[發明專利]一種基于自適應遺傳算法的分布式驅動汽車能效優化方法

在審

• 申請號: 201911094520.2
• 申請日: 2019-11-11
• 公開（公告）號: CN110837679A
• 公開（公告）日: 2020-02-25
• 發明（設計）人: 張盛龍;王佳;林玲;馮是全
• 申請（專利權）人: 常熟理工學院
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06N3/12;B60L15/20;B60L58/12
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 張超

1.一種基于自適應遺傳算法的分布式驅動汽車能效優化方法，其特征在于：包括以下步驟：

1)確定優化設計變量：設計變量一共包括四個參數，分別為：左前輪轂電機轉矩T_m1，右前輪轂電機轉矩T_m2、左后輪轂電機轉矩T_m3、右后輪轂電機轉矩T_m4；

2)確定優化設計目標：優化目標為分布式驅動電動汽車實時總效率最高；

3)確定優化限制條件：根據動力系統的電機技術參數確定T_m1，T_m2，T_m3和T_m4的工作范圍；

4)基于自適應遺傳算法進行能效優化，所述能效優化方法包括以下步驟：

步驟一、種群初始化，采用十進制編碼方法對汽車四個電機轉矩T_m1、T_m2、T_m3和T_m4進行編碼，種群規模定義為N，交叉常數k₁和k₂，變異常數k₃和k₄，迭代最大代數為T_max，隨機產生N個個體；

步驟二、計算初始種群中的每個個體v_i的適應度值大小，即第i個個體第k時刻汽車實施總效率η(k)_i大小；

步驟三、判斷當前優化代數t是否等于T_max，若為是則停止計算，取V中適應度值最大的個體，即第k時刻實時總效率η(k)_i最高的個體v_i作為所求結果并根據對應的T_m1(k)_i、T_m2(k)_i、T_m3(k)_i和T_m4(k)_i控制所述左前輪轂電機、右前輪轂電機、左后輪轂電機和右后輪轂電機，然后計算四個電機的轉矩之和T_m(k)_i，然后結束流程；

步驟四、計算交叉率P_c并根據交叉率P_c得到新的群體V₂；

步驟五、計算變異率P_m并根據變異率P_m得到新的群體V₃；

步驟六、將群體V₃作為新一代種群，用V₃代替V，并令t＝t+1，并返回步驟二。

2.根據權利要求1所述的基于自適應遺傳算法的分布式驅動汽車能效優化方法，其特征在于：所述步驟一中，種群初始化具體地，隨機產生N個個體，組成初始種群V＝{v₁,v₂,...,v_i,...,v_N}，其中第i個個體為v_i＝(v_i,1，v_i,2，v_i,3，v_i,4)，v_i,1表示第i個個體第k時刻左前輪轂電機轉矩T_m1(k)_i大小，v_i,2表示第i個個體第k時刻右前輪轂電機轉矩T_m2(k)_i大小，v_i,3表示第i個個體第k時刻左后輪轂電機轉矩T_m3(k)_i大小，v_i,4表示第i個個體第k時刻右后輪轂電機轉矩T_m4(k)_i大小，將當前優化代數設置為t＝1(t≤T_max)。