智能网联混合动力汽车多系统动态协调控制系统及方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113682293A(43)申请公布日2021.11.23(21)申请号202111153172.9B60W10/26(2006.01)(22)申请日2021.09.29B60W50/00(2006.01)(71)申请人厦门大学地址361005福建省厦门市思明区思明南路422号(72)发明人郭景华王班王靖瑶肖宝平何智飞(74)专利代理机构厦门南强之路专利事务所(普通合伙)35200代理人马应森曾权(51)Int.Cl.B60W20/11(2016.01)B60W20/15(2016.01)B60W10/06(2006.01)B60W10/08(2006.01)权利要求书2页说明书6页附图1页(54)发明名称智能网联混合动力汽车多系统动态协调控制系统及方法(57)摘要智能网联混合动力汽车多系统动态协调控制系统及方法，涉及汽车智能安全与自动驾驶。系统包括数据模块、数据感知模块、与多系统动态协调控制系统。智能网联混合动力汽车通过车载传感器获得车辆状态信息，并将其发送给多系统动态协调控制模块；多系统动态协调控制模块根据获得的车辆状态信息，求解最优发动机功率与电机功率分配方案以提高车辆的燃油经济性；建立可准确表征智能网联混合动力汽车多过程耦合的车辆动力学模型，作为智能网联混合动力汽车多系统动态协调控制算法的执行机构，执行由多系统动态协调控制器输出的可执行控制信号，进行车辆状态更新。有效解决多目标对于车辆控制要求相矛盾等问题，可获得更好的计算结果，提高计算速度。CN113682293ACN113682293A权利要求书1/2页1.智能网联混合动力汽车多系统动态协调控制系统，其特征在于包括数据模块、数据感知模块与多系统动态协调控制系统；多系统动态协调控制系统由模拟环境、奖励函数以及多系统动态协调控制模块组成，彼此之间依次连接；数据模块由经典驾驶循环工况数据以及实车采集数据组成，用于作为深度强化学习的训练集与测试集；数据感知模块用于利用车载传感器获得自车当前速度、加速度以及电池电量信息，将获取的车辆状态信息发送给多系统动态协调控制系统；数据模块用于数据进行离线训练，即利用先验知识与经验数据进行模型预训练，获得一个较好的训练模型；训练模型用于根据数据感知模块获得的车辆信息，进行发动机、电机以及动力电池之间的能量输出协调控制，输出控制信号到模拟环境，以获得车辆实际可执行的控制信号作用到车辆，以实现智能网联混合动力汽车多系统动态协调控制。2.基于深度强化学习的智能网联混合动力汽车多系统动态协调控制方法，其特征在于包括以下步骤：1)智能网联混合动力汽车通过车载传感器获得车辆状态信息，并将其发送给多系统动态协调控制模块；2)多系统动态协调控制模块根据获得的车辆状态信息，求解最优发动机功率与电机功率分配方案以提高车辆的燃油经济性；3)建立可准确表征智能网联混合动力汽车多过程耦合的车辆动力学模型，作为智能网联混合动力汽车多系统动态协调控制算法的执行机构，执行由多系统动态协调控制器输出的可执行控制信号，进行车辆状态更新。3.如权利要求2所述基于深度强化学习的智能网联混合动力汽车多系统动态协调控制方法，其特征在于在步骤1)中，所述车辆状态信息包括自车车速、加速度以及电池电量信息。4.如权利要求2所述基于深度强化学习的智能网联混合动力汽车多系统动态协调控制方法，其特征在于在步骤2)中，所述求解最优发动机功率与电机功率分配方案以提高车辆的燃油经济性，首先根据发动机与电机动态特性，选择发动机为主要控制对象进行控制，将由发动机最优工作曲线和电池特性组成的专家知识嵌入到深度强化学习算法中，利用发动机最优工作点曲线，减少控制量，降低控制量维度，缩小算法搜索范围，降低计算负担，提高算法的计算速度；然后，分析车辆各个状态量对深度强化学习算法动作值的影响，阐明基于深度强化学习算法的下层多系统动态协调控制原理；最后，设计基于蚁群智能优化的深度确定性策略梯度算法的下层多系统动态协调控制器。5.如权利要求4所述基于深度强化学习的智能网联混合动力汽车多系统动态协调控制方法，其特征在于所述设计基于蚁群智能优化的深度确定性策略梯度算法的下层多系统动态协调控制器的具体方法为：(1)设计多系统动态协调控制器的输入与输出变量；(2)算法模拟环境设计：算法的模拟环境主要功能是将计算获得最优发动机与电机功率分配方案，根据电池特性图确定的车辆充放电条件以及其他的判断条件，进行车辆动力系统工作模式判断，将指令转变为车辆动力学模型实际可控的指令，并将其发送给车辆各个动力部件，各个动力部件将其执行的结果反馈给下层多系统动态协调控制器，奖励函数用于计算奖励值，以指导网络模型的训练；2CN113682293A权利要求书2/2页(3)基