本發(fā)明涉及一種基于固定路譜的混合動力車輛熱管理系統(tǒng)的控制方法。

背景技術(shù)：

具有固定行駛路譜的混合動力車輛，作為交運輸系統(tǒng)中不可或缺的一員，其具有較固定的行駛路線和較穩(wěn)定的行駛周期，整個行駛路線主要由起步、勻速行駛、加速行駛、爬坡行駛、駐車等工況組成，爬坡行駛過程中，載客人數(shù)、坡度等因素會導(dǎo)致車輛處于高負荷狀態(tài)、散熱器散熱量大幅度提高，以傳統(tǒng)發(fā)動機動力總成為例，發(fā)動機機正常工作時的冷卻水正常水溫應(yīng)保持在90℃至105℃之間，此時發(fā)動機可發(fā)出最大的功率，燃油消耗為最經(jīng)濟，機件磨損也為最??；同時，如果中冷器出口溫度過高會導(dǎo)致發(fā)動機工作惡化。

因此當(dāng)發(fā)動機處于大負荷的惡劣工況時，需要不同程度上增大冷卻風(fēng)扇轉(zhuǎn)速，將水散熱器的入口溫度和中冷器的出口溫度保持在正常工作溫度范圍內(nèi)。

然而，冷卻風(fēng)扇轉(zhuǎn)速提高的同時，風(fēng)扇消耗功率也會以轉(zhuǎn)速的三次方的比例大幅度提高，導(dǎo)致耗功變大；對于爬坡這種大負荷工況下風(fēng)扇耗功增大的這種現(xiàn)象，如何建立有效的風(fēng)扇轉(zhuǎn)速控制策略，將水散熱器的入口溫度和中冷器的出口溫度保持在正常工作范圍內(nèi)，并盡可能地降低冷卻風(fēng)扇的功耗，對于混合動力車輛的熱管理系統(tǒng)的穩(wěn)定工作和實現(xiàn)節(jié)能減排具有較大的實際意義和應(yīng)用價值。

技術(shù)實現(xiàn)要素：

本發(fā)明為了解決上述問題，提出了一種基于固定路譜的混合動力車輛熱管理系統(tǒng)的控制方法，本發(fā)明在對風(fēng)扇轉(zhuǎn)速進行常規(guī)控制的基礎(chǔ)上，添加車輛行駛的固定路譜并對控制策略進行相應(yīng)修正，實現(xiàn)車輛在爬坡工況下對風(fēng)扇轉(zhuǎn)速的特殊控制，通過提前提高風(fēng)扇轉(zhuǎn)速，對冷卻部件進行預(yù)冷卻，使得在爬坡工況下滿足冷卻要求。

為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

基于固定路譜的混合動力車輛熱管理系統(tǒng)的控制方法，包括以下步驟：采集車輛行駛的固定路譜的參數(shù)信息，在車輛進入爬坡工況前將其納入控制器的控制方法的輸入?yún)?shù)，修正風(fēng)扇轉(zhuǎn)速的控制策略，以熱管理系統(tǒng)提高冷卻風(fēng)扇轉(zhuǎn)速和提前改變轉(zhuǎn)速時間為輸出變量，通過提前改變風(fēng)扇轉(zhuǎn)速對散熱器進行預(yù)降溫，使得車輛在爬坡工況下滿足冷卻要求。

所述固定路譜的參數(shù)信息具體包括爬坡工況的爬坡坡度、爬坡時間和/或平均速度數(shù)據(jù)。

所述風(fēng)扇轉(zhuǎn)速的控制策略為以環(huán)境溫度、水散熱器入口溫度、中冷器出口溫度、發(fā)動機轉(zhuǎn)速和發(fā)動機扭矩為輸入?yún)?shù)，熱管理系統(tǒng)冷卻系統(tǒng)風(fēng)扇占空比為輸出參數(shù)，形成風(fēng)扇轉(zhuǎn)速的控制模型。

修正后的輸入?yún)?shù)具體包括當(dāng)前時刻的環(huán)境溫度、發(fā)動機轉(zhuǎn)速、發(fā)動機扭矩、爬坡工況下的爬坡坡度、爬坡時間和/或平均速度。

所述熱管理系統(tǒng)的風(fēng)扇由控制器輸出的占空比控制轉(zhuǎn)速。

在控制過程中，根據(jù)當(dāng)前時間的固定路譜預(yù)測車輛的行駛工況以及即將進行的爬坡工況下的工況參數(shù)。

實時讀取發(fā)動機的水散熱器入口溫度、中冷器出口溫度、發(fā)動機轉(zhuǎn)速和發(fā)動機扭矩。

優(yōu)選的，所述控制器的控制方法為神經(jīng)網(wǎng)絡(luò)控制方法。

優(yōu)選的，神經(jīng)網(wǎng)絡(luò)控制方法通過BP神經(jīng)元網(wǎng)絡(luò)實現(xiàn)，初始將環(huán)境溫度、水散熱器入口溫度、中冷器出口溫度、發(fā)動機轉(zhuǎn)速和發(fā)動機扭矩為輸入?yún)?shù)，對BP神經(jīng)元網(wǎng)絡(luò)進行訓(xùn)練。

優(yōu)選的，所述BP神經(jīng)元網(wǎng)絡(luò)由一個輸入層、兩個隱含層、一個輸出層組成，輸入層根據(jù)輸入?yún)?shù)的個數(shù)進行確定，兩個隱含層均有4-8個神經(jīng)元，輸出層為1個神經(jīng)元；其中輸入層與隱含層、隱含層與隱含層之間采用S型激活函數(shù)，隱含層與輸出層之間采用線性型激活函數(shù)。

在混合動力車輛處于非爬坡狀態(tài)時，以環(huán)境溫度、水散熱器入口溫度、中冷器出口溫度、發(fā)動機轉(zhuǎn)速和發(fā)動機扭矩為輸入?yún)?shù)，熱管理系統(tǒng)冷卻系統(tǒng)風(fēng)扇占空比為輸出參數(shù)，訓(xùn)練神經(jīng)元網(wǎng)絡(luò)。

本發(fā)明的工作原理為：在對風(fēng)扇轉(zhuǎn)速進行常規(guī)控制的基礎(chǔ)上，添加車輛行駛的固定路譜并對控制策略進行相應(yīng)修正，實現(xiàn)車輛在爬坡工況下對風(fēng)扇轉(zhuǎn)速的特殊控制，從而形成完整的控制策略。該控制策略主要以環(huán)境溫度、水散熱器入口溫度、中冷器出口溫度、發(fā)動機轉(zhuǎn)速、發(fā)動機扭矩為輸入變量，熱管理系統(tǒng)冷卻風(fēng)扇轉(zhuǎn)速占空比為輸出變量，訓(xùn)練神經(jīng)元網(wǎng)絡(luò)，得到通用工況下的冷卻風(fēng)扇的轉(zhuǎn)速控制模型；在此基礎(chǔ)上，針對固定路譜中的爬坡工況，對控制策略進行一定修正，通過固定路譜對混合動力汽車進行實時監(jiān)控和預(yù)判，當(dāng)預(yù)判到一定時間后為爬坡工況時，從固定路譜上提取爬坡工況下的爬坡坡度、平均車速、爬坡時間，并以當(dāng)前時刻的環(huán)境溫度、發(fā)動機轉(zhuǎn)速、發(fā)動機扭矩、爬坡工況下的爬坡坡度、平均車速、爬坡時間為輸入變量，熱管理系統(tǒng)冷卻風(fēng)扇轉(zhuǎn)速占空比和提前改變轉(zhuǎn)速時間為輸出變量，訓(xùn)練神經(jīng)元網(wǎng)絡(luò)，得到爬坡工況下的冷卻風(fēng)扇的特殊轉(zhuǎn)速控制模型。該系統(tǒng)有以下特點：在普通工況下，根據(jù)實時工況參數(shù)對風(fēng)扇轉(zhuǎn)速進行控制；在爬坡工況下，通過提前改變風(fēng)扇轉(zhuǎn)速對散熱器進行預(yù)降溫，使得車輛在爬坡工況下滿足冷卻要求的基礎(chǔ)上、降低風(fēng)扇的耗功。

本發(fā)明的有益效果為：

(1)本發(fā)明根據(jù)行駛時間和車輛行駛的固定路譜來檢測是否即將進行爬坡工況，根據(jù)不同的檢測結(jié)果進行不同的風(fēng)扇控制策略；

(2)本發(fā)明可以根據(jù)不同的工況進行控制策略的靈活轉(zhuǎn)換，在爬坡工況前就提前進行冷卻風(fēng)扇的運作，通過提前改變風(fēng)扇轉(zhuǎn)速對散熱器進行預(yù)降溫，使得車輛在爬坡工況下滿足冷卻要求的基礎(chǔ)上、降低風(fēng)扇的耗功的效果；

(3)有效地降低冷卻風(fēng)扇的功耗有利于混合動力車輛的熱管理系統(tǒng)的穩(wěn)定工作和實現(xiàn)節(jié)能減排。

附圖說明

圖1為本發(fā)明的普通工況控制策略神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果(ConStr_main)示意圖；

圖2為本發(fā)明的爬坡工況風(fēng)扇轉(zhuǎn)速控制策略神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果(ConStr_fan)示意圖；

圖3為本發(fā)明的爬坡工況風(fēng)扇轉(zhuǎn)速提前時間控制策略神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果(ConStr_time)示意圖。

具體實施方式：

下面結(jié)合附圖與實施例對本發(fā)明作進一步說明。

針對具有固定路譜的混合動力車輛，本發(fā)明提出一種風(fēng)扇轉(zhuǎn)速控制策略，通過提前提高風(fēng)扇轉(zhuǎn)速，對冷卻部件進行預(yù)冷卻，使得在爬坡工況下滿足冷卻要求。在該控制策略中，從固定路譜中提取爬坡工況下的爬坡坡度、平均車速、爬坡時間，以爬坡前某工況下的環(huán)境溫度、水散熱器入口溫度、中冷器出口溫度、發(fā)動機轉(zhuǎn)速、發(fā)動機扭矩以及爬坡工況下的爬坡坡度、平均車速、爬坡時間為輸入?yún)?shù)，分別以冷卻風(fēng)扇占空比和提前時間為輸出參數(shù)，對兩個神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，最終形成冷卻風(fēng)扇轉(zhuǎn)速的綜合控制策略。

混合動力車輛熱管理系統(tǒng)包括中冷器、水散熱器、風(fēng)扇、風(fēng)道、水泵、控制器等零部件。為現(xiàn)有系統(tǒng)，具體結(jié)構(gòu)在此不再贅述。其中風(fēng)扇由控制器控制，通過風(fēng)扇占空比對風(fēng)扇轉(zhuǎn)速進行控制，風(fēng)扇占空比與風(fēng)扇轉(zhuǎn)速成正比，因此使用占空比作為輸出參數(shù)。

在控制過程中，根據(jù)時間和路譜可檢測到任一時間下車輛的行駛工況以及即將進行的爬坡工況下的工況參數(shù)，如平均車速、加速時間、爬坡坡度、爬坡時間等。

采用一維和三維CFD技術(shù)聯(lián)合進行仿真運算，設(shè)置不同的環(huán)境溫度、車速、水散熱器散熱量(等效于發(fā)動機轉(zhuǎn)速、發(fā)動機扭矩)，仿真得到水散熱器的入口溫度和中冷器的出口溫度均滿足冷卻要求的風(fēng)扇轉(zhuǎn)速，轉(zhuǎn)換得到風(fēng)扇占空比(作為輸出參數(shù))；將上述數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本；在此基礎(chǔ)上，針對爬坡工況下，根據(jù)固定路譜上的工況參數(shù)對模型中的車速、水散熱器散熱量進行修正，仿真得到水散熱器的入口溫度和中冷器的出口溫度均滿足冷卻要求的提前改變的風(fēng)扇轉(zhuǎn)速和時間。

控制策略采用BP神經(jīng)元網(wǎng)絡(luò)來實現(xiàn)，由一個輸入層、兩個隱含層、一個輸出層組成，輸入層根據(jù)輸入?yún)?shù)的個數(shù)進行確定，兩個隱含層均有4-9個神經(jīng)元，輸出層為1個神經(jīng)元；其中輸入層與隱含層、隱含層與隱含層之間采用S型激活函數(shù)，隱含層與輸出層之間采用線性型激活函數(shù)。

當(dāng)車輛處于非爬坡工況外的工況下，采集環(huán)境溫度、水散熱器入口溫度、中冷器出口溫度、發(fā)動機轉(zhuǎn)速、發(fā)動機扭矩作為輸入變量，風(fēng)扇占空比作為輸出變量，對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，得到主控制策略ConStr_main。

當(dāng)車輛即將處于爬坡工況時，從固定路譜中提取爬坡工況下的爬坡坡度、平均車速、爬坡時間，以爬坡工況前所處工況的環(huán)境溫度、水散熱器入口溫度、中冷器出口溫度、發(fā)動機轉(zhuǎn)速、發(fā)動機扭矩、爬坡工況下的爬坡坡度、平均車速、爬坡時間作為輸入變量，分別將風(fēng)扇轉(zhuǎn)速提前改變時間和風(fēng)扇占空比作為輸出變量，對兩個神經(jīng)網(wǎng)絡(luò)進行修正訓(xùn)練，分別得到控制策略ConStr_fan、ConStr_time。

該控制策略根據(jù)行駛時間和車輛行駛的固定路譜來檢測是否即將進行爬坡工況，根據(jù)不同的檢測結(jié)果進行不同的風(fēng)扇控制策略。

如圖1所示，當(dāng)混合動力車輛工作在非爬坡工況下、并且在預(yù)定時間間隔后未檢測到爬坡坡度信號，那么以環(huán)境溫度、水散熱器入口溫度、中冷器出口溫度、發(fā)動機轉(zhuǎn)速、發(fā)動機扭矩為輸入數(shù)據(jù)，風(fēng)扇轉(zhuǎn)速占空比為輸出數(shù)據(jù)，對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，得到如圖所示的已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，其中輸入層神經(jīng)元個數(shù)為5、隱含層神經(jīng)元個數(shù)分別為5個、3個，輸出層神經(jīng)元個數(shù)為1個。

如圖2、圖3所示，當(dāng)混合動力車輛工作在非爬坡工況下、并且通過固定路譜在預(yù)定時間間隔后檢測到爬坡坡度信號，以目前環(huán)境溫度、水散熱器入口溫度、中冷器出口溫度、發(fā)動機轉(zhuǎn)速、發(fā)動機扭矩、爬坡下的爬坡坡度、平均車速、爬坡時間為輸入數(shù)據(jù)，風(fēng)扇轉(zhuǎn)速提前時間為輸出數(shù)據(jù)，對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，得到如圖2所示的已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，其中輸入層神經(jīng)元個數(shù)為8、隱含層神經(jīng)元個數(shù)分別為9個、4個，輸出層神經(jīng)元個數(shù)為1個；再將風(fēng)扇轉(zhuǎn)速提前時間作為增加的輸入數(shù)據(jù)，將風(fēng)扇轉(zhuǎn)速作為輸出數(shù)據(jù)，對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，得到如圖3所示的已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，其中輸入層神經(jīng)元個數(shù)為9個、隱含層神經(jīng)元個數(shù)分別為9個、4個，輸出層神經(jīng)元個數(shù)為一個。

上述雖然結(jié)合附圖對本發(fā)明的具體實施方式進行了描述，但并非對本發(fā)明保護范圍的限制，所屬領(lǐng)域技術(shù)人員應(yīng)該明白，在本發(fā)明的技術(shù)方案的基礎(chǔ)上，本領(lǐng)域技術(shù)人員不需要付出創(chuàng)造性勞動即可做出的各種修改或變形仍在本發(fā)明的保護范圍以內(nèi)。