1.一种动态约束的智能燃料电池汽车能量管理策略,其特征在于:速度优化模块按时间序列更新目标车辆状态变化,采用快速投影梯度法得到当前时刻k的最优安全速度v,同时,判断当前所处交通环境和道路信息对目标车辆的影响,根据最小安全距离模型,确保目标车辆在行驶过程中的安全性;能量管理模块利用MPC建立多目标控制函数,依据当前规划的速度v,控制目标车辆的电流、电压、SoC状态,根据速度v实时分配行驶需求功率,以扭矩的形式输出车辆驱动力,满足目标车辆正常运行的功率需求P;最后将目标车辆输出速度作为k+1时刻的输入反馈到速度优化模块重新规划速度曲线,反复迭代此过程。
2.根据权利要求1所述的一种动态约束的智能燃料电池汽车能量管理策略,其特征在于:包括如下步骤:
(1)建立车辆纵向动力学模型
T
其中u=Ft,Ft为车辆驱动力,x为车辆系统状态量,x=[s v] ,其中s为车辆随时间的行驶位移,v为车辆行驶速度;
(2)建立车辆系统能量模型
为了使电池能量输出最小化,当车辆驱动力Ft为负值时,能量消耗是不变的;当车辆驱动力Ft为正值时,电池输出能量,在一段预测时间T内,能量消耗Et描述为:其中功率P(t)为:
(3)建立车辆速度优化目标函数得到当前k时刻的能量输出后,需要计算最佳的速度和车辆驱动力的匹配,根据庞特里亚金最小值原理,将基于时间的优化控制问题转化为以下形式:Tmin≤Tw.k≤Tmax
其中,L为积分成本,λP和λV为权重系数,vdes为期望速度,Tw.k为输出扭矩,Tmin为最小扭矩,Tmax为最大扭矩;
(4)建立能量管理控制模型
根据MPC算法,使用离散时间系统状态空间模型作为其模型预测,k时刻的状态量x(k)被定义为 控制量为 其中ifc为燃料电池电流,SoC为荷电状态,ufc为燃料电池电压,ibat为锂电池电流;
在此模型中,车辆系统的所有状态时可测量的,在k时刻有状态测量值x(k),根据预测控制基本原理,有约束的MPC优化问题可以描述为:其中ΔU(k)是控制增量序列,将求解得到的ΔU(k)作为下一时刻即k+1时刻的控制增量,通过DC变换器完成k+1时刻燃料电池与锂电池间的能量分配。
3.根据权利要求2所述的一种动态约束的智能燃料电池汽车能量管理策略,其特征在于:所述车辆驱动力Ft由下式得到:Ft=Ff+Fi+Fw+Fj
其中Ff为滚动阻力,Fi为坡度阻力,FW为空气阻力,Fj为加速阻力。
4.根据权利要求2所述的一种动态约束的智能燃料电池汽车能量管理策略,其特征在于:所述步骤(3)中对于基于时间的优化控制问题,基于各自一阶最优性条件的投影梯度法来实现,需要定义哈密顿量:
T
H(t,x(t),u(t),λ(t))=L(t,x(t),u(t))+λ(t)f(t+tk,x(t),u(t))π其中,λ为伴随状态,tk为采样实例。
5.根据权利要求2所述的一种动态约束的智能燃料电池汽车能量管理策略,其特征在于:为了考虑外界交通环境对管理策略的影响与行车安全,在所述步骤(3)中优化问题加入最小安全距离模型对目标车辆速度形成约束,最小安全距离模型为:当目标车辆的前车和后车制动停车后,若要保证不发生追尾碰撞,则ΔS1和ΔS2须满足ΔS2>0,ΔS1>0,ΔS1为前车与目标车之间的停车距离,ΔS2为后车与目标车之间的停车距离,则有:
L1‑SX+SA>0
L0+SX‑SB>0
其中,L1为目标车辆与前车的最小行车安全距离,L0为目标车辆与后车的最小行车安全距离,SA为前车制动距离,SX为目标车制动距离,SB为后车制动距离;
在保证车辆不碰撞的情况下,前车和后车同时紧急制动,则目标车的速度约束范围描述为:
其中Vx为目标车速度,VB为后车速度,VA为前车速度;
由于在坡道处存在重力分量对车辆加速度产生影响,因此在上坡时,ax=g(μcosα+sinα);下坡时,ax=g(μcosα‑sinα),其中aX为目标车辆制动加速度,aA为前车制动加速度,aB为后车制动加速度,μ为路面附着系数,α为路面坡度角。
6.根据权利要求2所述的一种动态约束的智能燃料电池汽车能量管理策略,其特征在于:所述能量管理控制模型中,电池的荷电状态为:其中SoCinit为SoC初始值,Qbat为电池容量,ibat为电池电流。
7.根据权利要求2所述的一种动态约束的智能燃料电池汽车能量管理策略,其特征在于:所述能量管理控制模型中将有约束的MPC优化问题转换为以下QP问题进行求解:满足:CuΔU(k)≥b(k+1|k)其中H为Hessian矩阵, ΔU(k)是控制增量序列;G为中间矩阵变量, Cu为约束矩阵,将求解得到的ΔU(k)作为下一时刻即k+1时刻的控制增量,通过DC变换器完成k+1时刻燃料电池与锂电池间的功率匹配。