[發明專利]基于多元信息融合的插電式混合動力汽車能量管理方法

在審

• 申請號: 202210949151.6
• 申請日: 2022-08-09
• 公開（公告）號: CN115534929A
• 公開（公告）日: 2022-12-30
• 發明（設計）人: 胡志遠;王卓;譚丕強;樓狄明
• 申請（專利權）人: 同濟大學
• 主分類號: B60W20/11
• 分類號: B60W20/11;B60W20/30;G06N3/04;G06N3/08;G06N5/04
• 代理公司: 上?？剖⒅R產權代理有限公司 31225
• 代理人: 蔡彭君

1.一種基于多元信息融合的插電式混合動力汽車能量管理方法，其特征在于，包括以下步驟：

S1、獲取自適應模糊推理系統模型、車速序列預測模型和SOC參考軌跡估計器；

所述自適應模糊推理系統模型的輸入為上一時刻變速箱傳動比、當前時刻車速及歸一化整車需求功率，輸出為當前時刻變速箱傳動比；

所述車速序列預測模型的輸入為多元行駛信息，輸出為未來有限時域內的車速預測序列，所述多元行駛信息包括車速序列、前車車速、車距、信號燈狀態、距離及剩余時間；

所述SOC參考軌跡估計器的輸入為未來有限時域內的需求功率序列、當前時刻SOC值、循環結束時的期望SOC值，輸出為未來有限時域內的SOC終值；

S2、根據自適應模糊推理系統模型、車速序列預測模型和SOC參考軌跡估計器實時計算當前時刻變速箱傳動比、未來有限時域內的車速預測序列和未來有限時域內的SOC終值，基于龐特里亞金極小值原理進行有限時域內的滾動優化，得到該時域內的參考協態變量；

S3、若滾動優化有解，則利用參考協態變量在后續控制域內進行開環龐特里亞金極小值優化，得到相應的控制集，并在下一控制時域重復執行S2，若滾動優化無解，則根據未來有限時域內的SOC終值執行SOC跟隨策略，并在下一控制時域重復執行S2。

2.根據權利要求1所述的一種基于多元信息融合的插電式混合動力汽車能量管理方法，其特征在于，步驟S1中，獲取自適應模糊推理系統模型具體為：

根據不同工況下的歷史行車數據，設置不同的始末SOC條件，使用二維動態規劃對不同工況、不同始末SOC條件下的變速箱傳動比選取和轉矩分配進行優化求解，得到變速箱傳動比和SOC變化軌跡作為專家經驗；

構建自適應模糊推理系統模型，以上一時刻變速箱傳動比、當前時刻車速及歸一化整車需求功率為輸入，以當前時刻變速箱傳動比為輸出，使用變速箱傳動比專家經驗訓練自適應模糊推理系統模型，得到訓練好的自適應模糊推理系統模型。

3.根據權利要求1所述的一種基于多元信息融合的插電式混合動力汽車能量管理方法，其特征在于，步驟S1中，獲取車速序列預測模型具體為：

獲取歷史多元行駛信息，并將其按照不同的地理區域劃分為多個訓練集；

構建第一神經網絡模型，分別使用對應不同地理區域的訓練集對第一神經網絡模型進行訓練，得到對應不同地理區域的車速序列預測模型。

4.根據權利要求3所述的一種基于多元信息融合的插電式混合動力汽車能量管理方法，其特征在于，步驟S2中，在車輛起動時，根據出行的起止點獲取對應的車速序列預測模型，行車過程中獲取多元行駛信息，根據車速序列預測模型實時計算未來有限時域內的車速預測序列，在行程結束后，將本次行程中獲取的多元行駛信息以及實際車速信息保存，用于更新訓練車速序列預測模型。

5.根據權利要求1所述的一種基于多元信息融合的插電式混合動力汽車能量管理方法，其特征在于，步驟S1中，獲取SOC參考軌跡估計器具體為：

根據不同工況下的歷史行車數據，設置不同的始末SOC條件，使用二維動態規劃對不同工況、不同始末SOC條件下的變速箱傳動比選取和轉矩分配進行優化求解，得到變速箱傳動比和SOC變化軌跡作為專家經驗；

獲取歷史行車數據；

構建第二神經網絡模型，以未來有限時域內的需求功率序列、當前時刻SOC值、循環結束時的期望SOC值為輸入，以未來有限時域內的SOC終值為輸出，使用SOC變化軌跡專家經驗訓練第二神經網絡模型，得到SOC參考軌跡估計器。

6.根據權利要求2或5所述的一種基于多元信息融合的插電式混合動力汽車能量管理方法，其特征在于，二維動態規劃的成本函數計算公式具體為：

其中，Cost(t)表示t時刻采用相應控制律的等效成本，b_e為發動機比油耗，t_delta為時間離散步長，P_e(t)為t時刻發動機輸出功率，Ratio(t)與Ratio(t-1)為t時刻和t-1時刻的變速箱傳動比，α為傳動比變化懲罰因子。