详情

原文传递一种基于自适应跟车控制的FCHEV汽车能量管理方法

专利名称：	一种基于自适应跟车控制的FCHEV汽车能量管理方法
摘要：	本发明涉及以氢能源为主能源的新能源混合动力汽车能量管理技术领域，具体涉及一种基于自适应跟车控制的FCHEV汽车能量管理方法，通过构建可变时距策略的跟车模型和跟车控制器模型以及氢燃料混合动力汽车能量管理的系统模型，设计一种基于模糊逻辑控制的方法优化可变时距跟车控制器的参数，建立的混合动力汽车能量管理系统模型，考虑可变时距跟车场景、需求功率的变化、锂电池和超级电容SOC等因素，对氢燃料电池混合动力汽车进行能量管理，将可变时距跟车控制与深度强化学习相结合应用到混合动力汽车能量管理方法中，在跟车场景下混合动力汽车的综合能耗更低，在设计可变时距跟车策略和跟车控制器后，实现了自适应跟车控制。
专利类型：	发明专利
申请人：	河南科技大学;龙门实验室
发明人：	付主木;徐鹏飞;陶发展;朱龙龙;王楠;唐小林;王桐;冀保峰;吴红海;李梦杨;马浩翔;张高远;孙力帆
专利状态：	有效
申请日期：	2023-07-13T00:00:00+0800
发布日期：	2023-11-07T00:00:00+0800
申请号：	CN202310854714.8
公开号：	CN117002337A
代理机构：	北京知汇宏图知识产权代理有限公司
代理人：	刘文闻
分类号：	B60L58/40;B60L50/40;B60L50/75;B;B60;B60L;B60L58;B60L50;B60L58/40;B60L50/40;B60L50/75
申请人地址：	471000 河南省洛阳市洛龙区开元大道263号;
主权项：	1.一种基于自适应跟车控制的FCHEV汽车能量管理方法，其特征在于，包括以下步骤： S1、构建可变时距策略的跟车模型和跟车控制器模型以及混合动力汽车能量管理的数学模型： (1)构建可变时距的跟车模型 S(t)＝l+d+h(t)vf(t) 其中：S(t)分别为车辆间的间距，l车身的长度，vf(t)为跟随车的速度，h(t)为车辆间行驶的时距，d期望的静态间距； (2)构建可变时距跟车控制器模型其中：afn(t)，afm(t)为相对加速度和最大安全加速度，blmax，bfmax分别为领航车和跟随车的最大制动减速度，pi-1，pi为领航车和跟随车车辆的位置，kv，ks分别为使速度差和跟踪误差最小化的增益因子； (3)构建燃料电池(FC)、锂电池(BAT)、超级电容(UC)的电压模型 VFC＝ncell×(Ecell-Vact.loss-Vohm.loss) VUC.oc＝SOCUC·(VUC.max-VUC.min)+VUC.min 式中，ncell是燃料电池的片数，Ecell是单片燃料电池电压，Vact.loss和Vohm.loss是单片燃料电池的活化损失电压和燃料电池的内阻损失电压，SOCini和iBAT是锂电池初始SOC和电流，Cnom和PBAT分别是额定容量和电功率，β＝±1是锂电池充放电状态选择系数，V(SOCBAT)BAT.oc锂电池的开路电压r(SOCBAT)则是锂电池的内阻，VUC.max是超级电容最大电压VUC.min是超级电容最小输出电压，RUC和PUC则分别是超级电容等效内阻和超级电容电功率； (4)建立三能量源的氢燃料电池混合动力汽车能量管理系统模型：式中，PFC、PBAT、PUC分别是跟随车的需求功率，燃料电池功率，锂电池功率和超级电容功率，充电时，PBAT和PUC均为负；放电时，PBAT和PUC则为正； S2、设计一种基于模糊逻辑控制的方法优化可变时距跟车控制器的参数：详细过程如下： (1)可变时距的跟车的场景下构建跟车的误差模型： (2)设计基于速度差(kv)和跟踪误差(ks)增益因子的模糊逻辑规则 kS模糊逻辑规则设置如下： kV模糊逻辑规则设置如下： e，ec，kS，kv的论域大小设置分别为{-10，10}，{-1，1}，{0，1}，{0，1}隶属度函数为高斯函数，模糊集合分别表示的范围为{负大区域(NB)，负中区域(NM)，负小区域(NS)，零区域(ZE)，正小区域(PS)，正中区域(PM)，正大区域(PB)}，将获得的跟车误差e和跟车误差的导数ec同作为输入变量输入已设计好的模糊逻辑系统中，经过模糊化、模糊推理和去模糊化，最后得到所需要的kS，kv； S3、基于S2构造了一种自适应可变时距的跟车控制器，建立实时在线的跟车模型，为了保证三能量源混合动力汽车能量管理策略的实时性和最优性，减小等效消耗的总氢耗，以能量源SOC为学习目标，通过深度学习强化智能算法，来实现对FCHEV进行最优的能量源分配；包括如下步骤： (1)根据车辆的加速踏板，获得跟车场景下驱动电机的负载需求功率然后，根据第一步得到的电机负载需求功率利用饱和器件实现正负功率间的分流，其中正功率/>由燃料电池、锂电池和超级电容承担；负功率/>由超级电容单独承担； (2)利用积分法计算得到锂电池和超级电容的加权SOC，其中超级电容SOC计算和锂电池SOC计算原理相同，加权SOC作为输入变量输入至设计好的模糊推理系统得到可调频率uf； (3)高频正功率由超级电容承担，中低频正功率由燃料电池和锂电池共同承担；获得的中低频正功率，结合步骤二的最优混合动力汽车能量管理策略，得到对应此刻需求功率的燃料电池和锂电池和超级电容的输出功率比； (4)利用上一步的输出功率比，通过计算，可以获得实际的燃料电池功率，根据瞬时功率平衡，得到实际的锂电池功率；根据以上的过程就能够实现对以氢燃料电池为主要能源的混合动力汽车来进行能量管理，最后得到各个能量源最佳的功率分配。 2.根据权利要求1所述的一种基于自适应跟车控制的FCHEV汽车能量管理方法，其特征在于，主要特点可以分为三点，首先是建立可变时距策略的跟车模型，设计基于模糊逻辑控制器来优化跟车控制器参数，获取跟车场景下跟随车辆负载的需求功率，利用三能量源间不同的物理特性，通过模糊低通滤波器对能量源功率进行分层；将能量源的总氢耗一同作为学习目标；最后，通过将构造等效氢耗最小的Reward函数与深度强化学习智能算法相结合应用到FCHEV的能量管理策略当中；具体策略如下： (1)在可变时距跟车情况下获取氢燃料混合动力汽车的加速踏板，获得驱动电机负载的需求功率Pdemand.v(f)； (2)通过积分法，利用公式计算出锂电池(BAT)和超级电容(UC)的加权SOC； (3)将获得的跟车场景下车辆的需求功率和加权SOC一同作为输入变量输入已设计好的模糊逻辑系统中，经过模糊处理最后得到所需要的调节频率uf，其中输入需求功率Pdemand.v(f)的模糊集合分别表示的功率范围为{负大区域(NB)，负中区域(NM)，负小区域(NS)，零区域(ZE)，正小区域(PS)，正中区域(PM)，正大区域(PB)}，加权的SOC模糊集表示的范围为{小区域(S)，较小区域(RS)，中区域(M)，较大区域(RB)，大区域(B)}；输出调节频率uf的模糊集分别表示的范围有{小区域(S)，较小区域(RS)，中区域(M)，较大区域(RB)，大区域(B)}； (4)将所得到的调节频率uf和需求功率Pdemand.v(f)输入到自适应低通滤波器中，对需求功率进行分频处理，对其进行合理的分配； (5)从(1)～(4)是对需求功率进行第一次的区分，将需求正功率中的高频功率交由超级电容来提供，不仅有效合理的利用了超级电容的物理特性，而且也大大降低燃料电池和锂电池的寿命损耗，中低频功率的分配，则需要通过将能量源储能系统的SOC以及车辆的总体的氢耗作为智能算法学习目标，设计多目标优化的问题： min Ctotal(t)＝kFCCFC(t)+λBATkBATCBAT(t)+kUCCUC(t) (6)将(5)中设计的多目标优化问题通作为深度强化学习智能算法中的Reward函数中； (7)将设定好的Reward函数加入到改进的深度强化学习算法中，采用深度强化学习智能算法对氢燃料混合动力汽车进行实时能量管理。
所属类别：	发明专利