(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211146552.4 (22)申请日 2022.09.20 (71)申请人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号院北京理工大 学 (72)发明人 郭凌雄　项昌乐　刘辉　韩立金　 (74)专利代理 机构 北京知汇林知识产权代理事 务所(普通 合伙) 11794 专利代理师 杨华 (51)Int.Cl. B60W 20/11(2016.01) B60W 10/06(2006.01) B60W 10/08(2006.01) B60W 10/26(2006.01) G06N 7/00(2006.01)G06N 20/00(2019.01) G06F 17/10(2006.01) (54)发明名称 一种混动车辆能量管 理及协同控制方法、 系 统及应用 (57)摘要 本发明属于混动车辆能量管 理技术领域， 公 开了一种混动车辆能量管理及协同控制方法、 系 统及应用。 多模混动车辆能量管 理及协同控制方 法包括： 利用最优控制参考规划器， 进行多模混 动车辆能量管理中模式切换的实时规划； 将由插 值所获取的最优控制量相邻网格值作为对应优 化的上下限约束， 并将此最优控制量作为SQP算 法的初始解， 实时进行最优能量管理； 对获取的 最优能量管 理控制指令进行修正， 使多模混动车 辆的传动系统内部各组件响应特性与修正后的 最优能量管 理控制指令同步。 本发 明通过最优控 制参考规划器， 而不直接作为能量管理策略的基 础算法， 在为后续提供控制参考提高算法效率的 同时又成功规避了上述问题带来的影响。 权利要求书3页 说明书9页 附图4页 CN 115257697 A 2022.11.01 CN 115257697 A 1.一种多模混动车辆能量管理及协同控制方法， 其特征在于， 所述多模混动车辆能量 管理及协同控制方法包括： 利用Q学习算法作为控制参考规划器， 进行多模混动车辆能量管理中模式切换的实时 规划； 基于获取的实时规划， 利用SQP算法将由插值所获取的控制量相邻网格值作为对应SQP 算法优化的上下限约束， 并将此控制量作为SQP算法的初始 解， 使多模混动车辆能量管 理中 进行自适应模式切换的同时， 实时进行能量管理； 并发出优能量管理控制指令； 结合混动车辆传动系统内部各组件动态响应特性， 对获取的能量管理控制指令进行修 正， 使多模混动车辆的传动系统内部各组件响应特性与修 正后的能量管理控制指令同步。 2.根据权利要求1所述的多模混动车辆能量管理及协同控制方法， 其特征在于， 所述利 用Q学习算法作为控制参考规划器前， 还需进行多尺度概率转移矩阵获取： 基于多步概率转 移矩阵进 行多尺度速度预测， 多步概率转移矩阵由 个状态转移矩阵组成， 为速度预测模 块预测域的长度； n时刻各转移概 率的计算公式如下： ； 若n时刻系统状态为i时， 则t时刻后， 系统状态转移 到j的概率为 ， ， 其中， M代表采用最临近 法对系统状态进 行离散化处理之后， 其可能取值的总数； 基于n时刻 各转移概率的计算公式获取的多步概率转移矩阵， 利用 实 现对于未来的速度预测； 其中， 为系统当前速度， 即为对应t时刻的预测速度。 3.根据权利要求1所述的多模混动车辆能量管理及协同控制方法， 其特征在于， 所述进 行多模混动车辆能量管理中模式切换的实时规划包括： 离线学习与在线应用； 所述离线学习包括： 建立多模混合动力车辆能量管理模型， 根据多模混合动力车辆能 量管理模型将电池SOC选取为Q学习算法状态变量 ， 根据电池特性设定SOC初值 以及变化上下限， 并利用线性插值对其在上下限取值范围内进行离散化处理， 则 ， 其中 等于SOC下限值， 等于发动 机功率上限值； 所述在线应用包括： 在车辆实 际行驶过程中将获取的未来预测速度与需求功率序列、 系统初始状态变量 作为训练所获取的控制率map的输入， 通过查表得方式获 取控制参 考序列。 4.根据权利要求3所述的多模混动车辆能量管理及协同控制方法， 其特征在于， 在离线 学习中， 选取发动机输出功率 、 动力电池电流 、 运行模式 选取为Q学习算法 动作变量， 即 ， 并确定动作变量上下限， 进行离散化处理， 将发动机权　利　要　求　书 1/3 页 2 CN 115257697 A 2功率P在其上下限范围内利用线性插值将其离散为多个点， 则 ， 其中 等于发动机功率下限值， 等于发动机功率上限值； ， 其中 为动力电池电流下限值， 为动力电池电流上限值， 而 ， 对应 该车辆的3种传动模式； 对所选状态参数进行归一 化处理； 调整发动机与电池的能量分配关系使车辆动力性的同时提高车辆燃油经济性并保持 电池SOC稳定， 将Q学习算法中反馈奖励设置为 ， 其 中， 为车辆的瞬时燃油消耗率， 其值的大小与发动机转矩转速存在映射关系， 为参考SOC； 然后将训练工况， 以及所选取的状态变量、 动作变量、 反馈奖励输入嵌入混动车辆能量 管理模型 的Q学习算法， 迭代训练直至算法收敛； 最终输出控制率， 并以多维图表的形式呈 现， 当给定车辆需求功率、 行驶速度、 SOC则通过插值查表的形式获取车辆在该状态下对应 的控制量。 5.根据权利要求1所述的多模混动车辆能量管理及协同控制方法， 其特征在于， 所述使 多模混动车辆能量管理中进行自适应模式切换的同时， 实时进行能量管理包括： 将车辆行驶状态输入获取的控制率中， 通过插值查表的方式获取该状态下对应的控制 量 、 和运行模式 ， 同时， 将离散化 网格中与控制量相邻的控制量定义为次优 控制量， 分别表示为 和 ， 其中 将作为后续SQP算法求解MPC问题时待优化量的 上限， 作为待优化量的下限； 对于 同理得到次优控制量 和 ； 不同运行模 式对应不同的传动系统参数， 确定运行模式 后， 构造基于模型预测控制的能量管理表 达式： 其中， 为燃油消耗率， 为权重系数， 为采样间隔， 代表第 个采样时刻， 为预测步长， ， 调用SQP算法对基于模型预测控制的能量管理表达式 进行求解， 将获取的控制量 和 设置为求解时的初始 值， 将次优控制量 、 、 和 作为所求控制量的边界条件， 控制量 和 为上限约束， 次优控制量 、 、 和 为下限约束， 进行求 解。 6.根据权利要求1所述的多模混动车辆能量管理及协同控制方法， 其特征在于， 所述对权　利　要　求　书 2/3 页 3 CN 115257697 A 3