[發明專利]基于微行程間隔時長預測的智能起停控制方法在審

申請號：	201710124970.6	申請日：	2017-03-03
公開（公告）號：	CN106762316A	公開（公告）日：	2017-05-31
發明（設計）人：	隗海林;包翠竹;李明達;豆雪珊;田崇河;郭運珍;李洪雪	申請（專利權）人：	吉林大學
主分類號：	F02N11/08	分類號：	F02N11/08
代理公司：	長春市四環專利事務所(普通合伙)22103	代理人：	張建成
地址：	130012 吉***	國省代碼：	吉林;22
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	基于微行間隔預測智能控制方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

技術領域

本發明涉及一種基于微行程間隔時長預測的智能起?？刂品椒ǎ瑢儆谲囕v節能控制領域，尤其涉及通過機器學習方法預測車輛行駛過程中的怠速時間長度，通過時間長度判斷決定是否需要關閉發動機。

背景技術

隨著汽車保有量的不斷增加，如何有效地節約能源減少排放已經成為亟待解決的問題。為了滿足車輛燃油經濟性的要求，近年來生產的汽車大部分都配備了自動起停系統，能夠在車輛靜止，發動機處于怠速工況時自動關閉發動機減少不必要的燃油消耗。現有的自動起停系統在NEDC工況下節油率能夠達到3.37％-5.04％。NEDC工況是歐洲標準測試工況，屬于模態工況，其中有較長的怠速工況，目前歐洲、中國、澳大利亞等國家或地區均使用NEDC測試工況評價開發車型。車輛的行駛工況是由一系列微行程及兩個微行程間隔的怠速工況組成，其中微行程是指從車速為0開始到再次車速為0結束的一個車輛運動的時間速度序列。

由于車輛實際的運行工況與NEDC工況有著明顯的不同，兩個微行程間隔時長變化范圍較大，這使得自動起停系統不能達到應有的節油效果。目前國內現有的車輛以家用為主，主要用于上下班出行，經常行駛于上下班高峰時段的大密度交通流中，在這種工況下微行程之間時間間隔大多較短，使得現有的自動起停系統頻繁地關閉和啟動發動機，這不僅會大大影響駕駛的舒適性而且會導致比怠速更多的燃油消耗，這是由于發動機起動需要混合氣加濃，發動機熱起動一次的油耗相當于發動機怠速6～8秒的油耗，如一臺排量1,489mL、直列4缸16氣門的發動機，怠速油耗是0.18mL/s，試驗表明該發動機熱起動一次的油耗為1.2mL，怠速時間6.7s以上才能節約燃油消耗，如果再考慮蓄電池起動過程能量消耗而導致的發動機間接油耗，以及隨著車輛使用年限的增加發動機劣化加劇而導致起動油耗隨之增加，因此怠速時間只有超過10s以上關閉發動機才能節約油耗。

發明內容

本發明針對自動起停系統的上述問題，提出了基于微行程間隔時長預測的智能起停控制方法，根據實際的運行工況預測車輛的微行程間隔時長，如果預測的微行程間隔時長在閾值范圍內(10秒)則關閉發動機，否則保持怠速狀態，如果實際情況下預測有誤則直接關閉發動機。

本發明包括工況數據采集模塊、有效速度序列特征提取模塊、數據訓練模塊、微行程間隔時長預測模塊和控制模塊；

工況數據采集模塊對速度工況數據的采集和存儲；

有效速度序列特征提取模塊對采集的工況數據進行分析判斷數據的有效性，確定有效速度時間序列的長度，并提取特征；

數據訓練模塊采集并存儲的數據將作為訓練樣本，對訓練樣本數據提取特征并判斷其所屬類別，將訓練數據的特征和類別信息輸入支持向量機模型進行學習，保存學習到的模型；

微行程間隔時長預測模塊對實時采集的數據提取相同特征，并使用訓練得到的模型預測微行程間隔時長類別；

控制模塊根據微行程間隔時長預測的結果關閉發動機或保持怠速狀態，并根據實際情況對預測結果進行判斷。

所述的工況數據采集模塊在車輛行駛的過程中實時采集車輛速度時間序列。

所述的有效速度序列特征提取模塊通過中值濾波方法去除實時采集的速度數據中由于設備波動原因出現的數據噪音，并循環確定固定長度的有效速度時間序列，在根據速度時間序列提取速度特征，速度均值、方差、加速度均值、方差、加速時間百分比、減速時間百分比、勻速時間百分比以及單位時間內停車次數。

所述的數據訓練模塊根據訓練數據的實際情況對訓練數據分類，微行程間隔時長超過10s為需要關閉發動機類(當前微行程間隔時長需要關閉發動機，小于等于10s為無需關閉發動機類(當前微行程間隔時長無需關閉發動機)，將訓練數據的特征和類別輸入支持向量機模型進行訓練并保存模型。

所述的微行程間隔時長預測模塊對實時時間速度序列數據提取特征，使用訓練得到的支持向量機模型對實時數據進行分類。