[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

本發明公開了基于蜂群神經網絡集成的新能源車AMT換擋策略，針對神經網絡訓練三參數自動換擋策略中存在收斂速度慢，易陷入局部最優，從而導致誤差較大的問題，采用人工蜂群對神經網絡中的權值和閾值進行全局最優求解，并對人工蜂群存在的問題進行改進，改進蜂群中的引領蜂、跟隨蜂和偵查蜂階段的算法，使其具有自適應能力，前期提高全局搜索能力，后期加快收斂。基于人工蜂群的神經網絡較差訓練收斂速度較快，誤差極小，為新能源車自動換擋策略提供了準確的數據，使新能源車換擋更加平滑。

技術領域

本發明涉及新能源車技術領域，具體為基于蜂群神經網絡集成的新能源車AMT換擋策略。

背景技術

隨著電池技術的進步以及國家對環保的要求，新能源車已經進入人們的日常生活中。新能源車操控方便，適合群體廣泛，特別是采用電控機械式自動變速器，可以根據車輛運行狀態自動選檔、換擋。傳統的換擋策略主要有單參數、雙參數和三參數三種，利用神經網絡對輸入參數進行訓練，選擇誤差小應用在實際換擋中。由于神經網絡訓練屬于反向尋優，算法自身具有收斂速度慢，易陷入局部最優的缺點，因此存在誤差大，計算時間長的問題，靈活性較差。

發明內容

鑒于現有技術中所存在的問題，本發明公開了基于蜂群神經網絡集成的新能源車AMT換擋策略，采用的技術方案是，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≤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 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，，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以及存在的總周期數，按照

進行選擇，其中為食物源在整個迭代周期內排名總和，其與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，決定了食物源在整個迭代周期內的穩定排名比率。

Step7. 判斷是否存在，若存在則對的每一維進行適應度值計算，若存在某一維度，使得 ，則保留食物源，并將食物源與淘汰組W中的某一個食物源進行替換，替換因子為，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。