一种基于驾驶场景和风格离线大数据学习模型的A-ECMS能量管理方法
- 国知局
- 2024-11-18 18:28:08
本发明属于车辆能量管理,特别是涉及一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法。
背景技术:
1、随着全球经济的快速发展和人口的不断增长,对能源的需求日益增加,且在纯电动汽车技术尚未完全成熟之前,混合动力汽车作为一种过渡车型,结合了传统燃油车和纯电动车的优点,既能够降低油耗和排放,又能够保持较长的续航里程和较好的动力性能。混合动力汽车的关键在于其系统的设计与控制,通过合理的能量管理策略,可以实现对多个动力源(如发动机、电机和电池)的优化配置和协同工作,从而提高整车的能量利用效率。
2、驾驶工况以及驾驶员驾驶风格对混合动力汽车的燃油经济性具有显著影响,然而传统的能量管理策略往往基于固定的规则和参数进行控制,无法充分考虑不同驾驶者的驾驶风格和不同道路场景的差异性,这导致能量管理策略在实际应用中缺乏个性化和精准性,无法最大化地提高能量利用效率。同时现有的能量管理策略在应对复杂多变的道路环境和驾驶需求时,往往存在实时性不足的问题,由于无法实时获取和处理大量的驾驶数据,策略无法及时作出调整和优化,从而影响了能量管理的效果。
技术实现思路
1、本发明的目的是提供一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法,以解决上述现有技术存在的问题。
2、为实现上述目的,本发明提供了一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法,包括:
3、在云端构建离线驾驶数据识别库并将所述离线驾驶数据识别库加载到车辆中,所述离线驾驶数据识别库为包括不同的驾驶风格、驾驶场景、初始能量轨迹与目标能量轨迹的多维动力参数优化库;
4、获取当前车辆的行车数据,计算所述行车数据的特征参数,将所述特征参数输入离线驾驶数据识别库中,获取当前优化动力控制参数;
5、基于所述当前优化动力控制参数结合自适应等效油耗最小化策略,实时计算当前车辆动力系统的最优控制序列,基于所述最优控制序列对当前车辆的能量进行管理。
6、可选的,所述离线驾驶数据识别库的构建过程包括:
7、获取原始数据,所述原始数据包括行车相关数据,对所述原始数据进行数据清洗和归一化处理,得到预处理后的原始数据;
8、对预处理后的原始数据进行主成分分析,得到降维数据;
9、在所述降维数据中选取若干数据点作为初始聚类中心进行聚类分析,得到具有不同特征参数的驾驶场景类型数据与驾驶风格类型数据;
10、基于监督学习识别算法构建特征参数与驾驶场景、驾驶风格的非线性关系,并建立驾驶场景库与驾驶风格库;所述特征参数包括驾驶场景特征参数和驾驶风格特征参数;
11、所述驾驶场景库和所述驾驶风格库的库输入分别为驾驶场景特征参数和驾驶风格特征参数,输出为对应的驾驶场景和驾驶风格;
12、设定若干初始能量轨迹和目标能量轨迹,基于智能优化算法,以综合油耗最小为目标对具有不同驾驶风格、初始能量轨迹和目标能量轨迹的典型驾驶工况迭代寻优,得到对应优化动力控制参数,建立不同的驾驶风格、驾驶场景、初始能量轨迹与目标能量轨迹的多维动力参数优化库。
13、可选的,所述驾驶场景特征参数包括最大正加速度、正加速度标准差、正加速度平均值、加速时间占比、最大负加速度、负加速度标准差、负加速度平均值、负加速时间占比、最大车速、车速标准值、平均车速、平均加速度、加速度标准差、巡航段平均车速和巡航时间占比。
14、可选的,所述驾驶风格特征参数包括最大正加速度、正加速度标准差、正加速度平均值、正急动度标准差、正急动度平均值、加速时间占比、最大负加速度、负加速度标准值、负加速度平均值、负加速时间占比、负急动度标准差、负急动度平均值、最大车速、平均车速、平均加速度、加速度标准值、巡航段平均车速、巡航时间占比、油门踏板标准差、油门踏板变化率标准差、制动踏板标准差、制动踏板变化率标准差、平均急动度和急动度标准差。
15、可选的,所述驾驶场景库的输出包括:拥堵场景、城市畅通场景、城郊场景和高速场景。
16、可选的,所述驾驶风格库的输出包括激进型、温和型和普通型。
17、可选的,获取当前车辆的行车数据后,还包括:
18、将所述行车数据上传至云端,计算当前车辆的驾驶场景和驾驶风格,基于当前车辆的驾驶场景和驾驶风格对所述离线驾驶数据识别库进行更新,并将更新后的离线驾驶数据识别库加载到车辆中。
19、可选的,将所述特征参数输入离线驾驶数据识别库中,获取当前优化动力控制参数,具体包括:
20、将所述特征参数输入离线驾驶数据识别库中进行场景识别和风格识别,得到与所述特征参数对应的典型驾驶场景和驾驶风格,所述离线驾驶数据识别库基于识别的典型驾驶场景和驾驶风格输出对应的当前能量轨迹、目标能量轨迹和当前优化动力控制参数。
21、可选的,基于所述当前优化动力控制参数结合自适应等效油耗最小化策略,实时计算当前车辆动力系统的最优控制序列,具体包括:
22、构建离散序列集,所述离散序列集包括发动机离散序列、电机离散序列和电池离散序列;
23、基于所述离散序列集设置ecms的瞬时优化约束条件;
24、基于所述瞬时优化约束条件和所述当前优化动力控制参数,以最小化车辆动力系统的等效燃油消耗为目标,构建瞬时优化目标函数;
25、对所述瞬时优化目标函数进行求解,得到当前时刻车辆动力系统的最优控制序列。
26、可选的,所述瞬时优化目标函数,具体为:
27、
28、
29、式中,为发动机燃油消耗率,为电池等效发动机燃油消耗率,s(t)为燃油等效因子;qlhv为燃油低热值;pbatt(t)为电池功率;p(soc(t))为soc惩罚函数。
30、本发明的技术效果为:
31、本发明通过构建以驾驶风格、驾驶场景、初始soc与目标soc为输入,以优化动力控制参数为输出的多维动力参数优化库,该方法能够更准确地识别当前驾驶场景和风格,并据此输出优化动力控制参数,大大提高了能量管理的效率和准确性,该方法能够显著降低车辆的能耗,提高燃油经济性,这对于新能源汽车和混合动力汽车来说尤为重要,有助于延长续航里程并降低使用成本。结合自适应等效油耗最小化策略(a-ecms),该方法能够实时计算并调整车辆动力系统的最优控制序列,以适应不断变化的驾驶条件和需求,这种动态调整能力确保了能量管理的实时性和有效性。本发明能够根据过去短时段的历史行驶信息,实时切换预设的多套控制参数方案,从而提高对各种工况的适应性,并进一步挖掘混合动力车辆的燃油经济性潜力。
技术特征:1.一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法,其特征在于,包括:
2.根据权利要求1所述的一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法,其特征在于,所述离线驾驶数据识别库的构建过程包括:
3.根据权利要求2所述的一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法,其特征在于,所述驾驶场景特征参数包括最大正加速度、正加速度标准差、正加速度平均值、加速时间占比、最大负加速度、负加速度标准差、负加速度平均值、负加速时间占比、最大车速、车速标准值、平均车速、平均加速度、加速度标准差、巡航段平均车速和巡航时间占比。
4.根据权利要求2所述的一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法,其特征在于,所述驾驶风格特征参数包括最大正加速度、正加速度标准差、正加速度平均值、正急动度标准差、正急动度平均值、加速时间占比、最大负加速度、负加速度标准值、负加速度平均值、负加速时间占比、负急动度标准差、负急动度平均值、最大车速、平均车速、平均加速度、加速度标准值、巡航段平均车速、巡航时间占比、油门踏板标准差、油门踏板变化率标准差、制动踏板标准差、制动踏板变化率标准差、平均急动度和急动度标准差。
5.根据权利要求2所述的一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法,其特征在于,所述驾驶场景库的输出包括:拥堵场景、城市畅通场景、城郊场景和高速场景。
6.根据权利要求2所述的一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法,其特征在于,所述驾驶风格库的输出包括激进型、温和型和普通型。
7.根据权利要求1所述的一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法,其特征在于,获取当前车辆的行车数据后,还包括:
8.根据权利要求1所述的一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法,其特征在于,将所述特征参数输入离线驾驶数据识别库中,获取当前优化动力控制参数,具体包括:
9.根据权利要求1所述的一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法,其特征在于,基于所述当前优化动力控制参数结合自适应等效油耗最小化策略,实时计算当前车辆动力系统的最优控制序列,具体包括:
10.根据权利要求9所述的一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法,其特征在于,所述瞬时优化目标函数,具体为:
技术总结本发明属于车辆能量管理技术领域,并公开了一种基于驾驶场景和风格离线大数据学习模型的A‑ECMS能量管理方法,包括:在云端构建离线驾驶数据识别库并将所述离线驾驶数据识别库加载到车辆中,所述离线驾驶数据识别库为包括不同的驾驶风格、驾驶场景、初始能量轨迹与目标能量轨迹的多维动力参数优化库;获取当前车辆的行车数据,计算所述行车数据的特征参数,将所述特征参数输入离线驾驶数据识别库中,获取当前优化动力控制参数;基于所述当前优化动力控制参数结合自适应等效油耗最小化策略,实时计算当前车辆动力系统的最优控制序列。本发明所述技术方案能够提高能量管理的效率和准确性。技术研发人员:朱晶宇,刘崇凡,韩梦威受保护的技术使用者:大连理工大学技术研发日:技术公布日:2024/11/14本文地址:https://www.jishuxx.com/zhuanli/20241118/328847.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表