一种电动汽车自适应巡航与再生制动的协同控制方法

1.本发明属于电动汽车领域，具体的说是一种电动汽车自适应巡航与再生制动的协同控制方法。


背景技术：

2.自适应巡航系统是一种先进的辅助驾驶系统，通过某种控制策略调节车辆的纵向运动状态，实现车辆自动加减速或保持纵向安全距离。因此搭载自适应巡航系统的汽车可以减少驾驶员的操作，是汽车智能化发展的体现。
3.为应对我国汽车保有量爆发式增长带来的环境污染等问题，电动汽车得到快速发展。再生制动技术是电动汽车的通用技术，它将驱动电机作为发电机，制动过程中将动能转化为电能，提高续航里程。
4.目前自适应巡航系统在传统车辆上的研究较多，由于传统车辆和电动汽车的差异，将原有的自适应巡航系统应用到电动汽车上时，其控制算法和执行机构会发生改变。因此需要对此进行改变，制定适应电动汽车的控制策略。此外，当前对汽车自适应巡航控制的研究大多针对某一性能指标单独设计，具有局限性。目前再生制动系统进行能量回收时，为防止电池过充会以电池的荷电状态为约束，并且设计性能指标时只以能量回收多少或能量回收率为标准。但仅仅以这一个约束条件对电池进行约束以及单独的性能指标进行评判时，当面对较为复杂的行驶环境时会有局限性。


技术实现要素：

5.本发明是为了解决上述现有技术存在的不足之处，提出一种电动汽车自适应巡航与再生制动的协同控制方法，以期能将自适应巡航系统和再生制动控制系统相结合并考虑两者之间的相互影响，设定多目标多约束以实现各自的性能，从而能在满足电动汽车行驶性能的同时，回收更多的制动能量。
6.本发明为达到上述发明目的，采用如下技术方案：
7.本发明一种电动汽车自适应巡航与再生制动的协同控制方法的特点是按如下步骤进行：
8.步骤一：建立车辆运动模型：
9.步骤1.1、利用式(1)建立一阶惯性环节来表示车辆加速度状态的传递特性：
[0010][0011]
式(1)中，ah为实际加速度，ks为惯性环节的增益因子，ts为惯性环节的时间常数，a
des
为期望加速度；
[0012]
步骤2.2、以当前车辆行驶的位移sh和当前车辆行驶的速度vh以及当前车辆的实际加速度ah为状态变量，利用式(2)建立车辆运动学模型：
[0013][0014]
式(2)中，xh＝[s
h v
h ah]
t
为状态向量，u＝a
des
为期望加速度，yh为输出加速度；a
l
表示系数矩阵；b
l
表示输入矩阵；c
l
表示输出矩阵，并有：表示输出矩阵，并有：
[0015]
步骤2.3、利用式(3)得到离散化后的状态空间方程：
[0016][0017]
式(3)中，a
l,d
表示离散化后系数矩阵，且a
l,d
＝i a
l
t，b
l,d
表示离散化后输入矩阵，且b
l,d
＝b
l
t，c
l,d
表示离散化后输出矩阵，且c
l,d
＝tc
l
，t为采样时间；xh(k 1)表示第k 1时刻的状态向量，xh(k)表示第k时刻的状态向量，yh(k)表示第k时刻的输出向量，u(k)表示第k时刻的输入向量；
[0018]
步骤二：性能指标设计：
[0019]
步骤2.1、利用式(4)构建经济性指标l
eco
：
[0020]
l
eco
＝ω
eco
δe(k)
ꢀꢀꢀ
(4)
[0021]
式(4)中，ω
eco
为经济性指标的权重，δe(k)表示k时刻消耗的能量，并有：
[0022]
δe(k)＝e
drive
(k)-e
regen
(k)
ꢀꢀꢀ
(5)
[0023]
式(5)中，e
drive
(k)为k时刻驱动消耗能量，e
regen
(k)为k时刻制动回收能量；
[0024]
步骤2.2、利用式(6)构建跟随性指标l
tra
：
[0025]
l
tra
＝ω
δd
(δd(k))2 ω
δv
(δv(k))2ꢀꢀꢀ
(6)
[0026]
式(6)中，ω
δd
为车间误差的权重系数，ω
δv
为车速误差的权重系数；δd(k)表示k时刻的车间距误差，并由式(7)得到；δv(k)表示k时刻的车速误差，并由式(8)得到；
[0027]
δd(k)＝sf(k)-sh(k)-s
safe
ꢀꢀꢀ
(7)
[0028]
式(7)中，sf(k)为k时刻前车行驶位移，s
safe
为安全距离；
[0029]
δv(k)＝vf(k)-vh(k)
ꢀꢀꢀ
(8)
[0030]
式(8)中，vf(k)为k时刻前车行驶速度；
[0031]
步骤2.3、利用式(7)构建安全性指标：
[0032][0033]
式(7)中，δd
min
、δd
max
为车间距误差的最小值和最大值；δv
min
、δv
max
为车速误差的最小值和最大值；
[0034]
步骤2.4、利用式(8)构建舒适性指标l
com
：
[0035]
l
com
＝ωa(ah(k))2ꢀꢀꢀ
(8)
[0036]
式(8)中，ah(k)表示k时刻的加速度，ωa为舒适性指标的权重，且a
hmin
≤ah(k)≤a
hmax
；a
hmin
表示加速度的最小值，a
hmax
表示加速度的最大值；
[0037]
步骤2.5、利用式(9)构建综合性能指标l：
[0038]
l＝x
t
ωx ω
eco
δe(k)
ꢀꢀꢀ
(9)
[0039]
式(9)中，x表示状态变化向量，且x＝[δd δv ah]
t
，ω表示权重系数矩阵，且
[0040]
步骤三：优化求解：
[0041]
步骤3.1、以期望加速度u(k)作为控制变量，x(k)作为状态量，利用式(10)在预测时域p内建立目标函数j：
[0042][0043]
步骤3.2、利用式(11)设计约束条件：
[0044][0045]
步骤3.3、利用式(12)所示的动态规划算法对目标函数j及约束条件进其行求解，得到求解后的加速度信号：
[0046][0047]
式(12)中：j(x(k))为由初始状态至第k迭代步状态x(k)的最优目标函数；
[0048]
步骤四：求解结果转化：
[0049]
根据制动踏板的开度和制动力矩的关系图和将求解后的加速度信号转化为制动踏板或加速踏板的开度；
[0050]
其中te为再生制动转矩，t
μ
为液压制动转矩，tb为总的制动转矩；
[0051]
当制动踏板的开度小于λ时，制动力矩来自再生制动转矩te；
[0052]
当制动踏板的开度大于λ时，制动力矩来自再生制动转矩te以及液压制动转矩t
μ
的总的制动转矩tb；
[0053]
步骤五：再生制动时的约束：
[0054]
步骤5.1、利用式(14)构建电机约束：
[0055]
[0056]
式(14)中，tu为制动转矩，p
max
为电机的峰值功率；nb为电机基速；n
min
为电机发电转速下限，n为电机转速；
[0057]
步骤5.2、构建电池约束：
[0058]
步骤5.2.1基于soc约束、利用式(15)构建在时间间隔δk中最大充电电流的约束值值
[0059]
式(15)中，soc为电池的荷电状态，soc
(k)
为k时刻的电池荷电状态，soc
max
为电池荷电状态的最大值；η为库伦效率，cn为电池额定容量；δk为时间间隔；
[0060]
步骤5.2.2基于电压约束、利用式(16)构建电池在δk时间内持续的最大的电流值步骤5.2.2基于电压约束、利用式(16)构建电池在δk时间内持续的最大的电流值
[0061]
式(16)中，r1为极化内阻，r0为欧姆内阻，u1为极化内阻的电压，u
t
为电路的端电压，u
t,max
为端电压最大值，u
1,k
为k时刻极化内阻电压，τ为时间常数，v
oc
为电池的开路电压，soc
k δk
为k δk时刻的电池荷电状态，为sock为k时刻的电池荷电状态；
[0062]
步骤5.2.3、利用式(17)构建电池充电的峰值电流
[0063][0064]
式(17)中，i
max
表示电池允许最大的充电电流的约束值；
[0065]
步骤六：制动力的分配：
[0066]
在再生制动系统中，以制动踏板开度信号、制动强度、电池荷电状态soc为输入，施加步骤五中设定的电机和电池约束，采用模糊控制对制动系统进行制动力的分配，使得制动力一部分转化为液压制动转矩进行制动，一部分转化为再生制动转矩进行能量回收。
[0067]
与现有技术相比，本发明的有益效果在于：
[0068]
1.本发明将自适应巡航系统与再生制动两者相结合，考虑两者之间的相互影响，并进行协同控制，使其能够体现出两者各自应有的性能，以实现智能电动汽车安全、高效、节能行驶。
[0069]
2.本发明在自适应巡航控制时采用上下层控制，上层采用mpc控制策略并设计性能指标和约束，建立目标函数，然后采用动态规划算法进行优化求解，并将优化求解后的结果作为下层控制器的输入，以加速踏板或制动踏板的开度为输出，使汽车的速度能够跟随期望加速度，自适应巡航控制采用分层控制的结构，可以实现控制指令由上往下，反馈信息由下往上，从而能保证当前车辆得到快速响应，安全地跟随前车行驶。
[0070]
3.在进行再生制动时，不在以单一的soc对电池进行约束，防止电池过充，而是考虑电池的功率状态，用soc、电压、电流对电池进行约束，使得对电池的约束更加完整，能更加有效防止电池过充，避免电池损坏。
[0071]
4.本发明将实际存在的制动踏板做为自适应巡航和再生制动的桥梁能够避免两个控制系统之间的相互干扰和冲突，提升了汽车的综合行驶性能。
附图说明
[0072]
图1为本发明系统架构图；
[0073]
图2为本发明动态规划算法逆序求解流程图；
[0074]
图3为本发明自适应巡航系统结构图；
[0075]
图4为本发明制动力矩和制动踏板开度关系图；
[0076]
图5为本发明电池一阶rc等效电路模型图；
[0077]
图6为本发明再生制动系统结构图。
具体实施方式
[0078]
本实施例中，一种电动汽车自适应巡航与再生制动的协同控制方法，系统的框架图如图1所示。具体的实施步骤包括建立车辆运动学模型，设计性能指标和约束条件，采用动态规划算法对设定的目标函数进行求解并将求解结果转化，设定电池的约束，根据电池的约束以及其他条件采用模糊控制原理实现制动力的分配。具体的说，是按如下步骤进行：
[0079]
步骤一：建立车辆运动模型：模型预测控制算法是一种基于预测模型的控制算法。由于其不需要十分精确的数学模型，因此建模比较方便。
[0080]
步骤1.1、由于车辆传动系统存在惯性，期望加速度并不会直接作用到车辆上，而是与实际加速度有一定的延时，因此利用式(1)建立一阶惯性环节来表示车辆加速度状态的传递特性：
[0081][0082]
式(1)中，ah为实际加速度，ks为惯性环节的增益因子，ts为惯性环节的时间常数，a
des
为期望加速度；
[0083]
步骤2.2、以当前车辆行驶的位移sh和当前车辆行驶的速度vh以及当前车辆的实际加速度ah为状态变量，利用式(2)建立车辆运动学模型：
[0084][0085]
式(2)中，xh＝[s
h v
h ah]
t
为状态向量，u＝a
des
为期望加速度，yh为输出加速度；a
l
表示系数矩阵b
l
表示输入矩阵c
l
表示输出矩阵，并有：表示输出矩阵，并有：
[0086]
步骤2.3、利用式(3)得到离散化后的状态空间方程：
[0087][0088]
式(3)中，a
l,d
表示系数矩阵，且a
l,d
＝i a
l
t，b
l,d
表示输入矩阵，且b
l,d
＝b
l
t，c
l,d
表
示输出矩阵，且c
l,d
＝tc
l
，t为采样时间；xh(k 1)表示第k 1时刻的状态向量，xh(k)表示第k时刻的状态向量，yh(k)表示第k时刻的输出向量，u(k)表示第k时刻的输入向量。
[0089]
步骤二：性能指标设计：本发明选取经济性、跟随性、安全性、舒适性四个方计的性能指标，使电动车在满足自适应巡航系统对前车跟随行驶、兼顾当前车辆与前车的安全距离时保证乘客的舒适性并尽可能多地回收制动能量。
[0090]
步骤2.1、经济性指标用驱动所消耗的能量与制动过程回收的能量的差值表示，利用式(4)构建经济性指标l
eco
：
[0091]
l
eco
＝ω
eco
δe(k)
ꢀꢀꢀ
(4)
[0092]
式(4)中，ω
eco
为经济性指标的权重，δe(k)表示k时刻消耗的能量，并有：
[0093]
δe(k)＝e
drive
(k)-e
regen
(k)
ꢀꢀꢀ
(5)
[0094]
式(5)中，e
drive
(k)为k时刻驱动消耗能量，e
regen
(k)为k时刻制动回收能量；
[0095]
步骤2.2、自适应巡航系统需要稳定跟随前车行驶，跟随性体现在两个方面，速度的跟随性和安全车间距离的跟随性；利用式(6)构建跟随性指标l
tra
：
[0096]
l
tra
＝ω
δd
(δd(k))2 ω
δv
(δv(k))2ꢀꢀꢀ
(6)
[0097]
式(6)中，ω
δd
为车间误差的权重系数，ω
δv
为车速误差的权重系数；δd(k)表示k时刻的车间距误差，并由式(7)得到；δv(k)表示k时刻的车速误差，并由式(8)得到，
[0098]
δd(k)＝sf(k)-sh(k)-s
safe
ꢀꢀꢀ
(7)
[0099]
式(7)中，sf(k)为k时刻前车行驶位移，s
safe
为安全距离；
[0100]
δv(k)＝vf(k)-vh(k)
ꢀꢀꢀ
(8)
[0101]
式(8)中，vf(k)为k时刻前车行驶速度；
[0102]
步骤2.3、自适应巡航行驶过程中要求本车和前车的间距不能太近，距离过近会有追尾的风险，距离过远会导致旁道车辆频繁插入，不利于行驶。上述虽然设计了跟随性指标，但仅通过跟随性指标难以适应前车行驶状态的突然变化。因此需要施加硬约束提高对跟随性的灵敏度。
[0103]
利用式(7)构建安全性指标：
[0104][0105]
式(7)中，δd
min
、δd
max
为车间距误差的最小值和最大值；δv
min
、δv
max
为车速误差的最小值和最大值；
[0106]
步骤2.4、在自适应巡航行驶过程中要求车辆尽可能避免较大幅度的加速或减速，以保证驾驶员和乘客的舒适性。
[0107]
利用式(8)构建舒适性指标l
com
：
[0108]
l
com
＝ωa(ah(k))2ꢀꢀꢀ
(8)
[0109]
式(8)中，ah(k)表示k时刻的加速度，ωa为舒适性指标的权重，且a
hmin
≤ah(k)≤a
hmax
；a
hmin
表示加速度的最小值，a
hmax
表示加速度的最大值。
[0110]
步骤2.5、将经济性、跟随性、安全性、舒适性指标求和作为综合性指标函数。通过调节各性能指标的权重，可以实现系统的多目标协调优化。
[0111]
利用式(9)构建综合性能指标l：
[0112]
l＝x
t
ωx ω
eco
δe(k)
ꢀꢀꢀ
(9)
[0113]
式(9)中，x表示状态变化向量，且x＝[δd δv ah]
t
，ω表示权重系数矩阵，且
[0114]
步骤三：优化求解：动态规划算法通常用于求解具有某种最优性质的问题，其基本思想是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。
[0115]
步骤3.1、以期望加速度u(k)作为控制变量，x(k)作为状态量，利用式(10)在预测时域p内建立目标函数j：
[0116][0117]
步骤3.2、利用式(11)设计约束条件：
[0118][0119]
通常的解法是利用基本方程所提供的递推关系式逐段求解，包含两个过程：逆序求解过程和正向递推过程。逆序求解过程是从最后一个阶段开始向前一步步进行求解，确定各个阶段每个状态的最优解和最优控制。其逆序求解流程如图2所示。正向递推过程是由设定的初始状态，找到逆向求解时对应的最优控制，根据系统状态转移方程，求得下一时刻的状态，得到最优控制，以此类推。
[0120]
步骤3.3、利用式(12)所示的动态规划算法对目标函数j及约束条件进其行求解，得到求解后的加速度信号：
[0121][0122]
式(12)中：j(x(k))为由初始状态至第k迭代步状态x(k)的最优目标函数；
[0123]
步骤四：求解结果转化：求解后得到加速度信号，以此作为上层控制器的输出和下层控制器的输入。下层控制器根据加速度与功率、转矩的内在联系控制油门和制动踏板使得汽车的加速度能够跟踪期望加速度。具体的控制框图如图3所示。
[0124]
根据制动踏板的开度和制动力矩的关系图(图4所示)，将求解后的加速度信号转化为制动踏板或加速踏板的开度；其中te为再生制动转矩，t
μ
为液压制动转矩，tb为总的制动转矩；当制动踏板的开度小于λ时，制动力矩来自再生制动转矩te；当制动踏板的开度大于λ时，制动力矩来自再生制动转矩te以及液压制动转矩t
μ
的总的制动转矩tb；
[0125]
步骤五：再生制动时的约束：汽车再生制动时需要在这个过程中施加约束来保护汽车上的电机、电池等部件，否则这些部件将会受损。
[0126]
步骤5.1、利用式(14)构建电机约束：制动时，制动力一部分由电机制动力提供，制动力会转化为制动转矩，电机成为发电机向电池充电，进行能量回收；另一部分形成制动压力，由液压制动系统进行制动。在理想状态下，电机可回收的转矩越大，其产生的再生制动
力越大，即回收的制动能量越多。然而，电机的再生制动转矩会受到电机发电特性的约束。
[0127][0128]
式(14)中，tu为制动转矩，p
max
为电机的峰值功率；nb为电机基速；n
min
为电机发电转速下限，n为电机转速；
[0129]
步骤5.2、构建电池约束：在以往的研究中，对电池的约束仅仅是从电池soc方面进行，即当soc大于设定的阈值时限制电机制动力，电机不在回收制动能量，避免对电池过充电。在这一过程中忽略了电池功率状态的影响。事实上，电池的功率状态受到电流、电压、soc等多方面的制约。
[0130]
步骤5.2.1基于soc约束、利用式(15)构建在时间间隔δk中最大充电电流的约束值值
[0131]
式(15)中，soc为电池的荷电状态，soc
(k)
为k时刻的soc，soc
max
为soc最大值；η为库伦效率，cn为电池额定容量；δk为时间间隔。
[0132]
步骤5.2.2基于电压约束，当用电压对电池进行约束时需要建立电池模型。由于等效电路模型不考虑电池内部的微观反应，具有结构简单、参数小等优点，所以选取等效电路模型对电池建模。rc模型能够更好地描述电池的迟滞、极化等现象。在考虑复杂度和精度后，选取一阶rc等效电路模型。如图5所示。
[0133]
利用式(16)构建电池在δk时间内持续的最大的电流值
[0134][0135]
式(16)中，r1为极化内阻，r0为欧姆内阻，u1为极化内阻的电压，u
t
为电路的端电压，u
t,max
为端电压最大值，u
1,k
为k时刻极化内阻电压，τ为时间常数，v
oc
为电池的开路电压，soc
k δk
为k δk时刻soc，为sock为k时刻soc。
[0136]
步骤5.2.3、利用式(17)构建电池充电的峰值电流
[0137][0138]
式(17)中，i
max
表示电池允许最大的充电电流的约束值；
[0139]
步骤六：制动力的分配：
[0140]
如图6所示，在再生制动系统中，以制动踏板开度信号、制动强度、电池soc为输入，施加步骤五中设定的电机和电池约束，采用模糊控制，进行制动力的分配。制动力一部分转化为液压制动转矩进行制动，一部分转化为再生制动转矩进行能量回收。