[發明專利]基于馬爾科夫鏈進化的汽車運行工況設計方法

有效

• 申請號: 201710492151.7
• 申請日: 2017-06-26
• 公開（公告）號: CN107122573B
• 公開（公告）日: 2020-04-17
• 發明（設計）人: 林楠;宗長富;施樹明;張曼;牟宇;徐超;李文茹
• 申請（專利權）人: 吉林大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F30/15;G06N3/12
• 代理公司: 長春吉大專利代理有限責任公司 22201
• 代理人: 趙炳仁

1.一種基于馬爾科夫鏈進化的汽車運行工況設計方法，其特征在于包括以下五個階段：

一、初始種群構建

通過汽車運行工況的馬爾科夫鏈隨機模擬生成多條滿足一定長度的起止為怠速狀態條件的工況狀態序列，以此組成一個初始種群；具體步驟如下：

1)統計三參數速度、加速度和坡度工況原始數據庫的狀態轉移矩陣：

首先，確定速度，加速度和坡度的劃分步長以及范圍，采用下式

s_t＝m_t+(n_t-1)×M+(p_t-1)×M×H,t＝1,2,…

將三維空間狀態m_t,n_t,p_t轉化為一維空間狀態s_t，其中，m_t為速度的狀態，n_t為加速度的狀態，p_t為坡度的狀態，M為速度最大維數，H為加速度最大維數；

然后，采用最大似然估計方法，統計狀態轉移概率矩陣P，

其中，p_ij為一維空間狀態s_i到一維空間狀態s_j的轉移概率，N_ij為一維空間狀態s_i到一維空間狀態s_j的轉移頻數，N_i為一維空間狀態s_i到一維空間的其他狀態的轉移頻數之和，S為一維空間狀態集合，m為一維空間狀態個數；

2)模擬馬爾科夫鏈隨機狀態序列X＝(k₀,k₁,...,k_ii,...),ii＝N，其中N為序列長度，

選取怠速狀態作為馬爾科夫鏈的初始狀態X(1)＝k₀，利用偽隨機數原則，在0和1之間取隨機數r₁，選擇滿足

的狀態k₁作為馬爾科夫鏈的下一狀態X(2)＝k₁，按照此模擬方法不斷重復，生成長度為N的工況狀態序列；選取終止狀態仍為怠速狀態的序列作為工況狀態序列，依次生成多條起止為怠速狀態的工況狀態序列；

3)生成工況的初始種群

采用遺傳算法中的整數編碼方式，將馬爾科夫鏈隨機生成的狀態編碼為基因，將長度為N的工況狀態序列編碼為一條染色體，則多條染色體即多條工況狀態序列組成一個初始種群；

二、目標函數設計

計算設計工況與參考數據庫的所有指標的相對偏差，采用滿意準則模型，將多目標轉化為單目標的目標函數；具體步驟如下：

1)選取工況的特征參數并設定允許偏差

選取汽車運行工況設計中的特征參數作為評價設計工況與原始數據庫一致性的評價指標，允許偏差根據工程應用需求設定；

2)設計工況與原始數據庫的指標函數一致性表達

X為生成的設計工況，I_o為原始數據庫的特征參數，I_d為設計工況的特征參數，e為允許偏差，用公式(2)表達設計工況與原始數據庫的一致性

|I_ow-I_dw|≤e_w,(w＝1,2,...,n),n＝11 (2)

3)利用公式(3)滿意準則模型的廣義形式

將公式(2)轉化為公式(4)

4)通過構造公式(5)輔助函數T_w

把公式(4)多目標轉化為公式(6)單目標函數F

三、交叉算子設計

利用汽車運行工況統計的狀態轉移矩陣，在任意兩個個體序列中，判斷與等長交叉段相關的四個基因轉移概率是否非零，選擇滿足馬爾科夫鏈狀態轉移關系的基因并進行等交叉段交叉，最終得到符合馬爾科夫鏈的交叉個體；具體步驟如下：

下述中，X⁽¹⁾和X⁽²⁾為兩條時間序列的個體，N為個體的長度，P為公式(1)計算得到的工況狀態轉移概率矩陣，

1)確定交叉位置

X⁽¹⁾的兩個相鄰基因和與X⁽²⁾的兩個相鄰基因和滿足

時，i為X⁽¹⁾的交叉位置，j為X⁽²⁾的交叉位置，且i不一定等于j；為到的轉移概率，為到的轉移概率；

2)確定交叉段

為保證X⁽¹⁾和X⁽²⁾發生交叉后，生成的子代個體仍然滿足長度為N，兩個個體各自交叉位置之間的部分染色體長度必須相同；按照上述“三、交叉算子設計”階段的步驟1)確定另一組交叉位置i′和j′，其滿足

其中i′-i＝j′-j，為到的轉移概率，為到的轉移概率；

3)實施交叉，生成子代個體

確定交叉位置以及交叉段后，交換X⁽¹⁾中位置i到i′和X⁽²⁾中j到j′之間的部分染色體，最終生成兩個子代染色體；

四、變異算子設計

變異算子采用上述“一、初始種群構建”階段的步驟2)中的馬爾科夫鏈隨機模擬方法進行設計，即滿足一定長度且起止為怠速狀態條件下，生成一定長度的工況狀態序列，并對其整數編碼，最后得到一條基因染色體作為變異個體；

五、代表性工況進化過程

設定迭代次數，進化初始種群至輸出最佳目標函數值的工況狀態序列；然后經過解碼，生成三參數的時間序列，即代表性工況。