[發明專利]一種混合動力客車未來車速軌跡預測方法

有效

• 申請號: 201410171956.8
• 申請日: 2014-04-25
• 公開（公告）號: CN103914985A
• 公開（公告）日: 2014-07-09
• 發明（設計）人: 連靜;常靜;李琳輝;黃海洋;周雅夫;鄭寧安;宗云鵬;麻笑藝;陳敏
• 申請（專利權）人: 大連理工大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/052;G06N3/08
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 李洪福

技術領域

本發明涉及一種混合動力客車未來車速軌跡預測方法，特別涉及到一種基于徑向基(Radial?Basis?Function,RBF)神經網絡在線學習的混合動力客車未來車速軌跡預測方法。

背景技術

混合動力電動汽車由于具有良好的燃油經濟性和較低的排放，已成為當前解決能源和排放問題最具現實意義的途徑之一。混合動力電動汽車的燃油經濟性和排放性主要是由多能源動力系統的能量管理策略所決定。從控制效果來看，全局優化策略可以視為混合動力系統最為理想、最具節油潛力的控制方法，而未來行駛工況預測是能量管理策略全局優化的前提條件。未來行駛工況預測即根據駕駛員在最近一段時間內駕駛車輛的速度信息預測車輛未來一段時間內的車速軌跡。未來行駛工況對當前時刻的能量分配管理策略具有重要影響，受人-車-環境綜合因素的制約。但目前已有的未來行駛工況預測方法多數通過采集車輛行駛參數，結合GPS定位信息，采用基于概率統計等的方法對未來車速軌跡進行預測，提供給優化控制策略，忽略了不同駕駛員的駕駛風格以及諸多實時變化的道路環境與交通狀態參數對未來行駛工況的影響，從而造成對未來行駛工況預測的準確度不夠。在駕駛員方面，不同駕駛員的行為對需求扭矩校正以及未來電池荷電狀態(State?of?Charge，SOC)工作區域約束具有重要影響；在道路和環境方面，前車距離、交通擁堵信息等數據反饋是影響車輛未來一段時間功率需求和用電情況的主要因素，從而對當前時刻功率分配有著重要影響。

發明內容

為克服現有技術的上述問題，本發明要提出一種使車輛具備工況“預知”能力的同時提高工況預測的準確度的混合動力客車未來車速軌跡預測方法。

為實現上述目的，本發明的技術方案如下：一種混合動力客車未來車速軌跡預測方法，包括下列步驟：

A、參數的獲取與歸一化處理

A1、參數的獲取：基于車載信息采集系統實時采集不同駕駛員在不同道路工況上行駛時各數據點實時運行數據，并存儲于道路數據庫中，構建形成樣本工況；在建立未來車速軌跡預測模型時，首先，從道路數據庫中提取混合動力客車運行于各樣本工況各時刻點t的有效實測數據，所述的有效實測數據包括車輛運行參數、前方道路環境與交通狀態參數，車輛運行參數為車輛瞬時速度v(t)，前方道路環境參數包括路面坡度i、道路曲率θ、自由駕駛空間即前車距離Δs，交通狀態參數包括占路比w％、車流量veh_total；其次，應用正交優化方法確定歷史觀測時間窗口長度為ΔT，預測時間步長為Δt，并記錄[t-ΔT，t]及[t，t+Δt]時間段內的車速改變頻率f，提取兩個時間段內的車輛運行參數平均速度最大速度v_max、速度均方差最大加速度a_max、加速度均值加速度均方差

同時，在構建未來車速預測軌跡模型時不僅要考慮上述車輛運行參數、前方道路與環境參數，還應將駕駛員的行為偏好對未來車速軌跡的影響考慮在內；針對不同駕駛員對加速踏板操作存在差異的問題，將駕駛員對車輛性能需求的偏好即駕駛風格分為動力型和經濟型兩類，并采用模糊識別方法對駕駛員駕駛風格進行識別，確定混合動力客車在一段時間內的加速度均值和加速度均方差為模糊控制系統輸入參數，該段時間內的駕駛風格隸屬度δ作為模糊控制系統的輸出，對駕駛員駕駛風格進行識別；

A2、參數歸一化處理：對于步驟A1中所獲取的有效實測數據車輛瞬時速度v(t)、路面坡度i、道路曲率θ、自由駕駛空間Δs、占路比w％、車流量veh_total、平均速度最大速度v_max、速度均方差車速改變頻率f、最大加速度a_max、加速度均值加速度均方差以及駕駛風格隸屬度δ，由于存在物理量量綱及數量級方面的差異，需要對其進行歸一化處理到[0,1]之間，從而在消除物理量量綱所帶來的差異的同時有效地降低數據的冗余度、提高神經網絡訓練的速度；歸一化處理計算公式如下：