详情

原文传递基于BP神经网络车速预测的复合电源能量管理方法

专利名称：	基于BP神经网络车速预测的复合电源能量管理方法
摘要：	一种基于BP神经网络车速预测的复合电源能量管理方法，首先建立BP神经网络车速预测模型，通过收集处理当前汽车行驶状态以及历时车速信息，作为神经网络模型输入参数，获得未来时段的预测车速；然后根据预测车速信息，结合整车模型求出电机需求功率，并采用模型预测控制算法求出预测时域内的最优控制量，再将最优控制量作用于系统，通过滚动优化与反馈反馈校正，求出整个工况的最优控制量。所述能量管理控制策略能有效地提高复合电源汽车能量使用效率，增加汽车续驶里程。
专利类型：	发明专利
国家地区组织代码：	浙江;33
申请人：	浙江工业大学
发明人：	胡强;付志军
专利状态：	有效
申请日期：	2019-01-21T00:00:00+0800
发布日期：	2019-05-17T00:00:00+0800
申请号：	CN201910051538.8
公开号：	CN109760523A
代理机构：	杭州斯可睿专利事务所有限公司
代理人：	王利强
分类号：	B60L50/40(2019.01);B;B60;B60L;B60L50
申请人地址：	310014 浙江省杭州市下城区朝晖六区潮王路18号
主权项：	1.一种基于神经网络车速预测的复合电源能量管理方法，其特征在于，所述方法包括以下步骤：步骤1，根据历史车速信息和当前汽车行驶状态，通过建立神经网络车速预测模型，获得K时刻未来一段时间的预测车速；步骤2，根据所述步骤1中的获得的预测车速计算出电机需求功率；步骤3，根据步骤2中的需求功率，采用模型预测控制算法滚动优化求解K时刻起预测时域内最优控制序列；步骤4，将步骤3中获得的最优控制序列首个控制量作用到整车系统，对下一时刻的预测值进行校正；步骤5，在k+1时刻重复步骤4的操作过程，直到求出整个系统的最优控制量。 2.如权利要求1所述的基于神经网络车速预测的复合电源能量管理方法，其特征在于，所述步骤1的过程为：所述车速预测模型采用BP神经网络预测模型，根据K时刻当前状态和历史车速信息，提取工况特征参数，组成BP神经网络模型的输入：式中，表示平均车速，vmax表示最大车速，amax表示最大加速度，fv表示车速标准方差，Pi表示怠速时间比例，分别为各时刻的车速； BP神经网络模型的结构采用三层BP神经网络，其中激活函数采用双曲型正切S型函数，定义如下: BP神经网络模型的输出Nout为未来一段时间的预测车速: Nout＝vk+1,vk+2,···,vk+P 式中，vk+1,vk+2,···,vk+P分别为未来各时刻的车速。 3.如权利要求1或2所述的基于神经网络车速预测的复合电源能量管理方法，其特征在于，所述步骤2中，电机需求功率根据汽车理论计算公式求取。 4.如权利要求1或2所述的基于神经网络车速预测的复合电源能量管理方法，其特征在于，所述步骤3中，模型预测控制算法计算最优控制序列，过程为：在采样时刻k，预测时域内的优化目标函数为：式中，wb和wu分别为对应项的权重系数；SOC0为电池SOC参考值，SOC1为超级电容SOC参考值，P为预测时域；优化问题的约束不等式方程如下：式中，Ibmin和Ibmax分别为电池充放电电流极值，Iumin和Iumax分别为超级电容单体充放电电流极值，SOCb为电池的荷电状态，SOCbmax、SOCbmin分别为电池SOC上下限值，SOCu为超级电容的荷电状态，SOCumax和SOCumin分别是超级电容的上下限值，Pbout为电池的输出功率，Puout是超级电容的输出功率，Pbmin、Pbmax分别为电池输出功率的最大最小值，Pumin、Pumax分别为超级电容输出功率的最大最小值。
所属类别：	发明专利