本发明属于智能控制
技术领域：
。
背景技术：
：车辆智能网联(车联网)是由车辆位置、速度和路线等信息构成的巨大交互网络。通过gps、rfid、传感器、摄像头图像处理等装置，车辆可以完成自身环境和状态信息的采集；通过互联网技术，所有车辆可以将自身的各种信息传输汇聚到中央处理器；通过计算机技术，这些车辆的信息可以被分析和处理，从而计算出不同车辆的最佳路线，并及时汇报路况、安排信号灯周期。智能网联系信息对提高道路的通行效率、降低汽车的能耗与污染及减少交通事故具有非常重要的作用。在提高道路效率方面，智能交通技术可使交通堵塞减少约60％，使短途运输效率提高近70％，使现有道路网的通行能力提高2～3倍；在减少交通事故方面，可使车辆安全事故率比现在降低20％，每年因交通事故造成的死亡人数下降30％～70％；在降低汽车能耗与污染方面，通过智能交通控制使得平均车速的提高，带来了燃料消耗量和尾气排放量的减少，汽车油耗可由此降低15％左右。但是在应用智能交通信息对车辆进行规划以及控制时，传统的面向控制的车辆排放模型停留在发动机层面，而车辆对外表现的状态为速度，加速度，档位，智能联网环境下对车辆的控制也为速度或者加速度控制，因此传统建模方式缺少底层发动机与上层车辆的结合，并不适合车辆在智能联网环境下优化控制使用。此外，传统的排放建模为化学反应与热能反应的偏微分方程，存在强烈的非线性与多变量耦合关系，不宜于后续控制器设计或者优化规划。技术实现要素：本发明的目的是通过驱动功率将车辆与发动机联系起来，适于智能联网环境下对车辆的油耗，排放等不同控制目标进行控制的适用于智能网联车排放控制的车辆排放模型建模方法。本发明步骤是：①发动机转速模块当前发动机转速其中，veng为发动机转速rtire为车辆轮胎半径，ig为车辆的档位变速比，i0为差速器放大比，vcar为车辆速度；②车辆功率模块其中，wtract为车辆驱动功率ma为车辆质量，vcar是车辆速度，ac是车辆加速度，g是重力加速度，ω是道路坡度，dw为阻力系数，ar是车辆迎风面积，ρ是空气密度，dr为滚动阻力系数；获得最终的发动机需求功率：其中，w是发动机功率，ε为传动效率，wacc为驱动附件需求的功率；③燃油消耗率模块发动机的理论燃油消耗率其中，fr为计算得到的燃油消耗率，g为发动机摩擦系数，g0为发动机初始摩擦系数，veng为发动机转速，di为发动机排量，ψ为发动机指示效率，b1与c为系数；使用一次线型拟合对燃油消耗率进行修正：efuel＝afuel·fr bfuel(5)其中efuel为真实燃油消耗率，afuel与bfuel为拟合参数；均方误差为其中，m为选用的拟合数据的个数，rfuel的极小值要满足整理得到拟合曲线满足的方程：或用消元法或者克莱姆法得到④排放模块nox排放公式为：enox＝anox·fr bnox(10)enox为nox的排放量，anox与bnox为线性拟合辨识参数，均方误差为rnox的极小值要满足整理得到拟合曲线满足的方程：或用消元法或者克莱姆法得到本发明从上层车辆的角度，根据车辆状态，通过驱动功率将车辆与发动机联系起来，根据功率建立了发动机燃油消耗率模型，然后根据数据拟合出燃油消耗率与排放的线性模型。本发明建模方法建立的模型简单且准确度较高，适于智能联网环境下对车辆的油耗，排放等不同控制目标进行控制的应用。附图说明图1是模型框图；图2是nedc工况车速；图3是nedc工况nox对比曲线；图4是nedc工况nox拟合效果；图5是nedc工况燃油消耗率对比曲线；图6是nedc工况燃油消耗率拟合效果；图7是udds工况车速；图8是udds工况nox对比曲线；图9是udds工况nox拟合效果；图10是udds工况燃油消耗率对比曲线；图11是udds工况燃油消耗率拟合效果；图12是wltc工况车速；图13是wltc工况nox对比曲线；图14是wltc工况nox拟合效果；图15是wltc工况燃油消耗率对比曲线；图16是wltc工况燃油消耗率拟合效果。具体实施方式本发明步骤是：1.1.发动机转速计算模块实时获得车辆档位信息，根据当前档位获得该档位下的变速比，然后根据公式(1)算出当前发动机转速。其中，veng为发动机转速rtire为车辆轮胎半径，ig为车辆的档位变速比，i0为差速器放大比，vcar为车辆速度。1.2.车辆功率计算模块得到发动机转速后，根据公式(2)计算出车辆驱动需求功率，根据牛顿定律，加速度需求力为ma·ac，驱动车辆克服道路坡度需求的力为ma·g·sinω，驱动车辆克服风阻需求的力为驱动车辆克服滚动阻力需求的力为ma·g·dr·cosω，根据力与功率的关系：功率＝力/速度，得到需求功率，得到(2)所示车辆驱动功率计算公式：其中，wtract为车辆驱动功率ma为车辆质量，vcar是车辆速度，ac是车辆加速度，g是重力加速度，ω是道路坡度，dw为阻力系数，ar是车辆迎风面积，ρ是空气密度，dr为滚动阻力系数。得到车辆需求的驱动功率后，由于发动机功率传递到车辆本身会存在传动效率，以及车辆在运行过程中发动机做的功会同时驱动空调等附件，所以根据如下公式获得最终的发动机需求功率：其中，w是发动机功率，ε为传动效率，wacc为驱动附件如空调等需求的功率。1.3.燃油消耗率计算模块在获得发动机转速与发动机功率后，可根据如下工程常用的半经验公式计算得到发动机的理论燃油消耗率其中，g＝g0·[1 c·(veng-v0)]，fr为计算得到的燃油消耗率，g为发动机摩擦系数，g0为发动机初始摩擦系数，veng为发动机转速，di为发动机排量，ψ为发动机指示效率，b1与c为系数，可以通过辨识得到，这两项系数根据不同的工况，车辆及发动机会有所不同，所以需要根据实时采集的数据通过matlab系统辨识计算得到，可以使用一段时间内采集得到的燃油消耗率作为fr，计算出适合于本工况的b1与c，计算得到后，则可以在本工况下使用其对后续的车速到油耗或者排放的模型建模使用。由于gt软件发动机模型的传动效率无法获得准确值，所以根据经验公式(4)得到的fr与真实的燃油消耗率存在偏差，所以使用一次线型拟合对燃油消耗率进行修正：efuel＝afuel·fr bfuel(5)其中efuel为真实燃油消耗率，afuel与bfuel为拟合参数。求解过程如下所示：均方误差为其中，m为选用的拟合数据的个数，如果要拟合效果最好，则需要均方误差为最小值，根据微积分理论，rfuel的极小值要满足整理得到拟合曲线满足的方程：或称(3)为拟合曲线的法方程，用消元法或者克莱姆法解出方程1.4.排放计算模块nox排放计算公式为：enox＝anox·fr bnox(10)enox为nox的排放量，anox与bnox为线性拟合辨识参数，均方误差为如果要拟合效果最好，则需要均方误差为最小值，根据微积分理论，rnox的极小值要满足整理得到拟合曲线满足的方程：或称(3)为拟合曲线的法方程，用消元法或者克莱姆法解出方程二仿真曲线与分析本发明选取三种代表性工况，nedc工况，udds工况，wltc工况，工况曲线如图2，7，12所示。分别在gt-power中采集数据，根据本发明提出的方法建模，得到了模型数据，并与原始数据进行了对比与分析，对比曲线与数据分析曲线均见附图，本发明提出的建模方法，所建模型数据与原数据的r2均超过0.8，满足控制器设计时对模型精度的要求，从而验证了本发明提出的方法的有效性。表1模型参数符号名称数值单位ma本车质量40000kgdw风阻系数0.006-ar车辆迎风面积10m2ρ空气密度1.292kg/m3g重力加速度9.82m/s2dr滚动阻力系数0.5-rtire车辆轮胎半径0.5mg发动机摩擦系数0.02-di发动机排量12.7lψ发动机指示效率0.5-ε传动效率1-i0差速器放大比3-表2模型参数。当前第1页1 2 3
技术特征：1.一种适用于智能网联车排放控制的车辆排放模型建模方法，其特征在于：其步骤是：
①发动机转速模块
当前发动机转速
其中，veng为发动机转速rtire为车辆轮胎半径，ig为车辆的档位变速比，i0为差速器放大比，vcar为车辆速度；
②车辆功率模块
其中，wtract为车辆驱动功率ma为车辆质量，vcar是车辆速度，ac是车辆加速度，g是重力加速度，ω是道路坡度，dw为阻力系数，ar是车辆迎风面积，ρ是空气密度，dr为滚动阻力系数；
获得最终的发动机需求功率：
其中，w是发动机功率，ε为传动效率，wacc为驱动附件需求的功率；
③燃油消耗率模块
发动机的理论燃油消耗率
其中，g＝g0·[1 c·(veng-v0)]，
fr为计算得到的燃油消耗率，g为发动机摩擦系数，g0为发动机初始摩擦系数，veng为发动机转速，di为发动机排量，ψ为发动机指示效率，b1与c为系数；
使用一次线型拟合对燃油消耗率进行修正：
efuel＝afuel·fr bfuel(5)
其中efuel为真实燃油消耗率，afuel与bfuel为拟合参数；
均方误差为其中，m为选用的拟合数据的个数，rfuel的极小值要满足
整理得到拟合曲线满足的方程：
或
用消元法或者克莱姆法得到
④排放模块
nox排放公式为：
enox＝anox·fr bnox(10)
enox为nox的排放量，anox与bnox为线性拟合辨识参数，均方误差为
rnox的极小值要满足
整理得到拟合曲线满足的方程：
或
用消元法或者克莱姆法得到
技术总结一种适用于智能网联车排放控制的车辆排放模型建模方法，属于智能控制技术领域。本发明的目的是通过驱动功率将车辆与发动机联系起来，适于智能联网环境下对车辆的油耗，排放等不同控制目标进行控制的适用于智能网联车排放控制的车辆排放模型建模方法。本发明步骤是①发动机转速模块、②车辆功率模块、③燃油消耗率模块、④排放模块。本发明从上层车辆的角度，根据车辆状态，通过驱动功率将车辆与发动机联系起来，根据功率建立了发动机燃油消耗率模型，然后根据数据拟合出燃油消耗率与排放的线性模型。本发明建模方法建立的模型简单且准确度较高，适于智能联网环境下对车辆的油耗，排放等不同控制目标进行控制的应用。
技术研发人员：刘迪;胡云峰;张辉;宫洵;高金武;郭洪艳;陈虹
受保护的技术使用者：吉林大学
技术研发日：2020.02.09
技术公布日：2020.06.09
