[發明專利]一種混合動力車輛的行駛工況分類預測方法

在審

• 申請號: 201710645911.3
• 申請日: 2017-08-01
• 公開（公告）號: CN107516107A
• 公開（公告）日: 2017-12-26
• 發明（設計）人: 王偉達;韓立金;丁峰;項昌樂;馬越
• 申請（專利權）人: 北京理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G07C5/08
• 代理公司: 北京隆源天恒知識產權代理事務所(普通合伙)11473
• 代理人: 閆冬

1.一種車輛行駛工況的工況分類預測方法，該方法包括：

利用K均值聚類算法在離線狀態下將車輛行駛工況分類為平穩工況與快變工況兩類，并在在線階段實時判斷車輛當前所處工況類別；

針對平穩工況，采用基于馬爾科夫鏈的車速預測方法，而針對快變工況，采用基于徑向基神經網絡的車速預測方法，以此綜合利用兩種方法的優點以達到最優的預測效果。

2.根據權利要求1所述的工況分類預測方法，其中根據以下特征參數：最大加速度(m/s2)、最大減速度(m/s2)、平均加速度(m/s2)、車速標準方差(km/h)、最高車速與最低車速之差(km/h)、加速度標準方差(m/s2)來將車輛行駛工況分類。

3.根據權利要求1所述的工況分類預測方法，其中采用K均值聚類算法，通過計算樣本間的親疏程度來進行數據分類，最終實現同一類中的數據具有較大的特征相似性，不同類之間則差異較大，具體工況判斷步驟如下：

離線階段：(1)組合多個標準循環工況構成樣本；

(2)在循環工況中每一采樣時刻計算過去10秒的工況特征參數，得到特征參數樣本數據[x₁₁,x₁₂,...,x_1m]，[x₂₁,x₂₂,...,x_2m]，……，[x_n1,x_n2,...,x_nm]，其中m為特征參數序數，n為循環工況長度；

(3)應用K均值聚類算法，隨機選取聚類中心c1＝[c₁₁,c₁₂,...,c_1m]，c2＝[c₂₁,c₂₂,...,c_2m]，計算所有樣本與聚類中心的距離，并將樣本按照最近鄰規則分組，歸屬不同θ_m(k)聚類域，其中k為迭代次數，再按下式調整聚類中心：

cm(k+1)=1nmΣx∈θm(k)x,i=1,2,...,m---(16)]]>

如果c_m(k+1)≠c_m(k)，則繼續調整聚類中心，直至聚類中心不再變化，則認為分類穩定，得到平穩工況的聚類中心c1和快變工況的聚類中心c2；

在線階段：(1)車輛實際行駛過程中，在當前采樣時刻計算出過去10秒的工況特征參數值[x₁,x₁,...,x_m]；

(2)依據下式計算特征參數值[x₁,x₁,...,x_m]到兩個聚類中心c1和c2的距離d：

dj=(x1-cj1)2+(x2-cj2)2+...+(xm-cjm)2---(17)]]>

式中：j＝1,2對應著兩類工況；

(3)若d₁≤d₂，則判斷當前時刻為平穩工況，若d₁＞d₂，則判斷當前時刻為快變工況。