一種汽車起停系統自適應控制方法技術方案

本發明專利技術公開了一種汽車起停系統自適應控制方法，采用LVQ神經網絡實時識別當前行駛工況類型，當汽車滿足起停系統中發動機自動停機基本條件時，根據當前停車初始時刻識別的工況類型選擇合適的起停系統控制參數（延遲作用時間與速度閾值），判斷起停功能有效或禁止，提高起停系統的整體節油效果。所述行駛工況類型包括四種典型行駛工況，分為嚴重擁擠、擁擠、輕度擁擠、通暢，通過樣本學習得到LVQ神經網絡分類器。所述合適的起停系統控制參數是通過分別統計四種典型行駛工況的狀態變量（停車怠速時間與停車前工況塊平均車速），采用非線性約束優化思想建立目標函數為起停系統節省的怠速時間最大化的起停系統控制參數尋優模型獲得。

【技術實現步驟摘要】

本專利技術涉及微混合動力汽車的起停控制策略優化，具體是起停系統自適應控制。
技術介紹
微混合動力汽車是混合動力汽車的入門技術，起停系統就是微混合動力的關鍵技術。發動機怠速是克服發動機自身運轉的阻力，保持發動機的最小運轉速度，它并不對外做功。發動機在怠速過程燃油燃燒不充分，使得燃油經濟性與排放性都變差。如果能減少或避免汽車處于怠速的時間，汽車將實現節能減排。起停系統就是當車輛停止，為了避免發動機怠速過程所產生的油耗與排放，發動機自動停機，當車輛有起動意圖時，起動機快速起動發動機到達怠速狀態。目前關于起停系統的研究主要集中在起停系統相關零部件的增強與改造和起停系統控制策略等。起停系統控制策略就是發動機起動/停止協調控制，分為兩部分：發動機自動停機條件和自動起動條件，具體可分為自動停機/起動使能條件和自動停機/起動觸發條件。針對配置起停系統的汽車而言，在滿足發動機自動停機條件下發動機自動停機。但是汽車停車時間太短需要起動則發動機自動起動，與發動機保持怠速情況下的燃油消耗對比并不能達到節油效果，反而會增加油耗，這樣就導致了發動機的無效怠速停機。不同行駛工況下的怠速分布特征不同，即無效怠速停機與頻繁起停。國內外為避免無效怠速停機與頻繁起停普遍采用的方法是對自動停機使能條件增加延遲作用時間與設置速度閾值。(1)延遲作用時間，當滿足所有自動停機的要求且起停功能有效時，延遲起停功能作用的時間，在這段時間后，如果還能滿足所有的自動停機的要求，則發動機自動停機；反之，則發動機保持原來的狀態。延遲作用時間可以有效的避免短時間的怠速停機。(2)設置速度閾值，是起停功能使能控制因素，當所定義的速度實際值超過這個速度閾值時，起停功能有效；當所定義的速度實際值小于這個速度閾值時，起停功能禁止。設置速度閾值可以避免汽車行駛緩慢頻繁起停的情況下發動機自動停機。在不同行駛工況下選擇合適的延遲作用時間與速度閾值，使得起停系統在該行駛工況下達到更好的節油效果，這樣就提高了起停系統的整體節油效果。針對以上提出的問題，本專利技術提出一種汽車起停系統自適應控制方法。選取四種典型行駛工況對實際行駛工況進行覆蓋，對四種典型行駛工況采用非線性約束優化方法分別選取最佳的起停系統控制參數(延遲作用時間與速度閾值)使得起停系統在該行駛工況下節油效果最好。采用LVQ(LearningVectorQuantization，學習矢量向量)神經網絡對當前行駛工況類型進行識別，根據行駛工況類型選擇合適的起停系統控制參數。
技術實現思路
本專利技術的目的是準確識別當前行駛工況類型，根據識別的工況類型選擇合適的起停系統控制參數，提升起停系統的整體節油效果。本專利技術采用的具體技術方案如下：(1)汽車實時識別行駛工況類型，所述行駛工況類型包括四種典型行駛工況，分別是嚴重擁擠、擁擠、輕度擁擠、通暢；(2)汽車在滿足起停系統中發動機自動停機的基本條件下，根據當前停車初始時刻所處工況類型選擇合適的起停系統控制參數，判斷起停功能有效或禁止，所述起停系統控制參數包括延遲作用時間與設置速度閾值。上述方法中，所述步驟(1)中包括：首先選取四種典型行駛工況，采用滾動時間窗分別得到四種典型行駛工況的樣本運動學片段，基于Wrapper框架特征選擇方法從行駛工況特征參數全集中選擇最優特征參數子集。然后利用特征選擇后的最優特征參數子集作為行駛工況特征向量，采用LVQ神經網絡作為分類器進行學習分類，得到行駛工況識別網絡。最后提取汽車當前時刻的歷史運動學片段的特征參數，將特征向量輸入行駛工況識別網絡得到當前時刻行駛工況類型。上述方法中，所述步驟(2)中包括：首先判斷汽車滿足發動機自動停機的基本條件，自動停機的基本條件包括無起停系統相關診斷故障、無禁止發動機停機的車輛需求、無禁止發動機停機的發動機需求以及駕駛員有停車意圖(針對手動擋汽車而言，滿足汽車行駛速度為0、變速箱檔位處于空擋、離合器踏板被松開三個條件)。然后根據當前停車識別的工況類型選擇合適的起停系統控制參數。起停系統控制參數的獲取方法是：計算最小有效怠速停機時間；分別統計四種典型行駛工況的狀態變量，即每次停車怠速時間與停車前工況塊平均車速，所述工況塊為連續行駛的運動學片段；采用非線性約束規劃思想，建立起停系統控制參數尋優模型，所述模型目標函數為起停系統節省的怠速時間最大化，控制變量為起停系統控制參數，通過對比控制變量與狀態變量關系得到起停功能有效或禁止函數，在考慮最小有效怠速停機時間的情況下得到目標函數；設定控制變量取值范圍，采用窮舉法尋找使得目標函數最大化的最佳控制變量組合，分別制定四種典型行駛工況下合適的起停系統控制參數。最后判斷起停功能有效或禁止，如果當前停車前工況塊平均車速大于速度閾值且停車怠速時間大于延遲作用時間時，起停功能有效；反之，起停功能禁止。與現有控制策略相比，本專利技術具有如下優點和效果：本專利技術選取了四種典型行駛工況，采用了LVQ神經網絡簡單高效的識別當前的行駛工況類型，根據識別的工況類型選擇合適的起停系統控制參數，其中起停系統控制參數尋優是采用非線性約束優化建立與起停系統的節省怠速時間最大化為目標的數學模型獲取，提高了起停系統的整體節油效果。附圖說明圖1為實例中四種典型行駛工況曲線圖。圖2為實例中滾動時間窗。圖3為實例中基于封裝式(Wrapper)框架特征參數選擇流程。圖4為實例中行駛工況的狀態變量示意圖。具體實施方式以下結合附圖和實例對本專利技術的具體實施作進一步說明，但本專利技術的實施和保護不限于此。本實施方法中采用LVQ神經網絡實現實時識別行駛工況類型。(1)選取四種典型行駛工況作為參考，分別代表嚴重擁擠、擁擠、輕度擁擠、通暢四種類型的行駛工況，如圖1所示。采用滾動時間窗分別得到四種典型行駛工況的樣本運動學片段，如圖2所示，其中時間窗長度pT＝150s(行駛工況樣本長度)，滾動長度NT＝1s。(2)分別從四種典型行駛工況中隨機選擇相同數量訓練樣本，剩余作為測試樣本。采用基于Wrapper框架特征選擇方法從行駛工況特征參數全集中選擇最優特征參數子集，去除無效或者冗余的特征參數，提高分類器識別準確率。如圖3所示，基于Wrapper框架特征選擇流程是輸入行駛工況特征參數全集，根據搜索算法獲得特征參數子集，利用學習算法作為評價函數，得到最優特征參數子集。(3)利用特征選擇后的最優特征參數子集作為行駛工況特征向量，采用簡單高效的LVQ神經網絡作為分類器進行學習分類，得到行駛工況識別網絡。(4)提取汽車當前時刻的歷史運動學片段的特征參數，將特征向量輸入行駛工況識別網絡得到當前時刻行駛工況類型。本實施方法中起停系統中發動機自動停機的基本條件，自動停機的基本條件包括無起停系統相關診斷故障、無禁止發動機停機的車輛需求、無禁止發動機停機的發動機需求以及駕駛員有停車意圖(針對手動擋汽車而言，滿足汽車行駛速度為0、變速箱檔位處于空擋、離合器踏板被松開三個條件)。本實施方法中根據當前停車初始時刻所處工況類型選擇合適的起停系統控制參數。起停系統控制參數的獲取方法是：(1)計算最小有效怠速停機時間。當汽車停止時，有兩種情況，發動機怠速或自動停機。對這兩種情況的能量消耗進行大小判斷，即發動機自動停機過程的能量消耗加上發動機重啟一次的能量消耗小于發動機不停機保本文檔來自技高網...

【技術保護點】
一種汽車起停系統自適應控制方法，其特征在于包括如下步驟：（1）汽車實時識別行駛工況類型，所述行駛工況類型包括四種典型行駛工況，分別是嚴重擁擠、擁擠、輕度擁擠、通暢；（2）汽車在滿足起停系統中發動機自動停機的基本條件下，根據當前停車初始時刻所處工況類型選擇合適的起停系統控制參數，判斷起停功能有效或禁止，所述起停系統控制參數包括延遲作用時間與設置速度閾值。

【技術特征摘要】
1.一種汽車起停系統自適應控制方法，其特征在于包括如下步驟：（1）汽車實時識別行駛工況類型，所述行駛工況類型包括四種典型行駛工況，分別是嚴重擁擠、擁擠、輕度擁擠、通暢；（2）汽車在滿足起停系統中發動機自動停機的基本條件下，根據當前停車初始時刻所處工況類型選擇合適的起停系統控制參數，判斷起停功能有效或禁止，所述起停系統控制參數包括延遲作用時間與設置速度閾值。2.根據權利要求1所述的一種汽車起停系統自適應控制方法，其特征在于步驟（1）具體包括如下步驟：1）選取四種典型行駛工況，采用滾動時間窗分別得到四種典型行駛工況的樣本運動學片段，基于Wrapper框架特征選擇方法從行駛工況特征參數全集中選擇最優特征參數子集；2）利用選擇后的最優特征參數子集作為行駛工況特征向量，采用LVQ神經網絡作為分類器進行學習分類，得到行駛工況識別網絡；3）提取汽車當前時刻的歷史運動學片段的特征參數，將特征向量輸入行駛工況識別網絡得到當前時刻行駛工況類型...

【專利技術屬性】
技術研發人員：秦華標，鐘慶云，
申請(專利權)人：華南理工大學，
類型：發明
國別省市：廣東;44