一种功率分流混合动力汽车的工作模式决策方法和装置制造方法及图纸

本发明专利技术涉及一种功率分流混合动力汽车的工作模式决策方法和装置，方法包括以下步骤：1)获取车辆最新工况片段和车辆当前状态参数；2)通过主成分分析法得出车辆最新工况片段特征参数的主成分得分，进而计算最新工况片段到预设的各类工况聚类中心的欧氏距离，确定当前的行驶工况类别；3)采用对应类别的参数归一化模型，对车辆当前状态参数进行归一化处理；4)将归一化后的参数载入对应类别的工作模式决策子模型中，决策目标工作模式。与现有技术相比，本发明专利技术考虑到不同工况的影响，并基于动态规划所求解的各类典型工况下的全局最优工作模式决策序列，应用BP神经网络训练得出各类工况下的工作模式决策子模型，提高了汽车燃油经济性。

【技术实现步骤摘要】
一种功率分流混合动力汽车的工作模式决策方法和装置
本专利技术涉及混合动力汽车工作模式决策领域，尤其是涉及一种功率分流混合动力汽车的工作模式决策方法和装置。
技术介绍
随着日益严重的能源短缺与环境污染问题，各国都针对汽车制定了一系列关于燃油经济性与排放方面的限制性法规，且随着时间的推进，法规有着日益严格的趋势。为应对这一趋势，混合动力汽车的研究和发展一直是整个汽车行业发展的重点之一。功率分流混合动力汽车作为一种典型的混合动力汽车，能够实现动力输出端与发动机端转速、转矩的双解耦，具有极大的节能潜力。功率分流混合动力汽车具有发动机、电机等多个动力元件，车辆实际行驶时所需动力往往可由各动力元件单独或共同提供，因而能够实现多种工作模式。又由于不同工作模式下的能量利用率不尽相同，因而功率分流混合动力汽车工作模式决策方法对汽车燃油经济性有着极大的影响。授权公告号为CN108394403B的专利技术公开了一种功率分流式混合动力汽车模式切换控制方法，所述混合动力系统包括发动机、第一电机、第二电机、第一离合器、第二离合器等，所述控制方法首先划分系统工作模式为MG2直驱模式、MG1&MG2联合驱动模式、混合动力模式、发动机直驱模式、再生制动模式与机械制动模式，然后通过检测元件采集模式切换所需信息并输入控制元件，基于当前已知信息在控制元件中进行识别与判断，选择适当模式，同时给出模式判断条件中相关阈值的计算方法。该方法在阈值确定过程存在一定的人为因素，优化效果有限。公开号为CN108469274A的专利技术公开了一种工况识别及模式切换的方法及装置，方法包括：检测实时数据相对于均值数据的变化量是否处于待切换工况的阈值范围内，若是，确定从实时数据相对于均值数据的变化量进入所述待切换工况的阈值范围内的时刻起的预设时间段内，实时数据相对于均值数据的变化量处于所述阈值范围内的第一时间段总和，若所述第一时间段总和大于或等于预设标准时间，则确定当前工况为待切换工况并从当前与默认工况对应的工作模式切换至与所述待切换工况对应的工作模式。该方法是通过阈值来进行工况识别和模式切换，也存在一定的人为因素，优化效果有限。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种减少人为因素、提高燃油经济性的功率分流混合动力汽车的工作模式决策方法和装置。本专利技术的目的可以通过以下技术方案来实现：一种功率分流混合动力汽车的工作模式决策方法，包括以下步骤：数据获取步骤：从功率分流混合动力汽车中，获取车辆最新工况片段和车辆当前状态参数；工况识别步骤：通过主成分分析法得出车辆最新工况片段特征参数的主成分得分，进而计算车辆最新工况片段到预设的各类工况聚类中心的欧氏距离，确定功率分流混合动力汽车当前的行驶工况类别；参数归一化处理步骤：采用预先建立的，与当前的行驶工况类别相对应的参数归一化模型，对车辆当前状态参数进行参数归一化；工作模式决策子步骤：将归一化后的车辆当前状态参数载入预先建立并训练好的，与当前的行驶工况类别相对应的工作模式决策子模型中，决策目标工作模式。进一步地，工况识别步骤中，所述确定功率分流混合动力汽车当前的行驶工况类别，具体包括以下步骤：S101：计算所述车辆最新工况片段的特征参数；S102：采用主成分分析法，基于各类工况聚类中心的预设过程中所得出的主成分得分系数矩阵，从步骤S101获取的特征参数中，提取主成分得分结果；S103：根据步骤S102获取的主成分得分结果，计算车辆最新工况片段到预设的各类工况聚类中心的欧氏距离，以欧式距离最近的工况聚类中心所在的类别，作为功率分流混合动力汽车当前的行驶工况类别。进一步地，所述工作模式决策子模型基于BP神经网络构建，所述BP神经网络的输入为归一化后的车辆当前状态参数，输出为当前行驶工况类别下车辆在当前状态的目标工作模式。进一步地，所述工作模式决策子模型的预训练过程具体为，基于各类行驶工况类别下的参数归一化模型、预设的各类典型工况下的全局最优工作模式决策序列以及预设的各类典型工况下的典型参数样本，以归一化处理后的典型参数样本中的车辆当前状态参数为输入，以对应典型工况下车辆在当前状态的全局最优目标工作模式为目标输出，分别构建各个行驶工况类别下的工作模式决策子模型的训练样本、验证样本和测试样本，所述典型工况与所述行驶工况类别相对应；基于各个行驶工况类别下的工作模式决策子模型的训练样本、验证样本和测试样本，分别对各个行驶工况类别下的工作模式决策子模型进行训练。进一步地，所述各类工况聚类中心的预设过程获取各个行驶工况类别对应的车辆工况片段，所述典型工况的构建具体为，在每个行驶工况类别中，分别抽取其中最具代表性的车辆工况片段进行拼接，从而构成各个行驶工况类别的典型工况。最具代表性的车辆工况片段的判断方式可以为：根据车辆工况片段主成分提取结果的主成分得分，通过预先设置的得分阈值，筛选得到最具代表性的车辆工况片段。进一步地，所述各类典型工况下的全局最优工作模式决策序列的预先建立过程具体为：针对不同的典型工况，根据预设的既定模式下的能量分配策略，将各类典型工况起始与终止所对应的时间段划分为多个阶段，相邻两个阶段之间的时间间隔为第一时间，以整车燃油消耗为代价函数，将工作模式作为控制变量，将动力电池SOC值和当前工作模式作为状态变量，通过动态规划算法求解得出各类典型工况下的全局最优工作模式决策序列。进一步地，所述车辆当前状态参数包括整车需求转矩、当前车速、动力电池SOC值和当前工作模式；所述各类典型工况下的典型参数样本的预先建立过程具体为：基于预设的各类典型工况下的全局最优工作模式决策序列，得出包含相应典型工况下不同时刻的车辆当前状态参数的集合；在各类典型工况下的典型参数样本的预建立过程中，基于各类典型工况下的全局最优工作模式决策序列计算整车需求转矩Treq的计算公式为：式中，Treq为整车需求转矩，m为汽车的重量，g为重力比例系数，f为汽车滚动阻力系数，α为道路坡道角，CD为汽车空气阻力系数，A为汽车迎风面积，u为当前阶段的车速，δ为汽车旋转质量换算系数，a为汽车加速度，r为车轮半径，u′为下一阶段的车速，Δt为相邻两个阶段之间的时间间隔。进一步地，所述与当前的行驶工况类别相对应的参数归一化模型的计算表达式为：式中，为归一化后的第k个参数的数值，xk为第k个参数的数值，xmin为当前行驶工况类别所对应典型工况下的典型参数样本中第k个参数的最小值，xmax为当前行驶工况类别所对应典型工况下的典型参数样本中第k个参数的最大值。进一步地，所述各类工况聚类中心的预设过程包括以下步骤：S201：采集大样本的功率分流混合动力汽车的车辆行驶数据；S202：对所述车辆行驶数据中的时间-车速曲线按定时间长度进行片段划分，获取车辆工况片段数据集；S203：计算所述车辆工况片段数本文档来自技高网...

【技术保护点】
1.一种功率分流混合动力汽车的工作模式决策方法，其特征在于，包括以下步骤：/n数据获取步骤：从功率分流混合动力汽车中，获取车辆最新工况片段和车辆当前状态参数；/n工况识别步骤：通过主成分分析法得出车辆最新工况片段特征参数的主成分得分，进而计算车辆最新工况片段到预设的各类工况聚类中心的欧氏距离，确定功率分流混合动力汽车当前的行驶工况类别；/n参数归一化处理步骤：采用预先建立的，与当前的行驶工况类别相对应的参数归一化模型，对车辆当前状态参数进行参数归一化；/n工作模式决策子步骤：将归一化后的车辆当前状态参数载入预先建立并训练好的，与当前的行驶工况类别相对应的工作模式决策子模型中，决策目标工作模式。/n

【技术特征摘要】
1.一种功率分流混合动力汽车的工作模式决策方法，其特征在于，包括以下步骤：
数据获取步骤：从功率分流混合动力汽车中，获取车辆最新工况片段和车辆当前状态参数；
工况识别步骤：通过主成分分析法得出车辆最新工况片段特征参数的主成分得分，进而计算车辆最新工况片段到预设的各类工况聚类中心的欧氏距离，确定功率分流混合动力汽车当前的行驶工况类别；
参数归一化处理步骤：采用预先建立的，与当前的行驶工况类别相对应的参数归一化模型，对车辆当前状态参数进行参数归一化；
工作模式决策子步骤：将归一化后的车辆当前状态参数载入预先建立并训练好的，与当前的行驶工况类别相对应的工作模式决策子模型中，决策目标工作模式。


2.根据权利要求1所述的一种功率分流混合动力汽车的工作模式决策方法，其特征在于，所述工作模式决策子模型基于BP神经网络构建，所述BP神经网络的输入为归一化后的车辆当前状态参数，输出为当前行驶工况类别下车辆在当前状态的目标工作模式。


3.根据权利要求1所述的一种功率分流混合动力汽车的工作模式决策方法，其特征在于，所述工作模式决策子模型的预训练过程具体为，
基于各类行驶工况类别下的参数归一化模型、预设的各类典型工况下的全局最优工作模式决策序列以及预设的各类典型工况下的典型参数样本，
以归一化处理后的典型参数样本中的车辆当前状态参数为输入，以对应典型工况下车辆在当前状态的全局最优目标工作模式为目标输出，分别构建各个行驶工况类别下的工作模式决策子模型的训练样本、验证样本和测试样本，所述典型工况与所述行驶工况类别相对应；
基于各个行驶工况类别下的工作模式决策子模型的训练样本、验证样本和测试样本，分别对各个行驶工况类别下的工作模式决策子模型进行训练。


4.根据权利要求3所述的一种功率分流混合动力汽车的工作模式决策方法，其特征在于，所述各类工况聚类中心的预设过程获取各个行驶工况类别对应的车辆工况片段，所述典型工况的构建具体为，在每个行驶工况类别中，分别抽取其中最具代表性的车辆工况片段进行拼接，从而构成各个行驶工况类别的典型工况。


5.根据权利要求3所述的一种功率分流混合动力汽车的工作模式决策方法，其特征在于，所述各类典型工况下的全局最优工作模式决策序列的预先建立过程具体为：针对不同的典型工况，根据预设的既定模式下的能量分配策略，将各类典型工况起始与终止所对应的时间段划分为多个阶段，相邻两个阶段之间的时间间隔为第一时间，以整车燃油消耗为代价函数，将工作模式作为控制变量，将动力电池SOC值和当前工作模式作为状态变量，通过动态规划算法求解得出各类典型工况下的全局最优工作模式决策序列。


6.根据权利要求3所述的一种功率分流混合动力汽车的工作模式决策方法，其特...

【专利技术属性】
技术研发人员：赵治国，陈溢，李豪迪，范佳琦，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31