麻笑藝，胡曉煒，周雅夫（大連理工大學 工業(yè)裝備結構分析國家重點實驗室 運載工程與力學學部汽車工程學院，大連　116024）

?

基于歷史數(shù)據(jù)的HEV工況識別與預測方法

麻笑藝，胡曉煒，周雅夫
（大連理工大學 工業(yè)裝備結構分析國家重點實驗室 運載工程與力學學部汽車工程學院，大連116024）

摘要：混合動力汽車在實際行駛中需要按照實際路況調整合適的能量管理策略，才能充分發(fā)揮其燃油經(jīng)濟性。利用城市道路的擁堵情況具有一定周期性的特點，本文提出基于歷史數(shù)據(jù)的混合動力城市公交車工況識別與預測方法，解決現(xiàn)有工況識別方法的識別延遲問題，且具有一定的預測性。根據(jù)采集的實際公交車的行駛數(shù)據(jù)，驗證工況識別的準確率。最后設計相應的工況歷史數(shù)據(jù)的存儲和管理設備。

關鍵詞：混合動力汽車；工況識別；歷史數(shù)據(jù)

隨著汽車保有量持續(xù)上漲，我國已連續(xù)4年成為世界機動車產銷第一大國，汽車工業(yè)已然成為我國經(jīng)濟發(fā)展的重要支柱型產業(yè)之一。而機動車尾氣帶來的污染問題也日趨嚴重，污染防治的緊迫性日益凸顯［1］。雖然純電動汽車不會產生尾氣排放，但由于電池技術的制約，純電動汽車目前只能滿足部分使用者的需求。而混合動力汽車 （HEV，Hybrid Electric Vehicle）是由于電動汽車發(fā)展尚未成熟，為緩解環(huán)境和能源問題采取的一種折中技術。

混合動力汽車在設計階段針對不同的標準工況進行了控制策略優(yōu)化，如果能在實際運行中識別出與實際工況最接近的標準工況，理論上可以實現(xiàn)最低油耗。但由于目前常用的工況識別方法需要先對車輛的運行特征參數(shù)采集一定時間，再根據(jù)采集結果進行工況識別，造成了識別結果的滯后，在實際道路狀況發(fā)生變化后不能及時調整控制策略，使車輛油耗升高。

城市道路擁堵狀況變化隨時間呈現(xiàn)一定周期性，如周一至周五早晚高峰時期城市的主要道路會出現(xiàn)擁堵，高峰時段過后恢復暢通。利用這一特點，本文提出了基于歷史數(shù)據(jù)的工況識別和預測方法，即在車輛行駛過某一路段后，記錄下這一過程所處的時間段和與之最匹配的標準工況或典型工況，在車輛運行過程中逐步建立起工況的歷史數(shù)據(jù)庫 （包括車輛在以往實際行駛中采集到的時間、行駛工況、地理位置等數(shù)據(jù)），當車輛在下一周同一時段駛過同一地點時，可直接在數(shù)據(jù)庫中查找上一次行駛的數(shù)據(jù)作為當前的工況識別結果，此方法避免了采集車輛行駛特征參數(shù)造成的識別延遲。若已知車輛未來將行駛的路段，則能夠進行一定范圍內的工況預測，從而進一步優(yōu)化控制策略，提高燃油利用率。

1　數(shù)據(jù)采集與處理

依靠本課題組開發(fā)的節(jié)能與新能源客車遠程監(jiān)測及數(shù)據(jù)采集系統(tǒng)，對大連市運行的純電動與混合動力

公交車進行了遠程監(jiān)控和數(shù)據(jù)采集，采集的數(shù)據(jù)主要包括車輛當前位置的GPS數(shù)據(jù)和車輛CAN總線中傳輸?shù)臄?shù)據(jù)，如電池電壓、電流、溫度等。本文用的數(shù)據(jù)主要是CAN總線中的車速，以及GPS數(shù)據(jù)。

節(jié)能與新能源客車遠程監(jiān)測和數(shù)據(jù)采集系統(tǒng)的原理框架圖如圖1所示。系統(tǒng)主要分為車載數(shù)據(jù)采集終端和上位機實時監(jiān)測系統(tǒng)兩部分。車載數(shù)據(jù)終端以1s為采樣周期，將采集到的車輛行駛狀態(tài)信息按一定規(guī)則封裝后，通過GPRS網(wǎng)絡發(fā)送至互聯(lián)網(wǎng)固定IP地址的固定端口，由上位機系統(tǒng)進行解包顯示和儲存。

圖1　遠程監(jiān)測和數(shù)據(jù)采集系統(tǒng)原理框架圖

圖2　4類典型工況

利用此遠程監(jiān)控和數(shù)據(jù)采集系統(tǒng)，在對大連市運行的混合動力公交車進行長期監(jiān)控后，積累了大量公交車行駛狀態(tài)的數(shù)據(jù)。通過對這些數(shù)據(jù)的統(tǒng)計分析，建立了大連市4類標準工況［2］，如圖2所示，Stopngo工況代表擁堵時的工況，Urban工況的擁堵情況稍好于Stopngo，Rural工況代表的路況最為暢通，Suburban工況的暢通情況介于Urban與Rural之間。在工況識別中將以這4類典型工況作為標準工況。

為了簡化需要記錄的歷史數(shù)據(jù)，將采集到的車速數(shù)據(jù)利用新架構模糊模式識別的方法進行工況識別［3］。由于本文中的工況識別結果與車輛的行駛位置相關，因此采用了與經(jīng)緯度信息相關的工況解析方法：將經(jīng)緯度轉化為二維平面，橫軸表示經(jīng)度，縱軸表示緯度，并按照一定長度將二維平面劃分為網(wǎng)格，實際道路也將被相應劃分為若干段，車速隨時間變化的曲線也被分為若干片段。劃分后的車輛行駛軌跡如圖3所示。

在車輛行駛工況的識別過程中，需要對工況的特征參數(shù)進行提取。行駛工況的特征參數(shù)通常包括行駛距離、行駛時間、平均車速、運行平均車速、最高車速、最大加速度、怠速時間百分比、最大減速度、平均加速度等，數(shù)量能夠超過20個。但這些特征參數(shù)之間互相關聯(lián)，此消彼長，若全部提取會給工況識別增加困難，也會受到硬件運算能力方面的限制。在行駛工況特征參數(shù)進行正交試驗的基礎上，選擇5個對工況識別影響最大的特征參數(shù)：平均車速、運行平均車速、怠速時間、平均加速度、平均減速度。

計算各車速片段內5個特征參數(shù)的數(shù)值，再利用模糊模式識別方法判斷所隸屬的標準工況，所得結果如圖4所示。圖4中Stopngo、Urban、Suburban、Rural四類標準工況分別用數(shù)字1～4表示。

圖3　經(jīng)緯度網(wǎng)格劃分后的車輛行駛軌跡

圖4　車速與工況識別結果變化情況

2　工況識別與預測

利用上一章節(jié)所述方法，將車輛實際行駛過程中在各個經(jīng)緯度網(wǎng)格中識別得到的工況數(shù)據(jù)，按照不同時間段分別儲存，從而建立起工況歷史數(shù)據(jù)庫，用于車輛于近似時間在相同路段行駛時查詢工況歷史數(shù)據(jù)，以代替以往的工況識別方式。歷史數(shù)據(jù)庫內所需要的數(shù)據(jù)如表1所示。

表1　工況歷史數(shù)據(jù)庫的數(shù)據(jù)類別

當車輛再次在相近時間駛過同一路段后，用同樣的方法對該車速片段進行工況識別，并按照一定的權重修正歷史數(shù)據(jù)庫中的工況數(shù)據(jù)，從而實現(xiàn)工況歷史數(shù)據(jù)庫的自學習功能，能夠針對車輛運行環(huán)境的變化進行自我調整。

在通過新能源客車遠程監(jiān)測和數(shù)據(jù)采集系統(tǒng)得到的數(shù)據(jù)中，選取了3周車輛運行的數(shù)據(jù)，采用如下的方式進行處理。

1）建立工況歷史數(shù)據(jù)庫選用第1周和第2周的數(shù)據(jù)，按照前述方法建立工況歷史數(shù)據(jù)庫。

2）分析車輛實際運行時的工況第3周數(shù)據(jù)按照經(jīng)緯度網(wǎng)格將車速數(shù)據(jù)劃分為若干片段，對分開后的每一個車速片段按照所述的方法進行工況的模糊模式識別，從而得到車輛在第3周運行時車輛每秒鐘實際所處的工況。

3）識別結果檢驗將第3周的每一條數(shù)據(jù)按照經(jīng)緯度網(wǎng)格、星期、時間段在工況歷史數(shù)據(jù)庫中進行匹配，若有與之匹配的工況識別結果，則對比兩工況類型是否相同。最后統(tǒng)計工況類型相等的數(shù)據(jù)，占能夠查詢到匹配工況識別結果的數(shù)據(jù)的比例，作為工況識別的準確率。

按照如上方法計算得到的工況識別準確率可達到75.7％。在對工況歷史數(shù)據(jù)庫進行分析后，發(fā)現(xiàn)數(shù)據(jù)庫中的工況類型經(jīng)過多次修正后的工況識別準確率較高，因此車輛繼續(xù)在線路上運行之后，工況識別準確率有望進一步提高。

由于城市公交車輛的行駛線路固定，可以通過其運行數(shù)據(jù)獲得車輛在行駛過程中經(jīng)過各個經(jīng)緯度網(wǎng)格的順序。在車輛行駛過程中，通過經(jīng)緯度的變化趨勢識別車輛的行駛方向，從而可以得知車輛接下來將要經(jīng)過的經(jīng)緯度網(wǎng)格。在工況歷史數(shù)據(jù)庫中，查找未來一段時間內車輛將要經(jīng)過的經(jīng)緯度網(wǎng)格區(qū)域的平均運行時間，以及這些區(qū)域內的平均工況類型，就能夠得到一個車輛的行駛工況隨時間變化的曲線。如圖5所示。

圖5　工況預測結果與實際工況、車速對比

利用上述方法，可以使車輛行駛工況的模式識別方法具有預測性，并且能夠預測未來較長一段時間內的工況變化情況。通過對車輛未來行駛工況的預測，可以實現(xiàn)混合動力汽車在能量管理策略上的局部優(yōu)化，進一步提高混合動力汽車的燃油經(jīng)濟性。

3　工況數(shù)據(jù)存儲與管理設備

本課題組開發(fā)的新能源客車遠程監(jiān)測與數(shù)據(jù)采集系統(tǒng)的車載數(shù)據(jù)采集終端，已經(jīng)具備了通過CAN總線獲取車速信息以及獲取車輛經(jīng)緯度數(shù)據(jù)的功能，且主控芯片能夠完成工況識別過程中的所有運算，因此本文在現(xiàn)有的車載終端的基礎上，增加數(shù)據(jù)的存儲與管理功能，即可實現(xiàn)工況歷史數(shù)據(jù)的存儲和管理，并通過CAN總線傳輸工況識別和預測結果，以適時調整整車控制策略。

圖6所示為車載數(shù)據(jù)采集終端的主板，主要功能有CAN報文解析、GPS定位、基于GPRS網(wǎng)絡的數(shù)據(jù)傳輸?shù)裙δ埽褂每蛙嚿系?4 V電源供電。主控芯片采用dsPIC33f系列芯片，可以完成16× 16位小數(shù)或整數(shù)的乘法運算和32／16或16／16位除法運算，能夠滿足車輛行駛工況識別過程中的運算需求。

SD卡具有體積小、質量輕、存儲容量大、讀寫速度快、工作穩(wěn)定的優(yōu)點，數(shù)據(jù)安全性好，不易丟失，應用在需要長時間存儲大量數(shù)據(jù)的設備中非常合適。因此，將SD卡作為歷史數(shù)據(jù)的存儲介質。為簡化DSP 與SD卡數(shù)據(jù)交換，采用了CH376S芯片對SD卡進行管理，通過DSP的UART串口向CH376S發(fā)送控制指令，對SD卡進行讀寫控制。此外還選用了DS3231時鐘模塊來提供工況數(shù)據(jù)中時間和星期信息，芯片通過I2C總線與DSP芯片連接與傳輸數(shù)據(jù)。

圖6　車載數(shù)據(jù)采集終端的主板

由于在SD卡文件管理系統(tǒng)中對文件名的長度有要求，因此直接按時間、日期、經(jīng)緯度命名文件會使文件名過長，難以在該設備中實現(xiàn)。因此本文采用如圖7所示的目錄存儲工況歷史數(shù)據(jù)。目錄規(guī)則如下：在SD卡的根目錄下建立7個一級子目錄，分別代表周一～周日的數(shù)據(jù)；每個一級子目錄下按照工況歷史數(shù)據(jù)的時間建立若干的二級子目錄，以4位數(shù)字命名，前兩位表示小時，后兩位表示分鐘；三級子目錄按照工況歷史數(shù)據(jù)的經(jīng)度命名；四級子目錄按照工況歷史數(shù)據(jù)的緯度命名。工況信息和運行時間存儲在各四級目錄下的TXT文檔內。

圖7　工況歷史數(shù)據(jù)存儲架構

4結　論

混合動力汽車的控制策略需要基于車輛的實際行駛狀況進行調整，以實現(xiàn)最優(yōu)的燃油經(jīng)濟性。因此，本文提出了基于工況歷史數(shù)據(jù)的車輛行駛工況識別方法，能夠消除工況識別的滯后，并對工況歷史數(shù)據(jù)存儲與管理設備進行了設計，得到了以下幾點結論。

1）城市各路段在每周的同一時間段具有相近的道路擁堵狀況，若加以利用，能夠實現(xiàn)車輛行駛工況的快速識別和預測。

2）本文根據(jù)城市道路擁堵狀況的規(guī)律性變化，提出了基于工況歷史數(shù)據(jù)的混合動力汽車工況識別方法。通過歷史數(shù)據(jù)對車輛行駛的工況識別準確率能夠達到75.7％。

3）基于車載數(shù)據(jù)采集設備，增加了SD卡文件管理模塊和時鐘模塊，能夠完成車輛工況歷史數(shù)據(jù)的目錄管理和數(shù)據(jù)存儲。設備原有的DSP芯片能夠滿足車輛工況識別的運算需求。

參考文獻：

［1］中華人民共和國環(huán)境保護部.2013年中國機動車污染防治年報［EB／0L］.中華人民共和國環(huán)境保護部，［2013-12-28］.http：／／www.zhb.gov.cn／gkml／hbb／qt／201401／W020140126591490573172.pdf

［2］呂仁志.基于工況與駕駛意圖識別的HEV控制策略［D］.大連：大連理工大學，2013.

［3］盛立東.模式識別導論［M］.北京：北京郵電大學出版社，2010.

（編輯楊景）

中圖分類號：U469.72

文獻標識碼：A

文章編號：1003－8639（2016）05－0013－04

收稿日期：2016-02-25；修回日期：2016-03-22

基金項目：國家 “863”高科技資助項目 （2010AA11A205）；國家自然科學基金 （51107006，61203171，61473057）；中國博士后科學基金 （2013T60278）；中央高?；究蒲袠I(yè)務費專項資金資助 （DUT15LK13）。

作者簡介：麻笑藝 （1990-），女，碩士；周雅夫 （1962-），男，教授，博士生導師。

Condition Identification and Prediction of Hybrid-energy Vehicle Based on Historical Data

MA Xiao-yi，HU Xiao-wei，ZHOU Ya-fu
（State Key Laboratory of Structural Analysis for Industrial Equipment，Department of Vehicle Engineering and Mechanics，Dalian University of Technology，Dalian 116024，China）

Abstract：To fully utilize its fuel economic efficiency，Hybrid-energy Vehicle needs to adjust appropriate energy management strategy according to the actual road condition in driving.According the periodicity of crowd condition of city roads，the article provides a condition identification and prediction method of hybrid bus based on historical data，to solve the delay issue of current condition identification method and add predictive function on it.To test accuracy of the method，the real bus driving data is collected.Finally，the design of a historical condition data storage and management device is provided.

Key words：Hybrid-energy Vehicle；condition identification；historical data