详情

原文传递基于实际工况与驾驶风格双识别的混合动力汽车控制方法

专利名称：	基于实际工况与驾驶风格双识别的混合动力汽车控制方法
摘要：	本发明公开了一种基于实际工况与驾驶风格双识别的混合动力汽车控制方法，包括：采集车辆行驶工况数据，根据采集的行驶工况数据提取特征参数；根据提取的特征参数聚类得到不同类型行驶工况；提取不同类型行驶工况下反应驾驶风格的特征参数，根据提取的驾驶风格特征参数对不同类型行驶工况下的短行程进行聚类分析，分类得到在不同类型行驶工况下的反映不同驾驶风格的工况；以整车能耗最小为优化目标，动力性为约束条件，根据得到的在不同类型行驶工况下反映驾驶风格的工况对车辆控制参数进行优化，得到最优控制参数。通过建立双识别模型识别当前交通及驾驶风格，并调用相应控制参数，使发动机工作在高效率区间，大大提高了燃油经济性。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	清华大学苏州汽车研究院(吴江)
发明人：	高小杰;朱江
专利状态：	有效
申请日期：	2019-06-27T00:00:00+0800
发布日期：	2019-09-20T00:00:00+0800
申请号：	CN201910567085.4
公开号：	CN110254417A
代理机构：	苏州创元专利商标事务所有限公司
代理人：	范晴;丁浩秋
分类号：	B60W20/00(2016.01);B;B60;B60W;B60W20
申请人地址：	215200 江苏省苏州市吴江区联杨路139号
主权项：	1.一种基于实际工况与驾驶风格双识别的混合动力汽车控制方法，其特征在于，包括以下步骤： S01：采集车辆行驶工况数据，根据采集的行驶工况数据提取特征参数，所述特征参数包括平均车速、速度标准差和怠速比例； S02：根据提取的特征参数聚类得到不同类型行驶工况，所述类型包括拥堵、市区和市郊，并建立工况识别模型； S03：提取不同类型行驶工况的驾驶风格特征参数，所述驾驶风格特征参数包括平均加速度和加速度标准差，根据提取的驾驶风格特征参数对不同类型行驶工况的短行程进行聚类分析，分类得到在不同类型行驶工况下反映不同驾驶风格的工况，并建立驾驶员驾驶风格识别模型； S04：以整车能耗最小为优化目标，动力性为约束条件，根据得到的在不同类型行驶工况下反映不同驾驶风格的工况分别对车辆控制参数进行优化，得到多组最优控制参数。 2.根据权利要求1所述的基于实际工况与驾驶风格双识别的混合动力汽车控制方法，其特征在于，所述步骤S01中，提取特征参数之前对根据采集的行驶工况数据进行短行程划分。 3.根据权利要求2所述的基于实际工况与驾驶风格双识别的混合动力汽车控制方法，其特征在于，所述步骤S02中还包括，对提取的特征参数进行主成分分析得到短行程片段的主成分值；将短行程片段的工况数据所属的行驶工况类型进行编号；构建LVQ神经网络，将主成分值作为LVQ神经网络输入层，将行驶工况类型编号作为LVQ神经网络输出层；利用LVQ神经网络对短行程片段进行离线训练，得到基于LVQ神经网络的工况识别模型。 4.根据权利要求3所述的基于实际工况与驾驶风格双识别的混合动力汽车控制方法，其特征在于，所述步骤S03中还包括，将每类行驶工况片段的驾驶风格类型进行编号；构建LVQ神经网络，将提取的不同类型行驶工况的驾驶风格的特征参数作为LVQ神经网络输入层，将驾驶风格类型编号作为LVQ神经网络输出层；利用LVQ神经网络对短行程片段进行离线训练，得到基于LVQ神经网络的不同类型行驶工况下的驾驶风格识别模型。 5.根据权利要求2所述的基于实际工况与驾驶风格双识别的混合动力汽车控制方法，其特征在于，所述步骤S03中，对不同类型行驶工况的单个短行程片段与该类型行驶工况所有短行程片段构建成的工况数据进行相关性分析计算，得到相关系数，选取相关系数大的短行程片段构建得到反映不同类型行驶工况及驾驶风格的工况数据。 6.根据权利要求1所述的基于实际工况与驾驶风格双识别的混合动力汽车控制方法，其特征在于，所述步骤S04中，所述车辆控制参数包括发动机最优工作区间上下限和发动机介入车速。 7.一种基于实际工况与驾驶风格双识别的混合动力汽车控制方法，其特征在于，包括：行驶工况数据采集提取模块，采集车辆行驶工况数据，根据采集的行驶工况数据提取特征参数，所述特征参数包括平均车速、速度标准差和怠速比例；行驶工况构建与识别模块，根据提取的特征参数聚类得到不同类型行驶工况，所述类型包括拥堵、市区和市郊，并建立工况识别模型；驾驶风格工况构建与识别模块，提取不同类型行驶工况的驾驶风格特征参数，所述驾驶风格特征参数包括平均加速度和加速度标准差，根据提取的驾驶风格特征参数对不同类型行驶工况的短行程进行聚类分析，分类得到在不同类型行驶工况下的反映不同驾驶风格的工况，并建立驾驶员驾驶风格识别模型；控制优化模块，以整车能耗最小为优化目标，动力性为约束条件，根据得到的在不同类型行驶工况下反映不同驾驶风格的工况分别对车辆控制参数进行优化，得到多组最优控制参数。 8.根据权利要求7所述的基于实际工况与驾驶风格双识别的混合动力汽车控制方法，其特征在于，所述行驶工况构建与识别模块还包括工况识别模型训练模块，具体执行操作包括：对提取的特征参数进行主成分分析得到短行程片段的主成分值；将短行程片段的工况数据所属的行驶工况类型进行编号；构建LVQ神经网络，将主成分值作为LVQ神经网络输入层，将行驶工况类型编号作为LVQ神经网络输出层；利用LVQ神经网络对短行程片段进行离线训练，得到基于LVQ神经网络的工况识别模型。 9.根据权利要求7所述的基于实际工况与驾驶风格双识别的混合动力汽车控制方法，其特征在于，所述驾驶风格工况构建与识别模块还包括驾驶风格识别模型训练模块，具体执行操作包括：将每类行驶工况片段的驾驶风格类型进行编号；构建LVQ神经网络，将提取的不同类型行驶工况的驾驶风格的特征参数作为LVQ神经网络输入层，将驾驶风格类型编号作为LVQ神经网络输出层；利用LVQ神经网络对短行程片段进行离线训练，得到基于LVQ神经网络的不同类型行驶工况下的驾驶风格识别模型。 10.根据权利要求7所述的基于实际工况与驾驶风格双识别的混合动力汽车控制方法，其特征在于，所述驾驶风格工况构建与识别模块中，对不同类型行驶工况的单个短行程片段与该类型行驶工况所有短行程片段构建成的工况数据进行相关性分析计算，得到相关系数，选取相关系数大的短行程片段构建得到反映不同类型行驶工况及不同驾驶风格特征的工况数据。
所属类别：	发明专利