[發(fā)明專利]一種電動(dòng)汽車(chē)用驅(qū)動(dòng)電機(jī)系統(tǒng)性能評(píng)價(jià)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710234474.6
• 申請(qǐng)日: 2017-03-31
• 公開(kāi)（公告）號(hào): CN107085763A
• 公開(kāi)（公告）日: 2017-08-22
• 發(fā)明（設(shè)計(jì)）人: 喬維德
• 申請(qǐng)（專利權(quán)）人: 無(wú)錫開(kāi)放大學(xué)
• 主分類(lèi)號(hào): G06Q10/06
• 分類(lèi)號(hào): G06Q10/06;G06N3/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種電動(dòng)汽車(chē)用驅(qū)動(dòng)電機(jī)系統(tǒng)性能評(píng)價(jià)方法，其特征在于，所述方法包括：應(yīng)用層次分析法構(gòu)建電動(dòng)汽車(chē)用驅(qū)動(dòng)電機(jī)系統(tǒng)性能評(píng)價(jià)指標(biāo)體系，確定各性能指標(biāo)權(quán)重，建立驅(qū)動(dòng)電機(jī)性能評(píng)價(jià)的BP神經(jīng)網(wǎng)絡(luò)模型，利用蝙蝠-粒子群混合算法優(yōu)化且訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型。

2.根據(jù)權(quán)利要求1所述的一種電動(dòng)汽車(chē)用驅(qū)動(dòng)電機(jī)系統(tǒng)性能評(píng)價(jià)方法，具特征在于，所述電動(dòng)汽車(chē)用驅(qū)動(dòng)電機(jī)性能評(píng)價(jià)指標(biāo)體系，其層次結(jié)構(gòu)由目標(biāo)層(A)、一級(jí)指標(biāo)層(B)、二級(jí)指標(biāo)層(C)組成，目標(biāo)層為驅(qū)動(dòng)電機(jī)系統(tǒng)性能綜合評(píng)價(jià)，一級(jí)指標(biāo)層含有電機(jī)控制性能指標(biāo)、電機(jī)本體設(shè)計(jì)指標(biāo)、企業(yè)資質(zhì)能力指標(biāo)，二級(jí)指標(biāo)層為選取的電動(dòng)汽車(chē)驅(qū)動(dòng)電機(jī)系統(tǒng)性能的具體指標(biāo)，其中電機(jī)控制性能主要包括轉(zhuǎn)矩響應(yīng)時(shí)間(C₁₁)、轉(zhuǎn)矩控制精度(C₁₂)、堵轉(zhuǎn)轉(zhuǎn)矩(C₁₃)、轉(zhuǎn)速響應(yīng)時(shí)間(C₁₄)、電機(jī)高效率區(qū)間(C₁₅)、轉(zhuǎn)速超調(diào)量(C₁₆)、電機(jī)溫升(C₁₇)、控制器溫升(C₁₈)、電機(jī)可靠性(C₁₉)共9項(xiàng)指標(biāo)，電機(jī)本體設(shè)計(jì)包括電機(jī)功率密度(C₂₁)、轉(zhuǎn)速范圍(C₂₂)、控制器容量密度(C₂₃)、轉(zhuǎn)矩密度(C₂₄)、電機(jī)質(zhì)量(C₂₅)、控制器成本(C₂₆)、過(guò)載能力(C₂₇)、恒功率區(qū)域(C₂₈)、電機(jī)功率因數(shù)(C29)、控制操作性(C210)共10項(xiàng)指標(biāo)；企業(yè)資質(zhì)能力包含技術(shù)保障能力(C₃₁)、質(zhì)量保障能力(C₃₂)、售后服務(wù)能力(C₃₃)、價(jià)格水平(C₃₄)、供貨能力(C₃₅)、設(shè)備能力(C₃₆)、人力資源管理水平(C₃₇)共7項(xiàng)指標(biāo)。

3.根據(jù)權(quán)利要求1所述的一種電動(dòng)汽車(chē)用驅(qū)動(dòng)電機(jī)系統(tǒng)性能評(píng)價(jià)方法，其特征在于，所述電動(dòng)汽車(chē)驅(qū)動(dòng)電機(jī)系統(tǒng)性能指標(biāo)權(quán)重，采用1-9比率標(biāo)度法建立各指標(biāo)層的權(quán)重判斷矩陣A-B、B1-C、B2-C、B3-C，并獲得驅(qū)動(dòng)電機(jī)系統(tǒng)性能評(píng)價(jià)指標(biāo)的合成權(quán)重。

4.根據(jù)權(quán)利要求1所述的一種電動(dòng)汽車(chē)用驅(qū)動(dòng)電機(jī)系統(tǒng)性能評(píng)價(jià)方法，其特征在于，所述的利用蝙蝠-粒子群混合算法優(yōu)化且訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型，蝙蝠-粒子群混合算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的步驟如下：

步驟1：初始化參數(shù)及蝙蝠位置，即初始化蝙蝠算法中蝙蝠種群數(shù)量D，蝙蝠算法最大迭代次數(shù)NB，蝙蝠發(fā)出的脈沖(超聲波)頻率f，最大脈沖聲音強(qiáng)度S，最大脈沖頻度R₀，脈沖聲音強(qiáng)度衰減系數(shù)λ，脈沖頻度增加系數(shù)δ，隨機(jī)初始化蝙蝠的位置x_i(i＝1，2，…，D)，粒子群算法中最大迭代次數(shù)為NP，最大慣性權(quán)重ω_max，和最小慣性權(quán)重ω_min；

步驟2：按下列公式調(diào)整蝙蝠脈沖頻率f_i，更新蝙蝠飛行速度v_i及位置x_i，尋找當(dāng)前最優(yōu)蝙蝠個(gè)體，即：

f_i＝f_min+(f_max-f_min)h

vit+1=vit+(xit-xbest)fi]]>

xit+1=xit+vit+1]]>

式中，分別為t代和t+1代第i只蝙蝠所處的位置，分別為t代和t+1代第i只蝙蝠的飛行速度，f_i為第i只蝙蝠的脈沖頻率，f_max、f_min各為蝙蝠脈沖頻率的最大值、最小值，h為0～1區(qū)間均勻分布隨機(jī)數(shù)，x_best為當(dāng)前全局最優(yōu)位置；

步驟3：產(chǎn)生隨機(jī)數(shù)r₁，若r_i＞R_i，則從當(dāng)前種群中選取最優(yōu)解，且在最優(yōu)解附近隨機(jī)產(chǎn)生一個(gè)局部解，此時(shí)蝙蝠的新位置x_new為：

x_new＝x_old+τS^t

式中，τ為[-1，1]范圍的隨機(jī)數(shù)，S^t代表蝙蝠種群同一時(shí)間段內(nèi)響度平均值；

步驟4：產(chǎn)生隨機(jī)數(shù)r₂，若r₂＜S_i且均方誤差(適應(yīng)度)J(x_i)＜J(x₀)，按照規(guī)則增大R_i且減小S_i，即蝙蝠減小發(fā)射的超聲波脈沖響度，同時(shí)增加聲波脈沖發(fā)射次數(shù)，即：

Sit+1=λSit]]>

Rit+1=R0[1-exp(-δt)]]]>

式中，為第i只蝙蝠在t+1和t次迭代時(shí)的聲波脈沖響度，R_i^t+1為t+1次迭代時(shí)第i只蝙蝠發(fā)射脈沖頻度，λ為[0，1]范圍值，δ＞0；

步驟5：對(duì)蝙蝠個(gè)體按適應(yīng)度J(x_i)進(jìn)行評(píng)估，尋找并記錄當(dāng)前位置最佳蝙蝠個(gè)體，如果滿足蝙蝠算法最大迭代次數(shù)NB，則輸出M個(gè)最優(yōu)位置解，否則返回步驟2；

步驟6：M個(gè)最優(yōu)位置蝙蝠個(gè)體組成粒子群初始種群，按以下公式更新粒子速度、粒子位置。其中式(9)中的慣性權(quán)重ω自動(dòng)跟蹤粒子適應(yīng)度，可以避免進(jìn)化過(guò)程出現(xiàn)“早熟”和振蕩現(xiàn)象；

V_ij(t+1)＝ωV_ij(t)+C₁*R₁*(P_j(t)-X_ij(t))+C₂*R₂*(G_i(t)-X_ij(t))

X_ij(t+1)＝X_ij(t)+V_ij(t+1)

ω=ωmax-(ωmax-ωmin)(J-Jave)Jmax-Jave(J≥Jave)ωmax(J<Jave)]]>

式中，i＝1，2，…M，j＝1，2，…d，t為迭代進(jìn)化次數(shù)，X_ij(t)是粒子i在t代時(shí)當(dāng)前位置，V_ij(t)為粒子i在t代時(shí)速度，ω為慣性權(quán)重；P_j(t)為粒子i在t代經(jīng)歷的最優(yōu)位置，G_j(t)為粒子群所有粒子所經(jīng)歷的最優(yōu)位置，C₁、C₂為學(xué)習(xí)因子，R₁、R₂為[0，1]范圍值，J是粒子適應(yīng)度值，為粒子的平均適應(yīng)度值，J_max為粒子群中最大適應(yīng)度值；

步驟7：當(dāng)粒子群算法中達(dá)到最大迭代次數(shù)或者滿足全局最優(yōu)解G_i(t)＜ε(ε為比較小的數(shù)值)時(shí)，輸出全局最優(yōu)解；

步驟8：將經(jīng)蝙蝠-粒子群混合算法優(yōu)化后輸出的全局最優(yōu)個(gè)體代入BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值及閾值，通過(guò)輸入驅(qū)動(dòng)電機(jī)系統(tǒng)性能指標(biāo)數(shù)據(jù)樣本訓(xùn)練優(yōu)化BP網(wǎng)絡(luò)，最終使均方誤差(適應(yīng)度)J值最小，均方誤差(即適應(yīng)度)J定義為：

J=1nΣj=1nΣk=1m(Qjk-Yjk)2]]>

式中，Q_jk為第j個(gè)訓(xùn)練樣本在第k個(gè)輸出節(jié)點(diǎn)處的電機(jī)性能評(píng)價(jià)結(jié)果期望輸出，Y_jk為第j個(gè)訓(xùn)練樣本在第k個(gè)輸出節(jié)點(diǎn)處的電機(jī)性能評(píng)價(jià)結(jié)果實(shí)際輸出，m為神經(jīng)網(wǎng)絡(luò)輸出節(jié)點(diǎn)數(shù)，n為電機(jī)性能指標(biāo)訓(xùn)練數(shù)據(jù)樣本數(shù)。