[發(fā)明專利]基于馬爾科夫鏈進化的汽車運行工況設(shè)計方法

有效

• 申請?zhí)枺?/td>: 201710492151.7
• 申請日: 2017-06-26
• 公開（公告）號: CN107122573B
• 公開（公告）日: 2020-04-17
• 發(fā)明（設(shè)計）人: 林楠;宗長富;施樹明;張曼;牟宇;徐超;李文茹
• 申請（專利權(quán)）人: 吉林大學(xué)
• 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(zé)任公司 22201
• 代理人: 趙炳仁

本發(fā)明涉及一種基于馬爾科夫鏈進化的汽車運行工況設(shè)計方法，它包括五個階段，第一為初始種群構(gòu)建，計算狀態(tài)轉(zhuǎn)移概率矩陣，利用馬爾科夫鏈隨機模擬方法得到多條狀態(tài)序列，將其編碼為多條染色體，由此構(gòu)建初始種群；第二為目標(biāo)函數(shù)設(shè)計，使用指標(biāo)函數(shù)表達(dá)工況的一致性，利用滿意準(zhǔn)則模型設(shè)計目標(biāo)函數(shù)；第三為交叉算子設(shè)計，兩個個體的各自相鄰基因滿足轉(zhuǎn)移關(guān)系時，確定交叉位置和交叉段，實施交叉；第四為變異算子設(shè)計，采用馬爾科夫鏈隨機模擬方法，生成狀態(tài)序列并作為變異子代；第五為代表性工況進化過程，輸出最佳的工況狀態(tài)序列，經(jīng)解碼生成三參數(shù)代表性工況。本方法有效解決了基于馬爾科夫鏈設(shè)計三參數(shù)高速工況效率低，精度低的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及汽車運行工況設(shè)計方法，特別是一種基于馬爾科夫鏈進化的汽車運行工況設(shè)計方法。

背景技術(shù)

汽車的排放和能源消耗是汽車領(lǐng)域內(nèi)備受關(guān)注的兩個方面。而在尋找降低排放和提高燃油消耗使用率的新技術(shù)時，例如在考察某類車輛在某一地區(qū)排放水平或者能量消耗量時，確定當(dāng)?shù)氐钠囘\行工況，才能夠提供可靠的檢測依據(jù)；在設(shè)計開發(fā)新車型的動力系統(tǒng)時，汽車運行工況是重要的評價依據(jù)。汽車運行工況作為汽車正向開發(fā)過程中的一項核心技術(shù)，其中合理的設(shè)計方法是能夠高效率得到代表性工況的關(guān)鍵。

在汽車運行工況設(shè)計方法中，基于馬爾科夫鏈的設(shè)計方法已成為工況設(shè)計的主流方法。它依據(jù)工況是馬爾科夫鏈的本質(zhì)的特點，運用馬爾科夫鏈隨機模擬生成的工況序列。2001年，Lin Jie在博士論文中提到汽車運行工況是一個隨機過程，首次利用馬爾科夫的方法設(shè)計工況。Shi Shuming等人證明在小尺度范圍內(nèi)(如1s)，運行工況具有強馬爾科夫性，即當(dāng)前狀態(tài)到下一時刻的狀態(tài)存在確定的狀態(tài)轉(zhuǎn)移概率。研究學(xué)者又對工況的馬爾科夫性進行了深入的拓展研究，Yue Bingjian等人通過試驗數(shù)據(jù)驗證了道路坡度具有馬爾科夫性，設(shè)計了三參數(shù)的運行工況。馬爾科夫鏈方法從符合工況動力學(xué)本質(zhì)特征的客觀事實出發(fā)，合理性強，富有科學(xué)依據(jù)。盡管馬爾科夫模型在汽車運行工況中使用成熟，但是更多研究學(xué)者們關(guān)注的是馬爾科夫鏈設(shè)計工況的應(yīng)用以及拓展，并未注意到基于馬爾科夫鏈設(shè)計汽車運行工況時，尤其設(shè)計多參數(shù)的高速工況時，存在設(shè)計效率極低的問題。因此，針對此問題提出本發(fā)明方法。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于馬爾科夫鏈進化的汽車運行工況設(shè)計方法，以提高基于馬爾科夫鏈方法設(shè)計多參數(shù)的高速工況的設(shè)計效率。

本發(fā)明基于馬爾科夫鏈進化的汽車運行工況設(shè)計方法，包括以下五個階段：

一、初始種群構(gòu)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(tài)條件的工況狀態(tài)序列，以此組成一個初始種群；具體步驟如下：

1)統(tǒng)計三參數(shù)(速度，加速度和坡度)工況原始數(shù)據(jù)庫的狀態(tài)轉(zhuǎn)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(tài)m_t,n_t,p_t轉(zhuǎn)化為一維空間狀態(tài)s_t，其中，m_t為速度的狀態(tài)，n_t為加速度的狀態(tài)，p_t為坡度的狀態(tài)，M為速度最大維數(shù)，H為加速度最大維數(shù)；

然后，采用最大似然估計方法，統(tǒng)計狀態(tài)轉(zhuǎn)移概率矩陣P，