[發明專利]一種基于變時域模型預測混合動力卡車耗能的方法有效
| 申請號: | 202011186181.3 | 申請日: | 2020-10-30 |
| 公開(公告)號: | CN112298155B | 公開(公告)日: | 2022-04-08 |
| 發明(設計)人: | 張偉夫;衡毅;杜春飛 | 申請(專利權)人: | 江蘇紫瑯汽車集團股份有限公司 |
| 主分類號: | B60W10/06 | 分類號: | B60W10/06;B60W10/08;B60W20/15;B60W10/26 |
| 代理公司: | 鹽城市大豐區豐晟知識產權代理事務所(特殊普通合伙) 32454 | 代理人: | 邵瓏;葛瀟敏 |
| 地址: | 226200 江蘇*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 時域 模型 預測 混合 動力 卡車 耗能 方法 | ||
本發明公開一種基于變時域模型預測混合動力卡車耗能的方法,步驟是:在試驗階段,混合動力卡車在城市工況中反復運行,獲取車輛原始運行數據,進行預處理后,利用k?means聚類算法進行分類,生成多個狀態片段;建立馬卡洛夫工況預測模型,對每個狀態片段提供多個預測時域,得到預測時域內的預測車速;計算并記錄車輛的實際車速,選擇預測精度高的預測時域作為該狀態片段的參數;在應用階段,根據卡車正常行駛的特征參數,找到與循環工況下狀態片段中匹配度高的工況對應的預測時域,作為該運行工況下的預測時域,根據馬可洛夫工況預測模型得到耗能。此種預測方法可實現預測時域的適時調整,在更準確地預測時域內的車速的同時,不會增加太大的計算負擔。
技術領域
本發明屬于混合動力卡車能量管理技術領域,特別涉及一種混合動力卡車根據實際工況改變預測時域的模型預測能量管理方法。
背景技術
隨著中國制造業與貿易的發展,貨運產業也隨之快速發展,出于節能減排、保護環境的目的,混合動力技術在卡車上得到越來越廣泛的應用。對于混合動力卡車而言,能量管理策略是這類汽車的關鍵技術之一,承擔了整個系統的能量分配和轉矩管理,對卡車的燃油經濟性和動力性具有極其重要的意義。由于模型預測控制非常適合解決非線性和不確定性問題,且能結合不同的優化算法在短時間內求得最優解,將其應用于HEV的能量管理,對燃油經濟性的提升有很大的幫助,同時,它用局部最優解來追求整體的最優效果,計算負荷小,具備一定的實車應用潛力。在進行模型預測控制時,預測時域長短對模型預測的精度以及尋優負荷有著很大的影響。固定的預測時域MPC方法無法很好地適應工況的變化,也就很難使車輛達到最優的燃油經濟性。在汽車實際運行時,最優的預測時域會隨著行駛工況變化。
應用模型預測控制方法在HET的能量管理時,預測時域長短對模型預測的精度以及尋優負荷有著很大的影響,基于此種考慮,本案由此產生。
發明內容
本發明的目的,在于提供一種基于變時域模型預測混合動力卡車耗能的方法,其可實現預測時域的適時調整,在更準確地預測時域內的車速的同時,不會增加太大的計算負擔。
本發明的再一目的,在于提供一種基于變時域模型預測混合動力卡車耗能的方法,其可對車輛運行的大部分工況進行分類,在未來能夠應用到更為廣泛的車輛控制領域。
為了達成上述目的,本發明的解決方案是:
一種基于變時域模型預測混合動力卡車耗能的方法,包括如下步驟:
步驟1,在試驗階段,混合動力卡車在城市工況中反復運行,獲取若干組車輛原始運行數據,進行預處理后,利用k-means聚類算法,將預處理后的數據根據特征參數進行分類,生成多個狀態片段;
步驟2,建立馬卡洛夫工況預測模型,對每個狀態片段提供3s,6s,9s,...,30s預測時域,得出該狀態片段下預測時域內的預測車速Ve;
步驟3,得出預測車速Ve的同時,計算并記錄車輛在預測時域內的實際車速Va,采用預測誤差e表征該預測時域下的預測精度,選擇預測精度高的預測時域作為該狀態片段的參數;
步驟4,在應用階段,根據混合動力卡車正常行駛的特征參數,找到與循環工況下狀態片段中匹配度高的工況對應的預測時域,作為該運行工況下的預測時域,根據馬可洛夫工況預測模型得到混合動力卡車的耗能。
上述步驟1中,對車輛原始運行數據進行預處理,是指對城市工況進行在線重構,將設定工況數據與實時工況數據以一比一的比例進行重構。
上述步驟1中,利用k-means聚類算法將預處理后的數據根據特征參數進行分類的具體過程是:
步驟a,以設定的網格精度將車速-加速度狀態空間劃分為n個狀態片段;
步驟b,在每個狀態片段內確定m個特征參數;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于江蘇紫瑯汽車集團股份有限公司,未經江蘇紫瑯汽車集團股份有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011186181.3/2.html,轉載請聲明來源鉆瓜專利網。





