本發(fā)明涉及智能網(wǎng)聯(lián)車輛經(jīng)濟性駕駛，具體涉及一種分層式智能網(wǎng)聯(lián)重型車輛輔助節(jié)油方法、系統(tǒng)。

背景技術(shù)：

1、重型貨車作為道路貨物運輸?shù)闹饕x擇方式之一，在道路交通系統(tǒng)中承擔(dān)著重要角色。但與此同時，重型車輛油耗高與二氧化碳排放量大的問題也引起了廣泛關(guān)注。有數(shù)據(jù)顯示，在重型車輛全生命周期內(nèi)燃油成本占比最高，達到35％，如何有效降低燃油消耗成為了急需解決的難題。

2、目前車輛輔助節(jié)油裝置的研究主要集中于自身動力系統(tǒng)方面，缺乏對道路交通環(huán)境因素的綜合考慮。而隨著車聯(lián)網(wǎng)技術(shù)的日益發(fā)展，車輛能夠通過先進的通信技術(shù)獲知本地交通環(huán)境。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的：提供一種分層式智能網(wǎng)聯(lián)重型車輛輔助節(jié)油方法、系統(tǒng)，構(gòu)建考慮車速與檔位的分層解耦框架；上層以驅(qū)動力最小為目標，對重型車輛行駛車速進行優(yōu)化；下層以能耗最優(yōu)為目標，結(jié)合上層優(yōu)化結(jié)果，實現(xiàn)重型車輛檔位優(yōu)化。挖掘了重型車輛的節(jié)油潛力，提升了燃油經(jīng)濟性。

2、本發(fā)明的技術(shù)方案：本發(fā)明提供了一種分層式智能網(wǎng)聯(lián)重型車輛輔助節(jié)油方法，包括以下步驟：

3、s1、獲取交通環(huán)境信息與車輛參數(shù)信息。

4、s2、結(jié)合道路限速、車輛允許檔位和動力學(xué)約束，在空間域中建立優(yōu)化問題模型。

5、s3、構(gòu)建分層式解耦框架，將步驟s2建立的優(yōu)化問題模型進行分解，得到兩個優(yōu)化子問題。

6、s4、考慮車輛運動學(xué)特性，以行駛驅(qū)動力最小為目標，利用動態(tài)規(guī)劃算法求解重型車輛的最優(yōu)(即最終)車速譜vopt與驅(qū)動力/制動力譜

7、s5、結(jié)合步驟s4的最優(yōu)車速譜與驅(qū)動力/制動力譜，以最小化燃油消耗為目標，利用動態(tài)規(guī)劃算法對重型車輛換擋策略進行優(yōu)化，完成車輛輔助節(jié)油。

8、進一步的，步驟s1中，交通環(huán)境信息包括前方道路坡度和道路限速，車輛參數(shù)信息包括車身參數(shù)和發(fā)動機參數(shù)；其中利用車載gps獲取前方道路坡度，利用v2i技術(shù)將道路限速上傳到車載終端，利用can總線將車速直接傳輸至車載終端。

9、進一步的，步驟s2中，優(yōu)化問題模型包括以下內(nèi)容：

10、以車輛全程行駛過程中最小化燃油消耗為目標，并結(jié)合道路限速、車輛允許檔位和動力學(xué)約束，在空間域中建立優(yōu)化問題模型，具體表達式為：

11、

12、滿足如下條件：

13、

14、γmin≤γ≤γmax

15、vmin≤v≤vmax

16、

17、其中，表示燃油消耗率，γ表示檔位，v表示車速，s表示總里程，表示里程為s時的燃油消耗率，v(s)表示里程為s時的車速，m表示車輛質(zhì)量，fw()表示車輛驅(qū)動/制動力，j()表示全程行駛總油耗量，ρa表示空氣密度，af表示車輛迎風(fēng)面積，cd表示空氣阻尼系數(shù)，g表示重力加速度，f表示滾動阻力系數(shù)，θ(s)表示里程為s時的道路坡度，表示最高燃油消耗率，ne表示發(fā)動機轉(zhuǎn)速，γmin表示允許的最小檔位值，γmax表示允許的最大檔位，vmin表示允許的最小車速，vmax表示允許的最大車速，t表示全程行駛總時間，表示期望平均車速，tmax表示允許的最大行駛時間。

18、進一步的，步驟s3中，分層式解耦框架將步驟s2建立的優(yōu)化問題模型分解為彼此間具有邏輯關(guān)聯(lián)的優(yōu)化子問題，第一個優(yōu)化子問題是根據(jù)約束條件，最大限度降低駕駛?cè)趟铏C械動能，獲得最優(yōu)車速曲線；第二個優(yōu)化子問題是根據(jù)最優(yōu)車速曲線獲得最小化燃油消耗的換擋策略。分層式解耦框架能夠在保證優(yōu)化問題求解質(zhì)量的同時，大幅提高計算效率，滿足實時性要求。

19、進一步的，步驟s4中，求解重型車輛的最優(yōu)車速譜與驅(qū)動力/制動力譜包括以下內(nèi)容：

20、采用質(zhì)點模型描述車輛縱向動力學(xué)模型，具體表達式為：

21、

22、其中，x1(k+1)表示第一個優(yōu)化子問題中迭代到第k+1步時的車輛狀態(tài)量；x1(k)表示第一個優(yōu)化子問題中迭代到第k步時的車輛狀態(tài)量，x1(k)＝v2(k)，v2(k)表示迭代到第k步時車速的平方；δs表示總里程的固定離散間隔；fw(k)表示迭代到第k步時的車輛驅(qū)動/制動力；θ(k)表示迭代到第k步時的道路坡度。

23、第一個優(yōu)化子問題如下：

24、

25、第一個優(yōu)化子問題的約束條件為：

26、

27、v(k)∈[vmin,vmax]

28、u1(k)∈[fb(k),fd(k)]

29、其中，j1表示考慮車輛動能與行駛所需時間的目標函數(shù)，n表示迭代的總步數(shù)，l1[x1(k),u1(k),δs]表示第一個優(yōu)化子問題中的代價函數(shù)，u1(k)表示第一個優(yōu)化子問題中迭代到第k步時的控制量，β表示懲罰系數(shù)，v(k)表示迭代到第k步時的車速，表示初始車速的平方，表示終端車速的平方，fb(k)表示迭代到第k步時的最大制動力，fd(k)表示迭代到第k步時的最大驅(qū)動力，x1(n)表示迭代到第n步時的車輛狀態(tài)量，即終端狀態(tài)量。

30、定義動態(tài)規(guī)劃算法終端的代價函數(shù)為：

31、

32、其中，u1(n)表示第一個優(yōu)化子問題中迭代到第n步時的控制量，即終端控制量；fw(n)表示迭代到第n步時的車輛驅(qū)動/制動力；argmin表示取最小值時的控制量和狀態(tài)量函數(shù)。

33、定義動態(tài)規(guī)劃逆向迭代代價函數(shù)為：

34、

35、其中，u1(k+1)表示第一個優(yōu)化子問題中迭代到第k+1步時的控制量。

36、通過求解上述方程，即可獲得滿足目標函數(shù)要求的重型車輛的最優(yōu)車速譜vopt與最優(yōu)驅(qū)動/制動力譜并為第二個子問題的求解奠定基礎(chǔ)。

37、進一步的，步驟s5中優(yōu)化重型車輛換擋策略包括以下內(nèi)容：

38、第二個優(yōu)化子問題如下：

39、

40、對應(yīng)狀態(tài)轉(zhuǎn)移方程為：

41、x2(k+1)＝x2(k)+u2(k)。

42、第二個優(yōu)化子問題的約束條件為：

43、

44、x2(0)＝τ0

45、x2(n)＝τp

46、x2(k)∈[τmin,τmax]

47、u2(k)∈[-2；-1；0；+1；+2]

48、其中，j2表示綜合考慮行駛油耗以及換擋策略的目標函數(shù)；u2(k)第二個優(yōu)化子問題中迭代到第k步時的控制量，用[±1；±2；0]表征升檔、降檔以及保持當(dāng)前檔位動作；x2(k)表示第二個優(yōu)化子問題中迭代到第k步時的車輛狀態(tài)量，x2(k)＝τ(k)，τ(k)表示迭代到第k步時的車輛檔位值；表示發(fā)動機處在轉(zhuǎn)速ne和轉(zhuǎn)矩me工況下的燃油消耗率；β1、β2和β3均表示懲罰系數(shù)；l2[x2(k),u2(k),δs]表示第二個優(yōu)化子問題中的代價函數(shù)；x2(k+1)表示迭代到第k+1步時的車輛狀態(tài)量；vopt(k)表示迭代到第k步時的最優(yōu)車速值；τ0表示初始檔位值；vp表示終端檔位值；τmin表示發(fā)動機最低檔位；τmax表示發(fā)動機最高檔位。

49、需要注意到，發(fā)動機所處的工況點，即轉(zhuǎn)速ne與轉(zhuǎn)矩me，均是由第一個優(yōu)化子問題的求解結(jié)果最優(yōu)車速譜vopt和最優(yōu)驅(qū)動/制動力譜提供，具體表示為：

50、

51、其中，i(τ(k))表示動態(tài)規(guī)劃算法迭代到第k步時重型車輛所處檔位對應(yīng)的傳動比值，rw表示車輪半徑，ne(k)表示迭代到第k步時的轉(zhuǎn)速，me(k)表示迭代到第k步時的轉(zhuǎn)矩。

52、定義動態(tài)規(guī)劃算法終端的代價函數(shù)為：

53、

54、其中，u2(n)表示第二個優(yōu)化子問題中的終端控制量，argmin表示取最小值時的控制量和狀態(tài)量函數(shù)。

55、定義動態(tài)規(guī)劃逆向迭代的代價函數(shù)為：

56、

57、其中，u2(k+1)表示第二個優(yōu)化子問題中迭代到第k+1步時的控制量。

58、通過求解上述方程，即可獲得滿足目標函數(shù)要求的重型車輛的最優(yōu)換擋策略τopt。

59、由此，綜合上述所有特征，即可得到滿足實際駕駛場景中重型車輛節(jié)油需求的最優(yōu)車速曲線vopt與所對應(yīng)的換擋策略τopt。

60、進一步的，本發(fā)明還提出了分層式智能網(wǎng)聯(lián)重型車輛輔助節(jié)油的系統(tǒng)，包括：

61、信息獲取模塊，用于獲取交通環(huán)境信息與車輛參數(shù)信息。

62、模型構(gòu)建模塊，用于結(jié)合道路限速、車輛檔位和動力學(xué)約束，建立優(yōu)化問題模型。

63、問題優(yōu)化模塊，用于構(gòu)建分層式解耦框架，將優(yōu)化問題模型進行分解，得到兩個優(yōu)化子問題。

64、車輛節(jié)油模塊，用于結(jié)合車輛運動學(xué)特性，利用動態(tài)規(guī)劃算法求解重型車輛的最終車速譜與驅(qū)動力/制動力譜；結(jié)合最終車速譜與驅(qū)動力/制動力譜，以最小化燃油消耗為目標，利用動態(tài)規(guī)劃算法對重型車輛換擋策略進行優(yōu)化，完成車輛輔助節(jié)油。

65、進一步的，本發(fā)明還提出了一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)前文所述的分層式智能網(wǎng)聯(lián)重型車輛輔助節(jié)油方法的步驟。

66、進一步的，本發(fā)明還提出了一種計算機可讀的存儲介質(zhì)，所述計算機可讀的存儲介質(zhì)存儲有計算機程序，所述計算機程序被處理器運行時執(zhí)行前文所述的分層式智能網(wǎng)聯(lián)重型車輛輔助節(jié)油方法。

67、本發(fā)明采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：

68、1.本發(fā)明以重型車輛為研究對象，能夠在保證貨物運輸時效性的同時，有效減少車輛在貨物運輸過程的燃油消耗。

69、2.本發(fā)明構(gòu)建的分層式解耦框架，能夠在不破化結(jié)果最優(yōu)性的情況下，降低計算負載，提高求解效率，增加算法實時性。

70、3.本發(fā)明采用目前較先進的車聯(lián)網(wǎng)技術(shù)(v2i、v2v)，在信息共享以及環(huán)境感知方面有著更優(yōu)越的性能。