行之知识产权综合服务平台

技术领域

本发明涉及到估计混合动力电动车辆中的马达功率损耗。

背景技术

混合动力电动车辆动力传动系统包括发动机和电动马达，其中，发动机 和/或马达产生的扭矩(或动力)可通过变速器而传递到车辆驱动车轮以推进 车辆。牵引电池将能量提供给马达。在特定的动力传动系统中，发动机可通 过分离离合器连接到马达，并且马达连接到变速器。马达通过变矩器连接到 变速器。发动机、分离离合器、马达、变矩器和变速器依次串联连接。

混合动力车辆控制依赖于马达的功率损耗的准确值。例如，至车轮的马 达扭矩的计算、电池功率极限和合理的违规(plausible violation)、来自能量 管理算法的至电池的充电功率、最大容许的再生制动极限以及其他的控制策 略依赖于马达功率损耗的准确估计。

马达功率损耗一般是马达转速、马达扭矩和提供给马达的牵引电池电压 的函数。可预定义针对在给定的电池电压处的马达转速和马达扭矩的给定组 合的马达功率损耗的估计。可通过在功率计上测试马达(或者更具体地讲， 例如马达原型成品(finished motor prototype))来产生这样的预定义估计。预 定义估计存储在映射图中。在车辆的操作期间车辆控制随后访问映射图以获 取给定时间处的马达功率损耗的估计，并在其控制程序中使用该估计。

制造期间的马达的变化或者随着时间、温度和/或工作周期的马达效率的 降低会导致改变的马达功率损耗。预定义马达功率损耗映射图不能捕捉到这 样的变化和改变。

发明内容

本发明的实施例针对用于混合动力电动车辆(HEV)动力传动系统的控 制器和控制策略(“控制器”)，混合动力电动车辆(HEV)动力传动系统具有 发动机、带有关联的牵引电池的马达以及变速器，其中，马达连接到变速器， 发动机通过马达和分离离合器连接到变速器。控制器被配置为估计马达功率 损耗并自适应地学习这些损耗。

在一实施例中，控制器被配置为自适应地估计并产生用于动力传动系统 的马达功率损耗模型。对于给定的马达操作点，控制器总体上基于预定义或 已知的马达功率损耗项以及附加的自适应马达功率损耗项来提供自适应马达 功率损耗估计。与以上面如背景技术部分所述的方式仅基于预定义马达功率 损耗项的马达功率损耗估计相比，自适应马达功率损耗估计更准确。在提供 自适应马达功率损耗估计的操作中，控制器从预定义马达功率损耗映射图获 取预定义马达功率损耗项。控制器基于电池功率和马达功率的估计以及预定 义马达功率损耗项来计算自适应马达功率损耗项。控制器还在计算自适应马 达功率损耗项的过程中考虑到附件损耗。控制器将计算出的自适应马达功率 损耗项存储在单独的马达功率损耗映射图或马达功率损耗模型的自适应参数 中。控制器将适应的马达功率损耗映射图/模型和预定义马达功率损耗映射图 一起使用，来估计任意给定的马达操作点处的马达功率损耗(即，提供自适 应马达功率损耗估计)。这样除了改进相对准确或精确的马达电损耗的计算之 外，还可改进例如最大再生扭矩极限、能量管理所需的电池功率、可用于起 动发动机的马达扭矩阻尼器、马达最大扭矩与马达最小扭矩的计算。

在实施例中，提供一种用于具有串联连接的发动机、马达和变速器的动 力传动系统的方法。所述方法包括：根据基于提供给马达的电池功率、马达 功率输出和估计的马达功率损耗而调整的马达功率损耗项来操作动力传动系 统，使得马达功率损耗项随时间改变并收敛至常数值，从而指示实际的马达 功率损耗。

在实施例中，提供一种用于动力传动系统的系统，所述系统具有被配置 为实施所述方法的控制器。

根据本发明的实施例，提供一种用于具有发动机、马达和变速器的动力 传动系统的系统，所述系统包括：控制器，被配置为根据基于提供给马达的 电池功率、马达功率输出和估计的马达功率损耗而调整的马达功率损耗项来 操作动力传动系统，使得马达功率损耗项随时间改变并收敛至常数值，从而 指示实际的马达功率损耗。

根据本发明的实施例，控制器还被配置为基于提供给马达的电池功率与 马达功率输出和估计的马达功率损耗的和之间的差，调整马达功率损耗项， 使得马达功率损耗项随时间改变并收敛至常数值。

根据本发明的实施例，所述系统还包括：至少一个传感器，被配置为检 测马达的扭矩和转速；其中，控制器还被配置为将马达扭矩和马达转速的乘 积用作马达功率输出。

根据本发明的实施例，控制器还被配置为利用最小均方算法调整马达功 率损耗项，其中，所述最小均方算法使用(i)所述差以及(2)马达扭矩和马达转 速。

根据本发明的实施例，控制器还被配置为利用递归最小二乘算法调整马 达功率损耗项，其中，所述递归最小二乘算法使用马达扭矩和马达转速。

根据本发明的实施例，控制器还被配置为利用基于表的算法调整马达功 率损耗项，其中，所述基于表的算法使用马达扭矩和马达转速。

根据本发明的实施例，控制器还被配置为根据代替马达功率损耗项的校 正马达功率损耗项来操作动力传动系统，直至马达功率损耗项收敛至常数值 为止，校正马达功率损耗项基于所述差以及马达功率损耗项。

根据本发明的实施例，所述系统还包括：具有与多个马达操作点相对应 的多个估计的马达功率损耗项的映射图；其中，控制器还被配置为从映射图 获取估计的马达功率损耗项。

根据本发明的实施例，所述系统还包括：传感器，被配置为检测马达的 扭矩和转速；具有与多个马达操作点相对应的多个估计的马达功率损耗项的 映射图，每个马达操作点具有相应的马达扭矩和马达转速。

根据本发明的实施例，所述系统还包括：电池，被配置为提供被提供给 马达的电池功率；传感器，被配置为检测电池的电压和电流，其中，控制器 还被配置为将电池电压和电池电流的乘积用作提供给马达的电池功率。

通过结合附图的以下详细描述，本发明的实施例的其他目标、特征和优 点将变得更显而易见，在附图中，相同的标号表示相同的部分。

附图说明

图1示出根据本发明的实施例的混合动力电动车辆(HEV)动力传动系 统的框图；

图2示出描述根据本发明的实施例的用于HEV动力传动系统中的自适应 马达功率损耗估计的利用基于最小均方法(LMS)的学习算法的控制策略的 操作的流程图；

图3示出描述根据本发明的实施例的还利用快速功率损耗校正项计算算 法的图2的控制策略的操作的流程图；

图4示出描述根据本发明的实施例的用于HEV动力传动系统中的自适应 马达功率损耗估计的利用基于表的学习算法的控制策略的操作的流程图；

图5示出描述根据本发明的实施例的用于HEV动力传动系统中的自适应 马达功率损耗估计的利用基于递归最小二乘法(RLS)的学习算法的控制策 略的操作的流程图。

具体实施方式

在此公开本发明的具体实施例；然而，应理解的是，所公开的实施例仅 是本发明的示例，本发明可以以各种替代形式实现。附图无需按比例绘制； 可夸大或缩小一些特征以示出特定组件的细节。因此，在此公开的特定结构 和功能细节不应该被解释为限制，而仅仅是教导本领域技术人员以各种方式 利用本发明的代表性基础。

现参照图1，示出根据本发明的实施例的混合动力电动车辆(HEV)动 力传动系统10的框图。动力传动系统10包括：发动机20、电动马达/发电机 30(“马达”)、牵引电池36和多阶梯传动比自动变速器50。

发动机20和马达30是用于车辆的驱动源。发动机20通过分离离合器 32串联连接到马达30。马达30连接到变速器50的输入侧。当发动机20通 过分离离合器32连接到马达30时，变速器50的输入侧串联连接到发动机 20和马达30二者。在这种情况下，变速器50连接到马达30并且同时通过 马达30连接到发动机20。在输出侧，变速器50连接到车辆的驱动车轮60。 从发动机20和/或马达30施加的驱动力通过变速器50传递到驱动车轮60， 从而推进车辆。

发动机20具有发动机轴22，发动机轴22通过分离离合器32连接到马 达30的输入轴24。虽然分离离合器32被描述并示出为液压离合器，但是可 使用其它类型的离合器。马达30具有连接到变速器50的输入侧的输出轴42。

动力传动系统10还可在马达30和变速器50的输入侧之间包括带有旁通 离合器的变矩器或者可替换地包括起步离合器(未示出)，以用于扭矩隔离 (torsional isolation)。在这种情况下，马达30通过变矩器或起步离合器连接 到变速器50的输入侧。变速器油泵(未示出)与马达位于相同的轴上，变速 器油泵提供用于润滑和液压操作的流过变速器50的油流。这个主泵可通过电 动辅助泵来补充。

变速器50包括多个离散齿轮比，所述多个离散齿轮比可响应于操作者选 择的驱动模式和车辆操作条件而由车辆系统控制器80自动选择。变速器50 的输出侧包括连接到差速器56的输出轴54。驱动车轮60通过各个轮轴66 连接到差速器56。按照这种布置，变速器50将动力传动系统动力输出68传 递到驱动车轮60。

当发动机(诸如，内燃发动机)20通过分离离合器32连接到马达30时， 发动机20产生提供给变速器50的发动机功率76。发动机功率76对应于发 动机20的发动机扭矩(τ_eng)和发动机转速(ω_eng)的乘积。为了使用发动机 20驱动车辆，发动机功率76的至少一部分通过分离离合器32从发动机20 传递到马达30，并且然后从马达30传递到变速器50。用于起动发动机20的 低压起动机(未示出)可被设置在动力传动系统10中。

电池36是用于动力传动系统10的动力的另一来源。马达30通过接线 53连接到电池36。根据车辆操作模式，马达30将存储在电池36中的电能转 换为马达功率78，或者当马达30操作为发电机时将相应量的电力发送到电 池36。马达功率78对应于马达30的马达扭矩(τ_mot)和马达转速(ω_eng)的 乘积。为了使用马达30驱动车辆，马达功率78从马达30传递到变速器50。 在产生用于存储在电池36中的电力时，马达30在驱动模式下从发动机20获 取动力，或者当马达30在再生制动模式下操作时用作制动器时从车辆中的惯 性获取动力。

如所描述的，如图1所示，发动机20、分离离合器32、马达30和变速 器50依次串联连接。如此，动力传动系统10表示发动机20通过分离离合器 32连接到马达30且马达30连接到变速器50的HEV动力传动系统。

被接合或脱离接合的分离离合器32的状态或模式确定发动机功率76和 马达功率78中的哪一个被传递到变速器50。例如，如果分离离合器32脱离 接合，则只有马达功率78被提供给变速器50。如果分离离合器32接合/锁紧， 则发动机功率76和马达功率78二者均被提供给变速器50。当然，如果变速 器50只需要发动机功率76，则分离离合器32接合/锁紧而马达30不被驱动， 以使仅发动机功率76被提供给变速器50。

传输到变速器50的输入侧的发动机功率76和马达功率78的总量是变速 器输入功率(τ_in,ω_in)79。变速器50包括离合器、变速带(band)、齿轮等以及 行星齿轮组，以通过选择性接合摩擦元件来产生不同的离散齿轮比，从而建 立扭矩流动路径并提供相应所需的多个阶梯传动比。可通过使行星齿轮组的 特定元件连接与断开连接的控制器80或专用的变速器控制器中的换挡计划 来控制摩擦元件，以控制变速器输入与变速器输出之间的比率。变速器50基 于车辆的需求从一种比率自动切换到另一种比率。变速器50将变速器输出功 率(τ_out,ω_out)81提供给变速器输出轴54。进而，驱动车轮60接收动力传动 系统输出功率(τ_final,ω_final)68。

动力传动系统10还包括加速器踏板92。车辆的驾驶员踩下加速器踏板 92来推进车辆。作为响应，基于加速器踏板92的定位的总驱动命令被提供 给控制器80。控制器80在将被提供给变速器50的发动机功率和马达功率之 间分配总驱动命令。具体地讲，控制器80在(i)发动机扭矩命令100(表示 从以相应的发动机转速操作的发动机20提供给变速器50的发动机扭矩的量) 与(ii)马达扭矩命令98(表示从以相应的马达转速操作的马达30提供给变 速器50的马达扭矩的量)之间分配总驱动命令100。进而，发动机20产生 发动机功率76，马达30产生马达功率78。发动机功率76和马达功率78被 提供给变速器50(假定发动机20通过分离离合器32连接到马达30)使得车 辆被推进。

动力传动系统10还包括制动器踏板94。车辆的驾驶员踩下制动器踏板 94来使车辆减速或制动车辆。作为响应，基于制动器踏板94的定位的总制 动命令被提供给控制器80。控制器80在(i)将由发动机20和/或马达30提 供给变速器50以制动车辆的动力传动系统制动功率与(ii)由摩擦制动器70 施加到驱动车轮60以制动车辆的摩擦制动功率之间分配总制动命令。动力传 动系统制动功率表示由发动机20和/或马达30提供给变速器50用于制动车 辆的“反向(negative)”动力传动系统功率。控制器80在(i)发动机扭矩命 令100(此情形下表示从以相应的发动机转速操作的发动机20提供给变速器 50以制动车辆的反向发动机扭矩的量)与(ii)马达扭矩命令98(此情形下 表示从以相应的马达转速操作的马达30提供给变速器50的反向马达扭矩的 量)之间分配动力传动系统制动功率。进而，为了车辆制动，发动机20产生 发动机功率76，马达30产生马达功率78。发动机功率76和马达功率78被 提供给变速器50(假定发动机20通过分离离合器32连接到马达30)以制动 车辆。控制器80还产生摩擦制动扭矩命令96(表示通过摩擦制动器70获取 的扭矩的量)。进而，摩擦制动器70将摩擦制动扭矩施加到驱动车轮60以用 于车辆制动。

控制器80包括监测电池温度、电压、电流和电池荷电状态 (state-of-charge，SOC)的高压电池控制器(BECM)，并确定最大容许放电 功率极限和最大容许充电功率极限。与分配总驱动(或制动)命令结合，控 制器80确定动力传动系统操作点，以保持电池SOC、最小化燃料消耗并传送 驾驶员要求的车辆操作。

如上所述，本发明的实施例针对HEV动力传动系统中的用于估计马达功 率损耗并自适应学习这些损耗的控制策略或算法(“控制策略”)。就这一点而 言，控制策略自适应地估计并产生针对动力传动系统的马达功率损耗模型。 通过控制策略提供的用于自适应马达功率损耗估计的方案只针对电动马达传 递传动系扭矩的诸如HEV动力传动系统的混合动力动力传动系统。控制策略 使用电池功率测量和马达功率测量以自适应学习马达功率损耗。

总体上，控制策略(例如，被配置为实施控制策略的控制器80)基于电 池功率和马达功率的估计以及预定义马达功率损耗项来计算自适应马达功率 损耗项(term)。控制器80分别从牵引电池36上的电流传感器和电压传感器 获取电池功率的估计，从马达30的扭矩传感器和转速传感器获取马达功率的 估计。控制器80从预定义马达功率损耗映射图获取预定义马达功率损耗项。 控制器80将计算出的自适应马达功率损耗项存储在单独的马达功率损耗映 射图或马达功率损耗模型的自适应参数中。控制器80从针对任意给定的马达 操作点的适应的马达功率损耗项与预定义马达功率损耗项的和来估计所述给 定的马达操作点处的马达功率损耗(即提供自适应马达功率损耗估计)。如此， 控制器80将自适应马达功率损耗映射图连同预定义马达功率损耗映射图一 起使用，以估计给定马达操作点处的马达功率损耗。

现将更详细地描述用于动力传动系统的由控制器80实施以估计马达功 率损耗并自适应学习马达功率损耗的控制策略。在控制策略的开始，自适应 马达功率损耗项L_mot,map被初始化为零。在马达30的操作期间，控制器80根据 以下等式计算电池功率和马达功率中的误差(或差)e：

e＝(V_batt*I_batt)-(τ_mot*ω_mot)-L_mot,map-L_DCDC   (1)

其中，e是功率中的误差，V_batt和I_batt分别是电池36的电压和电流，τ_mot和 ω_mot是马达30的扭矩和转速，L_mot,map是来自预定义马达功率损耗映射图的不 变的预定义马达功率损耗项，L_DCDC是包括逆变器和空调损耗的高压附件损 耗。另一种损耗因子P_aux是高压辅助损耗功率，例如，在空调开启时的空气 压缩机功耗。功率中的误差e用于自适应学习马达功率损耗并更新自适应马 达功率损耗项L'_mot,adp。

控制器80包括在电池36上的用于检测电池36的电压与电流的电压传感 器与电流传感器。类似地，控制器80包括在马达30上的用于检测马达扭矩 和马达转速的扭矩传感器与转速传感器。

通过以下等式给出由控制器80提供的最终的自适应马达功率损耗估计：

L_mot＝L_mot,map+L'_mot,adp+L_corr   (2)

其中，L'_mot,adp是来自自适应马达功率损耗映射图的自适应马达功率损耗 项，L_corr是下面更详细地描述的快速功率损耗校正项。

根据以下等式，将自适应马达功率损耗项L'_mot,adp建模为作为马达转速与马 达扭矩的函数的二阶多项式：

L ′ mot , adp = w 0 + w 1 ω mot + w 2 τ mot + w 3 ω mot 2 + w 4 τ mot 2 + w 5 ω mot τ mot - - - ( 1 ) ]]>

L ′ mot , adp = w ‾ · u ‾ - - - ( 2 ) ]]>

其中：

w ‾ = ( w 0 , w 1 , . . . , w 5 ) ]]>

u ‾ = ( 1 , ϖ mot , τ mot , ω mot 2 , τ mot 2 , ω mot τ mot ) T ]]>

现在参照图2，示出了描述根据本发明的实施例的用于自适应马达功率 损耗估计L_mot的利用基于最小均方法(LMS)的学习算法的控制策略的操作 的流程图200。最初，等式(3)中的系数(w₀,w₁,…,w₅)被初始化为零。基于LMS 的自适应学习算法用于更新所述系数的值。也就是说，尽管所述系数未知， 但是知道一些组合将提供给定的动力操作点处的自适应马达功率损耗的准确 估计。基于LMS的算法应确定所述系数，以使当给定特定马达扭矩和马达转 速(即，特定马达操作点)时，基于LMS的算法可确定自适应马达功率损耗 项。

在基于LMS的算法的操作中，如块202所示，马达30的马达扭矩τ_mot和 马达转速ω_mot是对于控制策略的输入u。

如块204所示，对于功率中的给定误差e，基于LMS的算法试图将由以 下等式给出的性能函数f最小化：

f = ( e - w ‾ · u ‾ ) 2 - - - ( 3 ) ]]>

如块204进一步所示，然后根据以下等式计算性能函数的梯度：

▿ f = 2 ( e - w ‾ · u ‾ ) · u ‾ T - - - ( 4 ) ]]>

如块206所示，根据以下等式计算输入参数||u||：

| | u | | = ( u ‾ ) · u ‾ T - - - ( 7 ) ]]>

如块208所示，根据以下等式更新自适应马达功率损耗项L'_mot,adp的模型的 权重：

w ‾ ′ = w ‾ + λ ▿ f | | u ‾ | | - - - ( 8 ) ]]>

其中，0≤λ≤1是学习率，是更新后的系数矢量。学习率是使基于LMS 的算法收敛的预选的步长大小。

系数存储在非易失性存储器中，并且在点火与熄火事件之间记住所述 学习。如块210所示，根据以下等式计算自适应马达功率损耗项L'_mot,adp：

L ′ mot , adp = w ‾ ′ * u ‾ - - - ( 9 ) ]]>

现在参照图3同时继续参照图2，示出了描述根据本发明的实施例的还 利用快速功率损耗校正项计算算法的控制策略的操作的流程图220。如以上 参照等式(2)所述，L_corr是快速功率损耗校正项。针对损耗自适应项的算法必 须考虑到准确性和稳定性二者。为了防止由于系统中的噪声而导致的自适应 算法中的发散和不稳定，学习率保持小于一(即，0≤λ≤1)。这使该算法缓慢 收敛成适应的马达功率损耗映射图。也就是说，自适应马达功率损耗项L'_mot,adp是 相对缓慢地学习的项。在实时损耗计算中，即使在自适应收敛之前也具有正 确的损耗调节是重要的。为此目的，期望有快速功率损耗校正项L_corr。

参照图3，快速功率损耗校正项计算算法遵循在该情形下为基于LMS的 自适应学习算法(块222、224、226和228的主题)的自适应学习算法。如 以上参照图2所描述的，控制策略如下开始：如块222所示，自适应马达功 率损耗项L'_mot,adp被初始化为零，并且如块224所示，根据等式(1)计算电池功率 与马达功率中的误差e。然后如块226所示，使用功率中的误差e来实施用于 自适应学习的基于LMS的算法，以调整自适应马达功率损耗项L'_mot,adp的模型的 将来计算。然后如块228所示，计算针对当前的马达操作点的自适应马达功 率损耗项L'_mot,adp。

进而，快速功率损耗校正项计算算法操作以如下地计算快速功率损耗校 正项L_corr。在自适应马达功率损耗映射图的顶部使用基于比例积分(PI)的快 速误差检测算法。如块230所示，基于来自自适应马达功率损耗项L'_mot,adp的模 型的当前马达操作条件下的预计的马达功率损耗，根据以下等式计算功率损 耗项中的新误差e'：

e'＝e-L'_mot,adp   (10)

如块232所示，根据以下等式，新功率损耗项误差e'被积分并被用来计 算校正项L_corr：

L_corr＝K_p*e'+K_i∫e'dt   (11)

随着自适应算法进行，自适应马达功率损耗模型随着新功率损耗项误差 e'→0驱使快速校正项L_corr→0而收敛。然后如块234所示，根据等式(2)计算 报告的自适应马达功率损耗估计L_mot。

现参照图4和图5，根据本发明的实施例的控制策略可包括替代基于LMS 的自适应学习算法的执行自适应学习的替换方法。图4示出描述根据本发明 的实施例的用于动力传动系统中的自适应马达功率损耗估计的利用基于表的 学习算法的控制策略的操作的流程图240。图5示出描述根据本发明的实施 例的用于动力传动系统中的自适应马达功率损耗估计的利用基于递归最小二 乘法(RLS)的学习算法的控制策略的操作的流程图260。图4和图5分别描 绘了用于针对每个给定的马达操作点执行自适应学习并存储适应的马达功率 损耗项的两种替换算法。再次指出，可利用上述的快速功率损耗项计算算法 来补充图4的控制策略或图5的控制策略。

在图4中，流程图240示出用于基于查找表的学习算法实现的操作。该 操作如下开始：如块242所示，马达30的马达扭矩τ_mot和马达转速ω_mot作为 对于控制策略的输入u。然后如块244所示，针对当前马达操作点从自适应 马达功率损耗映射图/表计算自适应马达功率损耗项L'_mot,adp(即 L'_mot,adp＝f(τ_mot,ω_mot))。如块246所示，根据以下等式计算要学习的功率中的新误 差L_correction：

L_correction＝e-L'_mot,adp   (12)

然后如块248所示，确定表中要更新的适当单元。然后如块250所示， 计算针对每个适当单元的更新值并更新表。然后如块252所示，使用更新后 的表计算马达功率损耗项L'_mot,adp(即L'_mot,adp＝f(τ_mot,ω_mot))。

在图5中，流程图260示出用于基于递归最小二乘法(RLS)的学习算 法实现的操作。该操作如下开始：如块262所示，马达30的马达扭矩τ_mot和 马达转速ω_mot作为对于控制策略的输入u。然后如块264所示，计算增益矩阵 K。然后如块266所示，计算新创新(innovation)a。然后如块268所示，更 新系数权重。然后如块270所示，更新误差协方差矩阵。

虽然以上描述了示例性实施例，但是这些实施例并不意图描述本发明的 所有可能的形式。此外，说明书中使用的词语是用于描述而不是限制的词语， 应理解的是，在不脱离本发明的精神和范围的情况下可进行各种改变。另外， 可将各种实现的实施例的特征进行组合以进一步形成本发明的实施例。