布。這樣，MPC問(wèn)題可以被高效且穩(wěn)健地求 解。
[0099] 在一個(gè)示例中，考慮輸入u(k)的函數(shù)形式。具體而言，使
[0105] 其中，P是核分布并且c是核心，并且對(duì)于i = 1，"·，ρ，α 1是核系數(shù)。接下來(lái)使 用（7)，到未來(lái)If (k+r)的轉(zhuǎn)矩r數(shù)據(jù)步長(zhǎng)能夠由下式逼近
[0109] 假設(shè)p〈r，用于優(yōu)化的參數(shù)的最終數(shù)目減少到P，其結(jié)果為改善的優(yōu)化效率。
[0110] 作為另一示例，可以使用傅里葉級(jí)數(shù)逼近用于壓縮輸入空間。具體而言，u(k)可 以在傅立葉級(jí)數(shù)中逼近，例如
[0112] 其中，對(duì)于i = 1，···，ρ，CO1是預(yù)選的頻率。輸入序列l(wèi)T(k+r)隨后由下式逼近
[0118] 其中，輸入的維數(shù)可以從r減少到2p+l。
[0119] 在以上示例中的核系數(shù)a i能夠基于基礎(chǔ)向量庫(kù)來(lái)初始化并且進(jìn)一步地隨更新的 擾動(dòng)量進(jìn)一步更新。該庫(kù)由一組核系數(shù)α的連接向量以及所測(cè)量的擾動(dòng)量（道路坡度）D 的對(duì)應(yīng)向量組成。
[0120] 該庫(kù)由核系數(shù)a (k)的瞬時(shí)向量和預(yù)覽測(cè)量的擾動(dòng)量（道路坡度）的對(duì)應(yīng)向量 D(k+r)的實(shí)時(shí)簇不斷更新。這通過(guò)采用一個(gè)從k-近鄰算法導(dǎo)出的聚合算法來(lái)實(shí)現(xiàn)：
[0121] L核系數(shù)a (k)的最初向量以及預(yù)覽道路坡度D(k) = [(1&+1)~(10^0]1勺對(duì) 應(yīng)向量建立了該庫(kù)的第一基本向量，即第一簇中心：
[0122] m= 1，[(am)T(dm)T]T= [a (k) TD(k)T]T。
[0123] 2.假設(shè)已經(jīng)建立了m個(gè)簇中心[(a Dt(D1)T, i = [l，m]，并且a (k+p)是在（k+p) 處獲悉的核系數(shù)的向量。讓
[0124] j = arg Iiiini I I a (k+p) - α 11 I，i = [1，m] 〇
[0125] i.如果I I α (k+p)_a 1I I < ε R，則向量α (k+p)以及D(k+p)由以下公式更新最 靠近的j-th簇中心：
[0126] α ]：= (1-κ ) α ]+κ α (k+p),
[0127] Di:= (1-κ )D j+k D(k+p) 〇
[0128] ii.如果min I I α (k+p)_ α 11 I彡ε R，則向量α (k+p)以及D(k+p)由以下公式創(chuàng) 建新的（m+l)_th簇中心：
[0129] m ：= m+1, [(a m)T(dm)T]T= [a (k+p) TD(k+p)T]T〇
[0130] 在算法的開(kāi)始或在用于獲悉模型的RLS算法中重置協(xié)方差之后，這些簇中心能夠 被用來(lái)對(duì)特定坡度初始化核系數(shù)的向量。成比例地完成了對(duì)在當(dāng)前坡度預(yù)覽向量與庫(kù)中的 基礎(chǔ)坡度向量之間的距離倒數(shù)的插入。
[0134] 常量e R、σ、以及K定義了簇的粒度（granularity)以及更新簇中心的速率。
[0135] 在步驟506處，未來(lái)發(fā)動(dòng)機(jī)轉(zhuǎn)矩的每個(gè)參數(shù)都可以通過(guò)將來(lái)自步驟505的經(jīng)壓縮 的輸入應(yīng)用到MPC的優(yōu)化中來(lái)確定。
[0136] 作為一個(gè)示例，對(duì)于線性系統(tǒng)而言，將（8)代入到（3)中將得到增強(qiáng)的優(yōu)化問(wèn)題
[0138] 假設(shè)p〈r，通過(guò)將（8)代入到（3)中，用于優(yōu)化的參數(shù)的最終數(shù)目減少到p，其結(jié)果 為改善的優(yōu)化效率。
[0139] 作為另一個(gè)示例，對(duì)于非線性系統(tǒng)的時(shí)域軌跡的優(yōu)化，即考慮非線性系統(tǒng)表示
[0140] Y (k+r) = f (D (k+r), U (k+r)), (12)
[0141] 其中，優(yōu)化目標(biāo)被類(lèi)似于（3)建立為
[0142] min | | Y* (k+r+1) -f (D (k+r), U* (k+r))
[0143] s. j.EU*(k+r) =G
[0144] (13)
[0145] LU*(k+r) < F,
[0146] 然后，使用輸入壓縮，（13)變?yōu)?br>[0148] 在步驟407處，車(chē)輛參數(shù)基于在步驟406中確定的未來(lái)發(fā)動(dòng)機(jī)轉(zhuǎn)矩的第一參數(shù)來(lái) 確定。換言之，通過(guò)以經(jīng)確定的車(chē)輛參數(shù)來(lái)運(yùn)轉(zhuǎn)車(chē)輛，車(chē)輛的轉(zhuǎn)矩輸出可以與在步驟406中 確定的未來(lái)發(fā)動(dòng)機(jī)轉(zhuǎn)矩的第一參數(shù)相同。然后，車(chē)輛根據(jù)在步驟408中確定的車(chē)輛參數(shù)被 運(yùn)轉(zhuǎn)。車(chē)輛參數(shù)可以包括火花正時(shí)、燃料脈沖寬度、燃料脈沖正時(shí)、空氣充氣、節(jié)氣門(mén)開(kāi)度、 氣門(mén)正時(shí)、氣門(mén)升程、以及用于渦輪增壓發(fā)動(dòng)機(jī)或機(jī)械增壓發(fā)動(dòng)機(jī)的增壓的組合。
[0149] 在步驟408之后，方法400在步驟409處確定是否停止路徑規(guī)劃。作為一個(gè)不例， 如果車(chē)輛停駛則可以停止路徑規(guī)劃。作為另一個(gè)示例，車(chē)輛的操作者可以停止路徑規(guī)劃。如 果控制器確定應(yīng)該停止路徑規(guī)劃，方法400結(jié)束。否則，方法400移至步驟410以將時(shí)域向 前移動(dòng)一步。
[0150] 在步驟410處，控制器確定在車(chē)輛模型中是否有任何變化。作為一個(gè)示例，控制器 確定在外部環(huán)境因素（例如車(chē)輛質(zhì)量、風(fēng)或摩擦力）中是否有變化。作為另一個(gè)示例，控制 器確定在液力變矩器的運(yùn)轉(zhuǎn)中是否有變化。如果在車(chē)輛模型中有變化，方法400移至步驟 403,其中車(chē)輛模型參數(shù)被估算。如果在環(huán)境因素中沒(méi)有變化，方法400移至步驟412以更 新沿路線的擾動(dòng)量。
[0151] 在步驟412處，沿路線的擾動(dòng)量可以基于傳感器輸入被實(shí)時(shí)更新。然后，方法400 移至步驟405,步驟405用于更新基本向量庫(kù)并且對(duì)未來(lái)發(fā)動(dòng)機(jī)轉(zhuǎn)矩進(jìn)行重新計(jì)算。
[0152] 以這種方式，在這個(gè)說(shuō)明書(shū)中描述的方法提供了優(yōu)于用于路線規(guī)劃優(yōu)化的已存在 技術(shù)的若干優(yōu)點(diǎn)。具體而言，輸入空間的壓縮允許用戶(hù)利用很大的時(shí)域而不用犧牲擾動(dòng)量 或模型分辨率。相對(duì)于給定的坡度曲線以及模型的最優(yōu)軌跡的聚合（Smiimarization)允許 優(yōu)化算法的初始化以及快速收斂。此外，基于模型的物理的適應(yīng)允許優(yōu)化算法實(shí)現(xiàn)改變車(chē) 輛質(zhì)量、比例以及在坡度估算、風(fēng)、摩擦阻力、以及車(chē)輛老化中的偏置。
[0153] -種方法，包括響應(yīng)于確定的規(guī)劃路線操控車(chē)輛參數(shù)，該規(guī)劃路線對(duì)于一個(gè)用于 使燃料消耗最小化的給定時(shí)域并且進(jìn)一步基于沿所規(guī)劃的路線的擾動(dòng)量并且根據(jù)在給定 時(shí)域上發(fā)動(dòng)機(jī)轉(zhuǎn)矩的參數(shù)的經(jīng)壓縮的總數(shù)來(lái)確定。在該方法的第一示例中，發(fā)動(dòng)機(jī)轉(zhuǎn)矩的 參數(shù)的總數(shù)小于給定的時(shí)域的長(zhǎng)度。該方法的第二示例任選地包括該第一示例并且進(jìn)一 步包括：規(guī)劃路線進(jìn)一步基于當(dāng)運(yùn)轉(zhuǎn)車(chē)輛時(shí)建立的車(chē)輛模型被確定。該方法的第三示例 任選地包括該第一示例與該第二示例中的一個(gè)或多個(gè)或每個(gè)，并且進(jìn)一步包括其中：車(chē)輛 模型通過(guò)基于發(fā)動(dòng)機(jī)轉(zhuǎn)矩、擾動(dòng)量、燃料消耗、以及車(chē)輛的加速度的遞歸最小二乘估算來(lái)估 算。該方法的第四示例任選地包括該第一到第三示例中的一個(gè)或多個(gè)或每個(gè)，并且進(jìn)一步 包括其中：當(dāng)液力變矩器解鎖時(shí)車(chē)輛模型基于在離散事件的過(guò)程中液力變矩器鎖止響應(yīng) 的輸出來(lái)修正。該方法的第五示例任選地包括該第一到第四示例中的一個(gè)或多個(gè)或每個(gè)， 并且進(jìn)一步包括其中：發(fā)動(dòng)機(jī)轉(zhuǎn)矩的參數(shù)的總數(shù)基于從基本向量庫(kù)導(dǎo)出的多個(gè)核向量系數(shù) (kernel vector coefficient)來(lái)壓縮。該方法的第六示例任選地包括該第一到第五示例 中的一個(gè)或多個(gè)或每個(gè)，并且進(jìn)一步包括其中：基本向量庫(kù)基于當(dāng)前核向量系數(shù)以及未來(lái) 擾動(dòng)量來(lái)實(shí)時(shí)更新。該方法的第七示例任選地包括該第一到第六示例中的一個(gè)或多個(gè)或每 個(gè)，并且進(jìn)一步包括其中：核向量系數(shù)基于在使燃料消耗最小化之前的基礎(chǔ)向量庫(kù)來(lái)初始 化。該方法的第八示例任選地包括該第一到第七示例中的一個(gè)或多個(gè)或每個(gè)，并且進(jìn)一步 包括其中：當(dāng)估算模型參數(shù)時(shí)，核向量系數(shù)基于在重置協(xié)方差之后的基礎(chǔ)向量庫(kù)來(lái)初始化。 該方法的第九示例任選地包括該第一到第八示例中的一個(gè)或多個(gè)或每個(gè)，并且進(jìn)一步包括 其中：規(guī)劃路線基于在發(fā)動(dòng)機(jī)轉(zhuǎn)矩上的約束來(lái)確定。
[0154] 一種用于車(chē)輛的方法，包括：在車(chē)輛的運(yùn)轉(zhuǎn)過(guò)程中，基于發(fā)動(dòng)機(jī)轉(zhuǎn)矩、沿路線的擾 動(dòng)量、燃料消耗、以及車(chē)輛加速度來(lái)估算多個(gè)車(chē)輛模型參數(shù)；確定時(shí)域；構(gòu)建在該時(shí)域上的 未來(lái)發(fā)動(dòng)機(jī)轉(zhuǎn)矩，其中，該未來(lái)發(fā)動(dòng)機(jī)轉(zhuǎn)矩具有小于該時(shí)域長(zhǎng)度的參數(shù)的數(shù)目；確定該未來(lái) 發(fā)動(dòng)機(jī)轉(zhuǎn)矩的每個(gè)參數(shù)以提供希望的燃料消耗；基于該未來(lái)發(fā)動(dòng)機(jī)轉(zhuǎn)矩來(lái)運(yùn)轉(zhuǎn)該車(chē)輛；并 且將該時(shí)域向前移動(dòng)。在該方法的第一示例中未來(lái)發(fā)動(dòng)機(jī)轉(zhuǎn)矩的每個(gè)參數(shù)基于在未來(lái)