[發明專利]基于Matlab/Simulink飛行汽車工況識別系統

在審

• 申請號: 202210092644.2
• 申請日: 2022-01-26
• 公開（公告）號: CN114578708A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 隗海林;王哲釗;邵誠世;劉洋
• 申請（專利權）人: 吉林大學
• 主分類號: G05B17/02
• 分類號: G05B17/02
• 代理公司: 長春市東師專利事務所 22202
• 代理人: 張鐵生;劉延軍

1.基于Matlab/Simulink的飛行汽車陸空工況識別系統，包括以下步驟：

1）利用Avl-Cruise軟件中已有的地面行駛工況信息，并采集飛行汽車的飛行狀態信息及飛行環境信息，生成離線數據集；所述的飛行狀態信息為飛行汽車速度和升降舵角度，所述的飛行環境信息為飛行汽車海拔高度；

2）基于Simulink建立聯合仿真模型，以離線數據集中的速度信號作為輸入，經數學模型計算，輸出工況相關特征參數，所得特征參數與飛行汽車的升降舵角度和海拔高度共同組成行駛工況訓練樣本，通過聚類方法將行駛工況分為七類；

3）初始化BP神經網絡，利用訓練樣本訓練BP神經網絡工況識別模型；

4）基于改進的遺傳算法優化BP神經網絡工況識別模型，其中遺傳算法的交叉概率隨著迭代次數的增加而減小，使種群中優良個體的基因型得以保留延續；遺傳算法的變異概率隨著迭代次數的增加而增加，鼓勵新個體的出現；

5）基于Simulink建立基于改進遺傳算法優化的BP神經網絡工況識別模型，并以混合動力飛行汽車的工作狀態信息和工作環境信息作為輸入，完成車輛的工況識別。

2.根據權利要求1所述的基于Matlab/Simulink的飛行汽車陸空工況識別系統，其特征在于，所述的步驟1）為：

利用Avl-Cruise軟件中已有的地面行駛工況信息，即各種汽車行駛工況的速度-時間曲線；并將采集到的飛行汽車空中飛行的速度-時間曲線導入到Cruise中；飛行汽車在陸地行駛時，升降舵角度和海拔高度是一個常數；飛行汽車在空中飛行時，利用傳感器采集飛行汽車的升降舵角度和海拔高度；根據飛行汽車的飛行狀態信息和飛行環境信息，生成離線數據集。

3.根據權利要求1所述的基于Matlab/Simulink的飛行汽車陸空工況識別系統，其特征在于，所述步驟2）為：

基于Simulink建立數學模型，以Cruise中速度-時間曲線的20s為周期進行聯合仿真，計算飛行汽車的運行平均車速、平均車速、怠速時間百分比、平均加速度、平均減速度、最大加速度、最小減速度，結合飛行汽車離線數據集中的升降舵角度和海拔高度，將所得9個特征參數共同組成行駛工況訓練樣本；得到的訓練樣本庫采用二次聚類的方法將工況劃分為七類，分別為擁堵工況、高速工況、城市工況、郊區工況、巡航工況、起飛爬升工況和降落工況。

4.根據權利要求1所述的基于Matlab/Simulink的飛行汽車陸空工況識別系統，其特征在于，所述步驟3）為：

初始化BP神經網絡的權值和閾值，確定輸入層、隱含層和輸出層的神經元數目，選取激勵函數和訓練函數，設定迭代次數和目標性能，分別將各個樣本數據的9個特征參數；作為神經網絡的輸入，并將相應的工況類別編號作為輸出值，訓練神經網絡。

5.根據權利要求1所述的基于Matlab/Simulink的飛行汽車陸空工況識別系統，其特征在于，所述步驟4）為：

應用改進遺傳算法對BP神經網絡的權值和閾值進行優化，對訓練完成的BP神經網絡的權值和閾值編碼得到初始種群，解碼得到權值和閾值，并賦值給新建的BP神經網絡，訓練并測試該網絡，誤差值作為適應度，選擇適應度高得染色體進行復制，交叉、變異后得到新的種群，直到得到最佳的神經網絡權值和閾值，其中隨著迭代次數的增加，減小交叉概率，使種群中優良個體的基因型得以保留延續，增加變異概率，鼓勵新個體的出現。

6.根據權利要求1所述的基于Matlab/Simulink的飛行汽車陸空工況識別系統，其特征在于，所述步驟5）為：

將建立的最佳的BP神經網絡封裝為Simulink模塊，基于Simulink建立在線工況識別系統，以混合動力飛行汽車的工作狀態信息和工作環境信息作為輸入，完成車輛的工況識別。

7.根據權利要求1、2、3、4或5所述的基于Matlab/Simulink的混合動力飛行汽車陸空工況識別系統，其特征在于，所述的基于Simulink建立數學模型：

（1）

式中，是飛行汽車的速度，是飛行汽車的運行時間，是平均車速；

（2）

式中，是飛行汽車的速度，是飛行汽車的運行時間，是飛行汽車的加速時間，是飛行汽車的平均加速度；

（3）

式中，是飛行汽車的速度，是飛行汽車的運行時間，是飛行汽車的減速速時間，是飛行汽車的平均減速度；

（4）

式中，是飛行汽車的速度，是飛行汽車速度不為0的時間，為運行平均車速

（5）

式中，是飛行汽車的運行時間，是飛行汽車速度不為0的時間，為怠速時間百分比；

基于Simulink/Cruise聯合仿真，以Cruise中速度-時間曲線的20s為周期，根據飛行汽車速度，計算每個周期片段飛行汽車的運行平均車速、平均車速、怠速時間百分比、平均加速度、平均減速度、最大加速度、最小減速度；

飛行汽車飛行狀態的需求功率計算方法如公式（6）：

（6）

式中，為飛行汽車飛行阻力，為機翼面積；為阻力系數；為飛行汽車飛行速度；為飛行汽車所處高度的空氣密度；

由式（6）可以看出和是影響飛行汽車需求功率的重要變量，其中空氣密度隨著海拔高度的增加而下降，阻力系數與飛行汽車的迎角有關；

因此，在對陸空工況進行識別時，引入飛行汽車海拔高度與升降舵角度，將每個周期片段計算所得七個特征參數與對應的飛行汽車升降舵角度及海拔高度共九個特征參數，共同組成行駛工況訓練樣本；

起飛爬升階段升降舵角度大于0，地面行駛及巡航階段升降舵角度為0，下降階段升降舵角度小于0；起飛爬升階段飛行汽車海拔高度在 范巡航階段飛行汽車海拔高度在范圍內，下降階段飛行汽車海拔高度在范圍內；

其中，為飛行汽車初始高度；為飛行汽車巡航階段最低高度；為飛行汽車巡航階段最高高度；為飛行汽車下降階段最低高度。