详情

原文传递基于路径信息的纯电动汽车剩余里程模型预测方法

专利名称：	基于路径信息的纯电动汽车剩余里程模型预测方法
摘要：	本发明公开了一种基于路径信息的纯电动汽车剩余里程模型预测方法，包括以下步骤：对驾驶员历史行驶数据进行分析，提取路径信息，生成符合驾驶员行为特征的状态转移概率矩阵；基于未来路径的道路信息和相应的状态转移概率矩阵，生成预测车速；建立参数估计模型，对影响汽车能耗及剩余行驶里程的行驶参数进行估计；建立RDR计算模型以预测车辆剩余行驶里程，能耗预测模型以车速预测模型得到的预测车速和参数估计模型估算的行驶参数作为模型输入，计算出车辆能量消耗率；剩余能量预测模型用于预估车辆电池剩余能量；综合车辆能量消耗率及电池剩余能量即可预测车辆剩余行驶里程，并通过剩余行驶里程显示模型进行显示。
专利类型：	发明专利
国家地区组织代码：	吉林;22
申请人：	吉林大学
发明人：	郭建华;王引航;刘纬纶;刘翠;石大排;刘昨非;刘康杰;初亮
专利状态：	有效
申请日期：	2019-01-09T00:00:00+0800
发布日期：	2019-05-10T00:00:00+0800
申请号：	CN201910018307.7
公开号：	CN109733248A
代理机构：	长春吉大专利代理有限责任公司
代理人：	杜森垚
分类号：	B60L58/10(2019.01);B;B60;B60L;B60L58
申请人地址：	130012 吉林省长春市前进大街2699号
主权项：	1.一种基于路径信息的纯电动汽车剩余里程模型预测方法，其特征在于，包括以下步骤：步骤一、建立车速预测模型以生成未来路径预测车速：对一定数量的驾驶员历史行驶数据进行分析，提取路径信息，生成符合驾驶员行为特征的状态转移概率矩阵；基于未来路径的道路信息和相应的状态转移概率矩阵，生成受到未来道路信息控制的预测车速；步骤二、建立参数估计模型，对影响汽车能耗及剩余行驶里程的行驶参数进行估计；步骤三、建立RDR计算模型以预测车辆剩余行驶里程：RDR计算模型包括：能耗预测模型、剩余能量预测模型以及剩余行驶里程显示模型；能耗预测模型以车速预测模型得到的预测车速和参数估计模型估算的行驶参数作为模型输入，计算出车辆能量消耗率；剩余能量预测模型用于预估车辆电池剩余能量；综合车辆能量消耗率及电池剩余能量即可预测车辆剩余行驶里程，并通过剩余行驶里程显示模型进行显示。 2.如权利要求1所述的一种基于路径信息的纯电动汽车剩余里程模型预测方法，其特征在于，所述步骤一建立车速预测模型以生成未来路径预测车速具体包括以下步骤： 1)依据驾驶员的历史车速数据和路径信息，生成该驾驶员在不同路面上的转移概率矩阵： 1.1)工况数据采集与路径信息提取，分别进行实车工况数据采集和驾驶员工况数据采集，对驾驶员驾驶风格进行评价和分类，驾驶员在某类型道路i上的驾驶风格指标Jd(i)为： Jd(i)＝w1·eavg(i)+w2vm(i)+w3vmax(i)+w4aam(i)+w5abm(i) 其中，eavg为该驾驶员在该类型道路上的平均能耗率，(kW/km)；vm为平均速度，(km/h)；vmax为最大速度，(km/h)；aam为平均加速度，(m/s2)；abm为平均减速度(绝对值)，(m/s2)；w1～5为权系数； 1.2)依据道路类型划分行驶工况段； 1.3)分类后的工况片段继续分割成加速阶段和减速阶段并计算加速度段距离比； 1.4)阶段工况数据网格化：将同一驾驶员在同类道路上的加速接段和减速接段车速数据集中在一起，并对上述车速数据重新网格化和插值； 1.5)对网格化后的阶段工况数据进行扫描，统计状态转移数； 1.6)生成转移概率矩阵； 2)基于未来的路径信息结合TPMs生成预测车速： 2.1)从车载系统中获取车辆未来路径坐标与路径信息； 2.2)根据路径坐标以及路径信息生成参考工况，参考工况显示了道路类型、长度、平均车速以及节点位置，2个节点之间即为一个工况片段； 2.3)在生成参考工况后，系统对当前车辆驾驶员的驾驶风格进行识别并匹配相应类型的转移概率矩阵； 2.4)依据参考工况，依次生成各类型道路上的工况段； 2.5)进行工况段整合与滤波； 2.6)生成预测车速曲线：当道路类型变化时，选择相应的转移概率矩阵，依次生成各路段车速曲线，直到预测车速距离与未来路径长度相等为止。 3.如权利要求1所述的一种基于路径信息的纯电动汽车剩余里程模型预测方法，其特征在于，所述步骤二参数估计模型对行驶参数进行估计具体包括： 1)滚动阻力系数初值估计：滚动阻力系数初值fr0拟合公式为其中，ei(i＝1～3)为拟合系数，ki为路面类型修正系数； 2)路面坡度计算：通过地理信息系统和GPS路径经纬度可以计算得到路面坡度aslop(rad)，即其中，Δh(m)为两个连续测量点之间的高度差； 3)整车质量及滚动阻力系数动态估算：基于递推最小二乘估计算法动态估算整车质量mv和滚动阻力系数fr，在车辆行驶过程中，电机输出功率Pm(W)为其中，Ffric(N)为车轮处的传动系统摩擦力；将上式写成线性估计的标准型为其中，使下式最小：其递归解为其中， 4.如权利要求1所述的一种基于路径信息的纯电动汽车剩余里程模型预测方法，其特征在于，所述步骤三中能耗预测模型的建立过程为：采用逆向建模方法建立能耗预测模型，模型的输入为车速，输出为电池输出功率Pbat(W)，即：其中，v(m/s)为车辆行驶速度，由所述车速预测模型得到；滚动阻力Fr(N)由下式计算： Fr＝frmvgcos(αslop) 式中，fr为滚动阻力系数，Mv(kg)为整车质量，αslop(rad)为路面坡度，均由所述参数估计模型计算得到；g(m/s2)为重力加速度；空气阻力Faero(N)由下式计算：式中，ρ(kg/m3)为空气密度；Af(m2)为汽车的迎风面积；Cd是空气阻力系数；Vwin(m/s)是行驶方向上的风速；坡度阻力Fg(N)由下式计算： Fg＝mvgsin(αslop) 加速阻力Fm(N)由下式计算：式中，Jw(kg·m2)为车轮转动惯量；Jm(kg·m2)为电机转动惯量；r(m)为轮胎半径；ig是变速箱传动比；dv/dt(m/s2)是纵向汽车加速度； Ppt_loss(W)为车辆传动系统损失功率； Paux(W)为电附件消耗功率。 5.如权利要求1所述的一种基于路径信息的纯电动汽车剩余里程模型预测方法，其特征在于，所述步骤三中能剩余能量预测模型的建立过程为：电池剩余能量Erue(kWh)可由下式计算： Erue＝Q0·SoH·CtempUt,nom·(SOC-SOCend,nom) 其中，Q0(Ah)为新电池额定容量；Ctemp为电池温度修正系数；Ut,nom(V)为电池额定端电压；SOCend，nom为最低电池放电SOC；SoH为电池健康状态，定义为：式中，Qbat(Ah)为当前电池额定容量；采用安时法对SOC进行估计：式中，I(A)为电池输出电流。 6.如权利要求1所述的一种基于路径信息的纯电动汽车剩余里程模型预测方法，其特征在于，所述步骤三中剩余行驶里程的计算方法为：从所述能耗预测模型和所述剩余能量预测模型中分别计算得到能量消耗率eavg和电池剩余能量Erue后，由下式可以计算得到当前时刻t2的剩余行驶里程RDRcal(km)，即进一步由下式计算：其中，RDRcal(t1)为在过去t1时刻的RDR预测结果；ΔLcum(t1,t2)为从t1到t2时刻行驶过的实际距离，由实际车速积分得到；最终显示的RDR预测结果RDRdis(km)可由下式计算： RDRdis(t2)＝wdisRDRcal(t2)+(1-wdis)RDRcum(t2) 其中，wdis为权重系数，取值范围为[0,1]。
所属类别：	发明专利