对机动车的动力总成的电机的基于模型的预测性调节的制作方法

技术特征：
1.用于对机动车(1)的动力总成(7)的电机(8)进行基于模型的预测性调节的处理器单元(3)，其中，-所述处理器单元(3)被设置成用于：执行用于对机动车(1)的动力总成(7)的电机(8)进行基于模型的预测性调节的mpc算法(13)，-所述mpc算法(13)包含所述动力总成(7)的纵向动力学模型(14)，-所述mpc算法(13)包含要最小化的成本函数(15)，-所述成本函数(15)包含以第一加权因子加权的且按照所述纵向动力学模型(14)预测的电能作为第一项，所述电能在预测界域内由所述动力总成(7)的电池(9)提供用以驱动所述电机(8)，-所述成本函数(15)包含以第二加权因子加权的且按照所述纵向动力学模型(14)预测的行驶时间作为第二项，所述机动车(1)需要所述行驶时间来驶过在所述预测界域内预测的整个路程，并且-所述处理器单元(3)被设置成用于：通过执行所述mpc算法(13)，依赖于所述第一项并且依赖于所述第二项来确定针对所述电机(8)的输入参量，从而使所述成本函数最小化。2.根据权利要求1所述的处理器单元(3)，其中，-所述成本函数(15)包含以所述第一加权因子加权的能耗最终值，所预测的电能在所述预测界域结束时取所述能耗最终值；并且-所述成本函数(15)包含以所述第二加权因子加权的行驶时间最终值，所预测的行驶时间在所述预测界域结束时取所述行驶时间最终值。3.根据权利要求1或2所述的处理器单元(3)，其中，-所述成本函数(15)具有带第三加权因子的第三项，-所述第三项包含所述电机(8)为了驱动所述机动车(1)所提供的转矩的按照所述纵向动力学模型(14)预测的值，并且-所述处理器单元(3)被设置成用于：通过执行所述mpc算法(13)，依赖于所述第一项、依赖于所述第二项并且依赖于所述第三项来确定针对所述电机(8)的输入参量，从而使所述成本函数(15)最小化。4.根据权利要求3所述的处理器单元(3)，其中，-所述第三项包含所述电机(8)为了驱动所述机动车(1)在所述预测界域内的第一道路点提供的按照所述纵向动力学模型(14)预测的转矩的以所述第三加权因子加权的第一值，-所述第三项包含所述电机(8)为了驱动所述机动车(1)在紧接在所述第一道路点之前的第零道路点提供的转矩的以所述第三加权因子加权的第零值，并且-在所述成本函数(15)中，从所述转矩的第一值减去所述转矩的第零值。5.根据上述权利要求中任一项所述的处理器单元(3)，其中，-所述成本函数(15)具有带第四加权因子的第四项，-所述第四项包含转矩的按照所述纵向动力学模型(14)预测的梯度，并且-所述处理器单元(3)被设置成用于：通过执行所述mpc算法(13)，依赖于所述第一项、依赖于所述第二项、依赖于所述第三项并且依赖于所述第四项来确定针对所述电机(8)的输入参量，从而使所述成本函数(15)最小化。6.根据权利要求5所述的处理器单元(3)，其中，所述第四项包含所述转矩的梯度的与
所述第四加权因子相乘并累加的平方偏差。7.根据上述权利要求中任一项所述的处理器单元(3)，其中，-所述成本函数(15)包含以第五加权因子加权的松弛变量作为第五项，并且-所述处理器单元(3)被设置成用于：通过执行所述mpc算法(13)，依赖于所述第一项、依赖于所述第二项、依赖于所述第三项、依赖于所述第四项并且依赖于所述第五项来确定针对所述电机(8)的输入参量，从而使所述成本函数(15)最小化。8.根据上述权利要求中任一项所述的处理器单元(3)，其中，通过限制所述电机(8)的特性曲线簇来限制所述电机(8)的牵引力。9.机动车(3)，所述机动车包括：驾驶员辅助系统(16)；和具有电机(8)的动力总成(7)，其中，所述驾驶员辅助系统(16)被设置成用于：-借助通信接口访问针对所述电机(8)的输入参量，其中，所述输入参量是由根据上述权利要求中任一项所述的处理器单元(3)确定的，而且-基于所述输入参量来控制所述电机(8)。10.用于对机动车(1)的动力总成(7)的电机(8)进行基于模型的预测性调节的方法，所述方法包括如下步骤：-借助处理器单元(3)来执行用于对机动车(1)的动力总成(7)的电机(8)进行基于模型的预测性调节的mpc算法(13)，其中，所述mpc算法(13)包含所述动力总成(7)的纵向动力学模型(14)和要最小化的成本函数(15)，其中，所述成本函数(15)包含以第一加权因子加权的且按照所述纵向动力学模型(14)预测的电能作为第一项，所述电能在预测界域内由所述动力总成(7)的电池(9)提供用以驱动所述电机(8)，并且其中，所述成本函数(15)包含以第二加权因子加权的且按照所述纵向动力学模型(14)预测的行驶时间作为第二项，所述机动车(1)需要所述行驶时间来驶过在所述预测界域内预测的整个路程，并且-借助所述处理器单元(3)通过执行所述mpc算法(13)，依赖于所述第一项并且依赖于所述第二项来确定针对所述电机(8)的输入参量，从而使所述成本函数(15)最小化。11.用于对机动车(1)的动力总成(7)的电机(8)进行基于模型的预测性调节的计算机程序产品(11)，其中，所述计算机程序产品(11)当其在处理器单元(3)上执行时指示所述处理器单元(3)：-执行用于对机动车(1)的动力总成(7)的电机(8)进行基于模型的预测性调节的mpc算法(13)，其中，所述mpc算法(13)包含所述动力总成(7)的纵向动力学模型(14)和要最小化的成本函数(15)，其中，所述成本函数(15)包含以第一加权因子加权的且按照所述纵向动力学模型(14)预测的电能作为第一项，所述电能在预测界域内由所述动力总成(7)的电池(9)提供用以驱动所述电机(8)，并且其中，所述成本函数(15)包含以第二加权因子加权的且按照所述纵向动力学模型(14)预测的行驶时间作为第二项，所述机动车(1)需要所述行驶时间来驶过在所述预测界域内预测的整个路程，并且-通过执行所述mpc算法(13)，依赖于所述第一项并且依赖于所述第二项来确定针对所述电机(8)的输入参量，从而使所述成本函数(15)最小化。

技术总结
本发明涉及用于对机动车(1)的动力总成(7)的电机(8)进行基于模型的预测性调节的处理器单元(3)，其中，所述处理器单元(3)被设置成用于：执行用于对机动车(1)的动力总成(7)的电机(8)进行基于模型的预测性调节的MPC算法(13)。MPC算法(13)包含：动力总成(7)的纵向动力学模型(14)和要最小化的成本函数(15)。成本函数(15)包含以第一加权因子加权的且按照纵向动力学模型(14)预测的电能作为第一项，该电能在预测界域内由动力总成(7)的电池(9)提供用以驱动电机(8)。成本函数(15)包含以第二加权因子加权的且按照纵向动力学模型(14)预测的行驶时间作为第二项，机动车(1)需要该行驶时间以便驶过在预测界域内所预测的整个路程。处理器单元(3)被设置成用于：通过执行MPC算法(13)，依赖于第一项并且依赖于第二项来确定针对电机(8)的输入参量，从而使成本函数最小化。从而使成本函数最小化。从而使成本函数最小化。


技术研发人员：瓦莱里
受保护的技术使用者：ZF腓德烈斯哈芬股份公司
技术研发日：2019.10.25
技术公布日：2022/5/31