[發明專利]基于蜂群神經網絡集成的新能源車AMT換擋策略

有效

• 申請號: 201910520108.6
• 申請日: 2019-06-17
• 公開（公告）號: CN110185789B
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 蔡志華;常利軍;席守軍
• 申請（專利權）人: 湖南科技大學
• 主分類號: F16H61/02
• 分類號: F16H61/02;F16H59/24;F16H59/44;F16H59/48
• 代理公司: 北京盛凡智榮知識產權代理有限公司 11616
• 代理人: 許羽冬

1.基于蜂群神經網絡集成的新能源車AMT換擋策略，其特征在于：包括以下步驟：

Step1.加載樣本輸入車速、氣門開度和加速度進行三參數神經網絡自訓練；

Step2.設為神經網絡輸出值的誤差，N為樣本維度，Y為目標函數值，TN為神經網絡迭代次數，若f(x_i)≤Y或迭代次數為TN，則轉Step10，否則轉Step3；

Step3.初始化人工蜂群：人工蜂群的種群大小FN，最大迭代次數MAXCN，未更新上限LIMIT；神經網絡輸入層神經元個數為a，隱層神經元個數為b，輸出層神經元個數為c，人工蜂群的維數D＝(a+1)*b+(b+1)*c，將神經網絡所有權值和閾值賦予人工蜂群的D維分量；

Step4.生成初始化食物源，計算每個食物源的適應度值

Step5.引領蜂探查：以公式1-P′的概率進行更新，其中，為經過第F次迭代后由原始解和其鄰近解更新后的解，F′為當前迭代次數，若存在多個候選解，則選取適應度值最高的解成為新的候選解，若存在未修正的食物源，則將C+1，C為未修正次數；

Step6.跟隨蜂根據Step5更新后的食物源按照適應度值進行排序，分為兩個組，精英組G和淘汰組W，并記錄每個食物源在每個迭代周期的排名L_i以及存在的總周期數T_i，按照以1-P′的概率

進行選擇，其中∑L_i為食物源x_i在整個迭代周期內排名總和，其與T_i的比值為當前總迭代周期的排名平均值，其值越小則表明其在整個全局中適應度值最佳，為排名因子，決定了食物源x_i在整個迭代周期內的穩定排名比率；

Step7.判斷是否存在C_i＝LIMIT，若存在則對x_i的每一維進行適應度值計算，若存在某一維度j，j∈{1，2，3...D}，使得fit_i＞maxW(fit_k)，i≠k，則保留食物源x_i，并將食物源x_i與淘汰組W中的某一個食物源x_k進行替換，替換因子為ε∈(0，1)，同時隨機產生一個新的食物源；若不存在，則直接拋棄食物源x_i并產生一個隨機食物源；

Step8.利用Step5中的公式對被選擇的食物源進行更新；

Step9.判斷迭代次數是否達到MAXCN，若達到則停止計算并輸出結果，若沒有則返回Step4；

Step10.結束訓練。