[發明專利]一種基于最小二乘支持向量機的油耗預測方法

有效

• 申請號: 201710453070.6
• 申請日: 2017-06-15
• 公開（公告）號: CN107368913B
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 劉昱;李孟良;徐月云;賀可勛;汪洋;郭謹瑋;秦孔建;張詩敏
• 申請（專利權）人: 中國汽車技術研究中心
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06Q50/30
• 代理公司: 天津濱海科緯知識產權代理有限公司 12211
• 代理人: 張瑩

1.一種基于最小二乘支持向量機的油耗預測方法，其特征在于：油耗預測方法流程主要包含以下幾個步驟，

(1)采集多輛車的OBD數據和GPS車速數據，OBD數據包括發動機轉速和瞬時油耗；計算車輛的運行特征參數，包括平均速度和怠速比例；

(2)收集步驟(1)中車輛的設計參數數據，包括車身參數、發動機參數和傳動系統特征參數；對車輛特征參數進行離散化處理；

(3)計算上述運行特征參數和設計參數與車輛實際油耗的對稱不確定度SU

其中，SU為對稱不確定度，X為某一運行特征參數或設計參數，Y為車輛的實際油耗，H(X)為變量X的熵，H(Y)為變量Y的熵，MI(X；Y)為變量X和Y的互信息；

(4)選擇對稱不確定度大于0.15的特征作為油耗敏感特征；

(5)將車輛劃分為訓練樣本和測試樣本；

(6)將訓練樣本的油耗敏感特征和型式認證油耗作為輸入，車輛實際油耗作為輸出，建立基于最小二乘支持向量機的油耗預測模型；并采用改進粒子群算法對最小二乘支持向量機模型的核函數參數和懲罰因子進行優化；改進粒子群算法采用可變慣性權，可變慣性權重公式如下：

w_m＝w_max-(w_max-w_min)·(1-e^-(5m/t))

其中，w為慣性權重，m為當前進化代數，t為最大迭代代數，w_max為慣性權重取值上界,w_min為慣性權重取值下界；

(7)利用訓練好的改進粒子群算法優化最小二乘支持向量機的車輛油耗預測模型對測試樣本的油耗進行預測。

2.根據權利要求1所述的一種基于最小二乘支持向量機的油耗預測方法，其特征在于：所述車身參數包含車身結構和車輛重量；發動機參數包含氣缸數目、發動機排量、氣缸排列形式、進氣方式、最大功率和升功率；傳動系統特征是指變速箱的類型。

3.根據權利要求1所述的一種基于最小二乘支持向量機的油耗預測方法，其特征在于：所述瞬時油耗通過進氣質量流量和空燃比計算得到：

其中為發動機瞬時油耗，q_m(t)為發動機瞬時進氣質量流量，λ(t)為瞬時空氣燃料混合氣中空氣質量與燃料質量的比值。

4.根據權利要求1所述的一種基于最小二乘支持向量機的油耗預測方法，其特征在于：車輛實際油耗通過車速和瞬時油耗計算得到，即瞬時油耗之和除以總里程再除以100。

5.根據權利要求1所述的一種基于最小二乘支持向量機的油耗預測方法，其特征在于：在改進粒子群算法中種群個體數目設置為10，進化代數設置為100，認知學習因子設置為1.5，社會學習因子設置為1.7，慣性權重的上界設置為0.9,下界設置為0.4，適應度函數選擇預測平均誤差率。