1.一种并联混合动力汽车混杂MPC能量管理方法，其特征在于，具体包括以下步骤：S1，并联混合动力汽车的建模；

S2，基于数据驱动的车速预测；

S3，混杂模型预测能量管理策略。

2.根据权利要求1所示的并联混合动力汽车混杂MPC能量管理方法，其特征在于，S1，并联混合动力汽车的建模具体包括以下步骤：S11，对并联混合动力汽车的传动系统建模；

S12，根据电池与电动机之间的功率关系对电动机进行建模；

S13，基于电池的等效电路模型，构建电池SOC动态模型；

S14，采用分段仿射技术构造发动机燃油消耗模型。

3.根据权利要求2所述的并联混合动力汽车混杂MPC能量管理方法，其特征在于，S11，对并联混合动力汽车的传动系统建模，具体包括：建立的无风条件下的车辆纵向动力学模型如式(1)所示：式中，Fr为滚动阻力，Fi为空气阻力，Fg为坡道阻力，Fa为加速阻力，Tw为驱动力矩，r为车轮半径，A为车辆迎风面积，Cd为空气阻力系数，m为汽车质量，g为重力加速度，f为滚动阻力系数，α为道路坡度，νb为汽车速度(km/h)，ν也为汽车速度(m/s)，dν/dt为车辆加速度，δ为旋转质量换算系数；

对传动系统的建模如式(2)所示：式中，Pin为传动轴输入功率，Pe为发动机功率，Pm为电动机功率，win为传动轴转速，Te为发动机转矩，Tm为电动机转矩，Preq为汽车行驶需求功率，ρ为空气密度，A为车辆迎风面积，Cd为空气阻力系数，m为汽车质量，g为重力加速度，f为滚动阻力系数，α为道路坡度，a为车辆加速度，v为汽车速度；

由于挡位决定了传动比，而传动比影响输出轴的转矩和转速，所以当挡位为g时，则挡位g的传动比为ir(g)，由此可计算出传动轴的转矩和转速如(3)和(4)式所示：式中，Tload为车轮转矩，Tin为传动轴转矩，k为时间步长。

4.根据权利要求3所述的并联混合动力汽车混杂MPC能量管理方法，其特征在于，S12，根据电池与电动机之间的功率关系对电动机进行建模，具体包括：基于电池等效电路模型，功率流模型为式(5)和(6)所示：2

Pb＝VocI‑IR                            (5)式中，Pb为电池功率，Voc为开路电压，I为电池电流，R为电池内阻；

式中，Rch电池充电时的内阻，Rdis为电池放电时的内阻；

电池与电动机之间的功率流为(7)式所示：式中，ηm为电机效率，ir为齿轮传动比，r为车轮半径。

5.根据权利要求4所述的并联混合动力汽车混杂MPC能量管理方法，其特征在于，S13，基于电池的等效电路模型，构建电池SOC动态模型，具体包括：时间步长为1秒的电池SOC的准静态离散动态模型，如式(8)所示：为了使该模型线性化，在当前发动机的工作点 SOC的动态模型改写为(9)式所示：

SOC(k+1)＝SOC(k)+sTe(k)+h                  (9)式中，h为常数，s为系数，定义为(10)式所示：式中，ωv为车轮的转速。

6.根据权利要求5所述的并联混合动力汽车混杂MPC能量管理方法，其特征在于，S14，采用分段仿射技术构造发动机燃油消耗模型，具体包括：采用分段仿射技术，基于MATLAB混合识别工具箱构建发动机的分段仿射模型，将非线性的发动机燃油消耗线性化，一个分段仿射结构实际上是一个映射f:χ→，其中 其形式通常定义为(11)式所示：

y(k)＝f[X(k)]+e(k)其中n+1

式中， 是参数向量并且θi∈ ，X(k)为回归向量，y(k)为输出样本，χ为回归向量集；

采用MATLAB混合识别工具箱构建分段仿射模型，通过该工具箱可获得发动机燃油消耗的分段仿射模型，其主要步骤如下：第一步，根据发动机的燃油消耗原始数据及附近数据构造局部仿射模型，并计算局部仿射模型的特征向量ξk；

第二步，使用聚类算法对ξk进行聚类，划分为s个子集；

第三步，根据ξk的聚类结果，将其局部仿射模型对应的数据点按照ξk的聚类结果进行划分，对应s个数据集；

第四步，通过模式识别算法辨识s个子模型。

7.根据权利要求1‑6任一项所述的并联混合动力汽车混杂MPC能量管理方法，其特征在于，S2，基于数据驱动的车速预测，具体为：通过BP‑神经网络算法对车速进行预测，首先以标准循环工况下的车速数据为学习样本，自动地归纳规则，获得这些数据的内在规律；在样本训练过程中，通过修正各层神经元权重，以最小化其真实输出和模拟输出之间的误差，模拟出一个高度近似非线性的输入输出关系，从而预测出未来时域的车速，进而获得汽车的未来需求功率，作为混杂MPC的前提条件。

8.根据权利要求7所述的并联混合动力汽车混杂MPC能量管理方法，其特征在于，S3，混杂模型预测能量管理策略，具体为：混合逻辑动态MLD模型的一般表示如(12)、(13)、(14)式：x(k+1)＝Ax(k)+B1u(k)+B2δ(k)+B3z(k)               (12)y(k+1)＝Cx(k)+D1u(k)+D2δ(k)+D3z(k)              (13)E2δ(k)+E3z(k)≤E1u(k)+E4x(k)+E5                  (14)式中，x为系统状态变量，且 y为系统输出变量，且u为输入变量，且 这三

个变量都包含连续变量和离散变量， 为辅助二进制离散变量， 为辅助连续变量；式(12)和(13)为系统状态方程，式(14)是为系统各种约束组成的约束不等式方程；

选择基于HYSDEL编译器的方法构建MLD模型，构建HEV系统的MLD模型时，需要将发动机的模型与电池的模型利用HYSDEL编译器同时整合到MLD框架中，从而获得混杂系统模型；在利用HYSDEL描述发动机模型和电池模型时，首先将发动机的分段仿射辨识模型转换为状态空间方程，以便于HYSDEL的描述；然后针对不同档位，获得电池的切换仿射模型SAS；

若选择使用HYSDEL编译器描述该PWA模型，首先需将具有输入输出形式的发动机模型转化为状态空间方程的形式；为了简单直观的转化，采用下述方法来定义状态变量，如式(15)所示：

根据式(15)的定义规则，则发动机的分段仿射辨识模型转化成状态空间方程形式，如式(16)所示：

输出方程如式(17)所示：

x1(k)＝y(k)                            (17)将上述转换状态模型可利用HYSDEL描述为发动机模型；

为了协同优化能量分配和挡位决策，选择x＝SOC作为模型的状态变量，u＝Te为连续的状态变量；采用切换仿射模型SAS描述不同档位的动力系统模型，在IF‑THEN–ELSE规则下将等式(9)转化为：

其中，g∈{1,2,3,4,5}，sg是挡位为g时等式(10)定义的系数；

HEV系统的MLD模型是利用HYSDEL语言描述发动机PWA模型和电池SAS模型，将其整合到同一个框架中，从而对HEV混杂系统进行建模，编译获得源文件后，通过在MATLAB命令窗口输入特定指令，从而获得系统MLD模型及各系数矩阵；

在HYSDEL编译器编写系统源文件，并通过在MATLAB输入指令，将编译好的源文件转换为系统MLD模型及系数矩阵信息，其中得到的MLD模型为式(19)所示：约束条件为式(20)所示：

Ε2δ(k)+E3z(k)≤E1u(k)+E4x(k)+E5                   (20)式中，x为系统状态变量，表示电池SOC，u为系统输入变量，包含连续变量和离散变量，连续变量为发动机的转矩Te和转速ωin，离散输入变量为挡位控制命令，δ和z分别为系统辅助离散变量和连续变量，分别表示模型切换信号、发动机PWA模型以及电池SAS模型，其中δ9

∈{0,1}， A,B1,B2,B3,C,D1,D2,D3为系统等式与不等式约束的系数矩阵；

将获得的混合逻辑动态系统模型框架应用到MPC框架中，优化目标是燃油消耗并跟随电池SOC参考轨迹，从而使能量管理问题转化为混合整数线性二次规划问题，并进行求解，获得最优控制量，目标函数如式(21)所示：式中，x为电池SOC，y为燃油消耗。