[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

本發明公開了基于Matlab/Simulink飛行汽車工況識別系統，包括：利用傳感器采集的飛行汽車工作狀態信息和工作環境信息，生成離線數據集，離線訓練應用改進遺傳算法優化的BP神經網絡模型，在飛行汽車行駛過程中根據飛行汽車的速度、海拔高度和升降舵角度判斷出飛行汽車當前所處的運行工況。本發明完善了工況識別研究體系，為混合動力能量管理策略的制定提供依據；利用BP神經網絡可以有效改善混合動力能量管理策略中基于瞬時優化計算量過大、基于全局優化與基于規則自適應能力缺失及基于強化學習要求大量訓練數據等問題；應用改進遺傳算法優化所構建的BP神經網絡能有效解決BP神經網絡收斂速度慢、易陷入局部極小值和魯棒性較差等問題，提高了陸空工況識別的準確度。

技術領域

本發明屬于汽車技術領域，具體涉及一種基于Matlab/Simulink飛行汽車工況識別系統。

背景技術

隨著中國經濟的飛速發展，汽車成為了人們出行必備的交通工具。混合動力飛行汽車的出現能很好的解決城市交通擁堵狀況日益嚴重和排放污染嚴重等問題，且隨著近幾年國家低空政策的開放，混合動力飛行汽車前景廣闊，全球很多國家均在飛行汽車上投入大量人力物力。研究混合動力飛行汽車能量管理策略可以增強飛行汽車的續航能力，減小噪聲，降低排放。如今，混合動力能量管理領域最具挑戰性的問題是車輛控制單元始終不知道行駛條件，這里的行駛條件可以解釋為駕駛循環工況、不同的駕駛風格和意圖、道路坡度及外溫度等。如果沒有這些信息，能量管理控制器就無法控制能量，在多種能源之間合理分配，從而造成燃料和能源的浪費。

因此，有必要提出一種基于Matlab/Simulink的混合動力飛行汽車陸空工況識別系統，無論是計算機仿真，還是實際運行，只需要通過實時采集飛行汽車的工作狀態信息和工作環境信息，就可以通過建立的數學模型計算出工況相關的特征參數，與海拔高度和升降舵角度共同作為BP神經網絡輸入參數，識別運行工況。利用BP神經網絡可以有效避免在制定混合動力能量管理策略時出現的基于瞬時優化計算量過大、基于全局優化與基于規則自適應能力缺失及基于強化學習要求大量訓練數據等問題；應用改進遺傳算法優化所構建的BP神經網絡能有效解決BP神經網絡收斂速度慢、易陷入局部極小值和魯棒性較差等問題，提高了陸空工況識別的準確度。

發明內容

本發明的目的是為了解決采用不同能量管理策略的混合動力飛行汽車在行駛過程中，基于瞬時優化計算量過大、實時響應時間慢、基于全局優化與基于規則自適應能力缺失及基于強化學習要求大量訓練數據等問題，而提出的一種基于Matlab/Simulink的混合動力汽車工況識別方法。該方法提高了工況特征參數的獲取效率，對硬件要求較低，可以應用到混合動力飛行汽車能量管理策略中的基于規則、基于優化和基于人工智能的能量管理策略中，不僅能提高汽車控制單元的實時計算效率，還能幫助能量管理模塊更合理的分配能源，提高燃油經濟性。

本發明目的可以通過以下途徑實現：

基于Matlab/Simulink的混合動力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；