
[0153]
24
ꢀꢀꢀꢀ
第二运行参数
[0154]
25
ꢀꢀꢀꢀ
第二执行器
[0155]
26
ꢀꢀꢀꢀ
第二执行器的执行器值
[0156]
27
ꢀꢀꢀꢀ
损耗模型
[0157]
28
ꢀꢀꢀꢀ
冷却泵
[0158]
29
ꢀꢀꢀꢀ
冷却回路
[0159]
30
ꢀꢀꢀꢀ
第三运行参数
[0160]
31
ꢀꢀꢀꢀ
第三执行器
[0161]
32
ꢀꢀꢀꢀ
第三执行器的执行器值
[0162]
33
ꢀꢀꢀꢀ
目标生成器
[0163]
34
ꢀꢀꢀꢀ
功率电子器件
[0164]
35
ꢀꢀꢀꢀ
热交换器