CN110077341A - 一种插电式混合动力汽车安全监控方法 - Google Patents
一种插电式混合动力汽车安全监控方法 Download PDFInfo
- Publication number
- CN110077341A CN110077341A CN201910409836.XA CN201910409836A CN110077341A CN 110077341 A CN110077341 A CN 110077341A CN 201910409836 A CN201910409836 A CN 201910409836A CN 110077341 A CN110077341 A CN 110077341A
- Authority
- CN
- China
- Prior art keywords
- energy
- storage battery
- automobile
- hybrid
- evaluation index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/12—Recording operating variables ; Monitoring of operating variables
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/24—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
- B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Automation & Control Theory (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Hybrid Electric Vehicles (AREA)
Abstract
本发明公开了一种插电式混合动力汽车安全监控方法,包括如下步骤:步骤一、获取汽车的机油温度、冷却水温度、发动机转速和油门开度,并且根据所述机油温度、冷却水温度、发动机转速和油门开度得到内燃机安全评价指数;步骤二、获取汽车储能电池的表面温度、储能电池的电压和储能电池的使用时间,并且根据所述储能电池的表面温度、储能电池的电压和储能电池的使用时间得到储能电池安全评价指数;步骤三、获取整车质量、汽车行驶速度和路面坡度,并且根据所述整车质量、汽车行驶速度、路面坡度、内燃机安全评价指数和储能电池的安全评价指数确定混合动力汽车的安全等级。
Description
技术领域
本发明属于混合动力汽车安全技术领域,特别涉及一种插电式混合动力汽车安全监控方法。
背景技术
混合动力汽车是指车辆驱动系统由两个或多个能同时运转的单个驱动系统联合组成的车辆,车辆的行驶功率依据实际的车辆行驶状态由单个驱动系统单独或共同提供。通常所说的混合动力汽车,一般是指油电混合动力汽车,即采用传统的内燃机(柴油机或汽油机)和电动机作为动力源,也有的发动机经过改造使用其他替代燃料,例如压缩天然气、丙烷和乙醇燃料等。
插电式混合动力汽车(简称PHEV),是一种新型的混合动力新能源汽车。区别于传统汽油动力与纯电驱动结合的混合动力,插电式混合动力驱动原理、驱动单元与电动车相同,唯一不同的是车上装备有一台发动机。
也就是说,插电式混合动力汽车有两套动力驱动系统,一套是传统内燃机驱动,以消费燃料(汽油或柴油)获得驱动力,一套是电控驱动,以消耗动力电池中的电量来获得动力,当然,在一定条件下,两者可以配合共同驱动车辆。
在现有技术中,在对车辆进行监控时,一般只在单一监测目标超过阈值时进行报警,而没有考虑到车辆的综合状况。而在实际驾驶过程中,往往会存在多个监测目标同时濒临安全阈值,这样的情况同样是比较危险的。而内燃机和储能电池是插电式混合动力汽车的动力系统,因此,结合路况对内燃机和储能电池进行综合安全监测对于插电式混合动力汽车的安全行驶是十分必要的。
发明内容
本发明提供了一种插电式混合动力汽车安全监控方法,根据机油温度、冷却水温度、发动机转速和油门开度得到内燃机安全评价指数;储能电池的表面温度、储能电池的电压和储能电池的使用时间得到储能电池安全评价指数;并且根据汽车的行驶状态及路况对汽车的安全等级进行综合判断,本发明目的是根据多个监测目标的检测数据对汽车的安全等级进行判断,使汽车的安全监控过程更为全面,以提高汽车安全系数。
本发明提供了一种插电式混合动力汽车安全监控方法,采用BP神经网络确定混合动力汽车的安全等级,其目的提高判断效率,及时发现汽车驾驶过程中存在的安全隐患。
本发明提供的技术方案为:
一种插电式混合动力汽车安全监控方法,包括:
步骤一、获取汽车的机油温度、冷却水温度、发动机转速和油门开度,并且根据所述机油温度、冷却水温度、发动机转速和油门开度得到内燃机安全评价指数;
步骤二、获取汽车储能电池的表面温度、储能电池的电压和储能电池的使用时间,并且根据所述储能电池的表面温度、储能电池的电压和储能电池的使用时间得到储能电池安全评价指数;
步骤三、获取整车质量、汽车行驶速度和路面坡度,并且根据所述整车质量、汽车行驶速度、路面坡度、内燃机安全评价指数和储能电池的安全评价指数确定混合动力汽车的安全等级。
优选的是,所述内燃机安全评价指数为:
其中,To为汽车的机油温度,To-0为汽车机油基准温度;Tw为冷却水温度,Tw-0为冷却水基准温度;ω为发动机转速,ω0为发动机基准转速;α为油门开度,α0为基准油门开度;λ1、λ2、λ3和λ4分别为经验参数。
优选的是,当发动机转速ω≥2000rpm时,λ1=0.2~0.3,λ2=0.2~0.3,λ3=0.3~0.4,λ4=0.1~0.3;
当发动机转速ω<2000rpm时,λ1=0.2~0.3,λ2=0.1~0.2,λ3=0.2~0.3,λ4=0.3~0.4。
优选的是,所述储能电池安全评价指数为:
其中,t为储能电池的使用时间,t0为储能电池的基准使用时间;V为储能电池的电压,V0为储能电池的基准电压;Tc为储能电池的表面温度,Tc-0为储能电池的基准表面温度。
优选的是,在所述步骤三中,通过BP神经网络确定所述混合动力汽车的安全等级,包括如下步骤:
步骤1、获取整车质量m、汽车行驶速度v、路面坡度i、内燃机安全评价指数E和储能电池安全评价指数C;
步骤2、依次将获取的参数进行规格化,确定三层BP神经网络的输入层神经元向量x={x1,x2,x3,x4,x5},其中,x1为整车质量系数、x2为汽车行驶速度系数、x3为路面坡度系数、x4为内燃机安全评价指数系数,x5为储能电池安全评价指数系数;
步骤3、所述输入层向量映射到隐层,所述隐层向量y={y1,y2,…,ym},m为隐藏层节点个数;
步骤4、得到输出层神经元向量o={o1,o2,o3};其中,o1为设定的第1安全等级,o2为设定的第2安全等级,o3为设定的第3安全等级;所述输出层神经元值为k为输出层神经元序列号,k={1,2,3},i为设定的第i个安全等级,i={1,2,3},当ok为1时,此时,汽车处于ok对应的安全等级。
优选的是,所述隐藏层节点个数为4个。
优选的是,所述隐藏层及所述输出层的激励函数均采用S型函数fj(x)=1/(1+e-x)。
优选的是,在所述步骤三之后,还包括:根据所述混合动力汽车的安全等级对驾驶员进行提示;
其中,当汽车处于第2安全等级时,提醒驾驶员在本次驾驶结束后对汽车进行检查;
当汽车处于第3安全等级时,提示驾驶员应立即停车检查。
本发明的有益效果是:
本发明提供的插电式混合动力汽车安全监控方法,根据多个监测目标的检测数据对汽车的安全等级进行判断,能够使汽车的安全监控过程更为全面,从而提高汽车安全系数。
本发明提供的插电式混合动力汽车安全监控方法,采用BP神经网络确定混合动力汽车的安全等级,能够提高判断效率,及时发现混合动力汽车驾驶过程中存在的安全隐患。
具体实施方式
下面对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
本发明提供了一种插电式混合动力汽车安全监控方法,包括如下步骤:
步骤一、在汽车行驶过程中,按照采样周期获取汽车的机油温度TO、冷却水温度Tw、发动机转速ω和油门开度α,并且根据所述机油温度TO、冷却水温度Tw、发动机转速ω和油门开度α得到内燃机安全评价指数E。
步骤二、在汽车行驶过程中,按照采样周期获取汽车储能电池的表面温度Tc、储能电池的电压V和储能电池的使用时间t,并且根据所述储能电池的表面温度Tc、储能电池的电压V和储能电池的使用时间t得到储能电池安全评价指数C。
步骤三、按照采样周期获取整车质量m、汽车行驶速度v和路面坡度i,并且根据所述整车质量m、汽车行驶速度v、路面坡度i、内燃机安全评价指数E和储能电池的安全评价指数C对混合动力汽车的安全等级进行判断。
在另一实施例中,所述插电式混合动力汽车安全监控方法是通过插电式混合动力汽车安全监控系统实现的。其中,所述插电式混合动力汽车安全监控系统包括:油温检测传感器,其用于监测汽车内燃机的机油温度;水温检测传感器,其用于检测汽车内燃机的冷却水温度;电池温度检测传感器,其用于检测储能电池的表面温度;质量传感器,其用于检测整车重量;速度传感器,其用于检测车速;坡度传感器,其用于检测路面坡度。所述插电式混合动力汽车安全监控系统还包括:数据采集模块,其与所述油温检测传感器、水温检测传感器、电池温度检测传感器、质量传感器、速度传感器和坡度传感器分别连接;同时,所述数据采集模块连接汽车的can总线以及汽车电池管理系统,并从汽车的can总线获取发动机转速和油门开度,从汽车电池管理系统获取储能电池的电压和电池的使用时间;其中,电池的使用时间为电池开始使用至当前检测时间的总时长。所述插电式混合动力汽车安全监控系统还包括:数据接收与存储模块,其接收所述数据采集模块发送的信息;以及信息运算与处理模块,其接收所述数据接收与存储模块发送的信息,并根据接收到的数据进行计算并输出混合动力汽车的安全状态等级;预警模块,其与所述信息运算与处理模块连接,用于根据汽车的安全状态的等级对驾驶员进行预警提示。
在另一实施例中,确定所述内燃机安全评价指数E为:
其中,To为汽车的机油温度,单位℃,To-0为汽车机油基准温度,单位℃;Tw为冷却水温度,单位℃,Tw-0为冷却水基准温度,单位℃;ω为发动机转速,单位rpm,ω0为发动机基准转速,单位rpm;α为油门开度,α0为基准油门开度;λ1、λ2、λ3和λ4分别为经验参数。
在另一实施例中,设定汽车机油基准油温To-0=80℃,冷却水基准温度Tw-0=90℃,发动机基准转速ω0=2000rpm,基准油门开度α0=50%。
当发动机转速ω≥2000rpm时,λ1=0.2~0.3,λ2=0.2~0.3,λ3=0.3~0.4,λ4=0.1~0.3;
当发动机转速ω<2000rpm时,λ1=0.2~0.3,λ2=0.1~0.2,λ3=0.2~0.3,λ4=0.3~0.4。
其中,内燃机安全评价指数E越大代表内燃机安全系数越低。
在另一实施例中,确定所述储能电池安全评价指数C为:
其中,t为储能电池的使用时间,单位年,t0为储能电池的基准使用时间,单位年;V为储能电池的电压,单位V,V0为储能电池的基准电压,单位V;Tc为储能电池的表面温度,单位℃,Tc-0为储能电池的基准表面温度,单位℃。
在另一实施例中,设定储能电池的基准使用时间t0=5年;储能电池的基准电压为V0=12V;储能电池的基准表面温度Tc-0=30℃。
其中,储能电池安全评价指数C越大代表储能电池的安全系数越低。
在另一实施例中,在所述步骤三中,通过BP神经网络对所述混合动力汽车的安全等级进行判断,包括如下步骤:
步骤1、建立BP神经网络模型。
BP模型上各层次的神经元之间形成全互连连接,各层次内的神经元之间没有连接,输入层神经元的输出与输入相同,即oi=xi。中间隐含层和输出层的神经元的操作特性为:
opj=fj(netpj)
其中,p表示当前的输入样本,ωji为从神经元i到神经元j的连接权值,opi为神经元j的当前输入,opj为其输出;fj为非线性可微非递减函数,取为S型函数,即fj(x)=1/(1+e-x)。
本发明采用的BP网络体系结构由三层组成,第一层为输入层,共n个节点,对应了表示设备工作状态的n个检测信号,这些信号参数由数据预处理模块给出;第二层为隐藏层,共m个节点,由网络的训练过程以自适应的方式确定;第三层为输出层,共p个节点,由系统实际需要输出的响应确定。
该网络的数学模型为:
输入向量:x=(x1,x2,...,xn)T
中间层向量:y=(y1,y2,...,ym)T
输出向量:o=(o1,o2,...,op)T
本发明中,输入层节点数为n=5,输出层节点数为p=3,隐藏层节点数m由下式估算得出:
输入层5个参数分别表示为:x1为整车质量系数、x2为汽车行驶速度系数、x3为路面坡度系数、x4为内燃机安全评价指数系数,x5为储能电池安全评价指数系数;
由于传感器获取的数据属于不同的物理量,其量纲各不相同。因此,在数据输入人工神经网络之前,需要将数据规格化为0-1之间的数。
归一化的公式为其中,xj为输入层向量中的参数,Xj分别为参数m、v、i、E、C,j=1,2,3,4;Xjmax和Xjmin分别为相应参数中的最大值和最小值。
具体而言,对于整车质量m,进行规格化后,得到整车质量系数x1:
其中,mmin和mmax分别为质量传感器测量的最小整车质量和最大整车质量。
同样的,对于汽车行驶速度v,通过下式进行规格化,得到汽车行驶速度系数x2:
其中,vmin和vmax分别为速传感器检测的最小汽车行驶速度和最大汽车行驶速度。
对于路面坡度i,进行规格化后,得到路面坡度系数x3:
其中,imin和imax分别为坡度检测的最小路面坡度和最大路面坡度。
对于计算得到的内燃机安全评价指数E,进行规格化后,得到内燃机安全评价指数系数x4:
其中,Emin和Emax分别为计算得到的最小内燃机安全评价指数和最大内燃机安全评价指数。
对于计算得到的储能电池安全评价指数C,进行规格化后,得到储能电池安全评价指数系数x5:
其中,Cmin和Cmax分别为计算得到的最小储能电池安全评价指数和最大储能电池安全评价指数。
输出层3个参数分别表示为:o1为设定的第1安全等级,o2为设定的第2安全等级,o3为设定的第3安全等级,所述输出层神经元值为k为输出层神经元序列号,k={1,2,3},i为设定的第i个安全等级,i={1,2,3},当ok为1时,此时,汽车处于ok对应的安全等级。
步骤2、进行BP神经网络的训练。
建立好BP神经网络节点模型后,即可进行BP神经网络的训练。根据产品的历史经验数据获取训练的样本,并给定输入节点i和隐含层节点j之间的连接权值,隐层节点j和输出层节点k之间的连接权值。
(1)训练方法
各子网采用单独训练的方法;训练时,首先要提供一组训练样本,其中的每一个样本由输入样本和理想输出对组成,当网络的所有实际输出与其理想输出一致时,表明训练结束;否则,通过修正权值,使网络的理想输出与实际输出一致;各子网训练时的输出样本如表1所示。
表1 网络训练用的输出样本
(2)训练算法
BP网络采用误差反向传播(Backward Propagation)算法进行训练,其步骤可归纳如下:
第一步:选定一结构合理的网络,设置所有节点阈值和连接权值的初值。
第二步:对每个输入样本作如下计算:
(a)前向计算:对l层的j单元
式中,为第n次计算时l层的j单元信息加权和,为l层的j单元与前一层(即l-1层)的单元i之间的连接权值,为前一层(即l-1层,节点数为nl-1)的单元i送来的工作信号;i=0时,令 为l层的j单元的阈值。
若单元j的激活函数为sigmoid函数,则
且
若神经元j属于第一隐层(l=1),则有
若神经元j属于输出层(l=L),则有
且ej(n)=xj(n)-oj(n);
(b)反向计算误差:
对于输出单元
对隐单元
(c)修正权值:
η为学习速率。
第三步:输入新的样本或新一周期样本,直到网络收敛,在训练时各周期中样本的输入顺序要重新随机排序。
BP算法采用梯度下降法求非线性函数极值,存在陷入局部极小以及收敛速度慢等问题。更为有效的一种算法是Levenberg-Marquardt优化算法,它使得网络学习时间更短,能有效地抑制网络陷于局部极小。其权值调整率选为
Δω=(JTJ+μI)-1JTe
其中J为误差对权值微分的雅可比(Jacobian)矩阵,I为输入向量,e为误差向量,变量μ是一个自适应调整的标量,用来确定学习是根据牛顿法还是梯度法来完成。
在系统设计时,系统模型是一个仅经过初始化了的网络,权值需要根据在使用过程中获得的数据样本进行学习调整,为此设计了系统的自学习功能。在指定了学习样本及数量的情况下,系统可以进行自学习,以不断完善网络性能。
步骤3、信息运算与处理模块根据输出的安全等级并通过预警模块驾驶员对应做出相应的处理建议,其中,所述第1安全等级为安全状态优,说明车辆安全状态很好,无需做出安全预警提示;第2安全等级,即处于安全与非安全的临界状态,可能会发生安全问题,建议驾驶员在本次驾驶结束后对汽车进行检查;所述第3安全等级为安全状态较差,建议驾驶员立即停车对车辆进行检查。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节。
Claims (8)
1.一种插电式混合动力汽车安全监控方法,其特征在于,包括如下步骤:
步骤一、获取汽车的机油温度、冷却水温度、发动机转速和油门开度,并且根据所述机油温度、冷却水温度、发动机转速和油门开度得到内燃机安全评价指数;
步骤二、获取汽车储能电池的表面温度、储能电池的电压和储能电池的使用时间,并且根据所述储能电池的表面温度、储能电池的电压和储能电池的使用时间得到储能电池安全评价指数;
步骤三、获取整车质量、汽车行驶速度和路面坡度,并且根据所述整车质量、汽车行驶速度、路面坡度、内燃机安全评价指数和储能电池的安全评价指数确定混合动力汽车的安全等级。
2.根据权利要求1所述的插电式混合动力汽车安全监控方法,其特征在于,所述内燃机安全评价指数为:
其中,To为汽车的机油温度,To-0为汽车机油基准温度;Tw为冷却水温度,Tw-0为冷却水基准温度;ω为发动机转速,ω0为发动机基准转速;α为油门开度,α0为基准油门开度;λ1、λ2、λ3和λ4分别为经验参数。
3.根据权利要求2所述的插电式混合动力汽车安全监控方法,其特征在于,当发动机转速ω≥2000rpm时,λ1=0.2~0.3,λ2=0.2~0.3,λ3=0.3~0.4,λ4=0.1~0.3;
当发动机转速ω<2000rpm时,λ1=0.2~0.3,λ2=0.1~0.2,λ3=0.2~0.3,λ4=0.3~0.4。
4.根据权利要求3所述的插电式混合动力汽车安全监控方法,其特征在于,所述储能电池安全评价指数为:
其中,t为储能电池的使用时间,t0为储能电池的基准使用时间;V为储能电池的电压,V0为储能电池的基准电压;Tc为储能电池的表面温度,Tc-0为储能电池的基准表面温度。
5.根据权利要求2-4任意一项所述的插电式混合动力汽车安全监控方法,其特征在于,在所述步骤三中,通过BP神经网络确定所述混合动力汽车的安全等级,包括如下步骤:
步骤1、获取整车质量m、汽车行驶速度v、路面坡度i、内燃机安全评价指数E和储能电池安全评价指数C;
步骤2、依次将获取的参数进行规格化,确定三层BP神经网络的输入层神经元向量x={x1,x2,x3,x4,x5},其中,x1为整车质量系数、x2为汽车行驶速度系数、x3为路面坡度系数、x4为内燃机安全评价指数系数,x5为储能电池安全评价指数系数;
步骤3、所述输入层向量映射到隐层,所述隐层向量y={y1,y2,…,ym},m为隐藏层节点个数;
步骤4、得到输出层神经元向量o={o1,o2,o3};其中,o1为设定的第1安全等级,o2为设定的第2安全等级,o3为设定的第3安全等级;所述输出层神经元值为k为输出层神经元序列号,k={1,2,3},i为设定的第i个安全等级,i={1,2,3},当ok为1时,此时,汽车处于ok对应的安全等级。
6.根据权利要求5所述的插电式混合动力汽车安全监控方法,其特征在于,所述隐藏层节点个数为4个。
7.根据权利要求6所述的插电式混合动力汽车安全监控方法,其特征在于,所述隐藏层及所述输出层的激励函数均采用S型函数fj(x)=1/(1+e-x)。
8.根据权利要求7所述的插电式混合动力汽车安全监控方法,其特征在于,在所述步骤三之后,还包括:根据所述混合动力汽车的安全等级对驾驶员进行提示;
其中,当汽车处于第2安全等级时,提醒驾驶员在本次驾驶结束后对汽车进行检查;
当汽车处于第3安全等级时,提示驾驶员应立即停车检查。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910409836.XA CN110077341A (zh) | 2019-05-16 | 2019-05-16 | 一种插电式混合动力汽车安全监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910409836.XA CN110077341A (zh) | 2019-05-16 | 2019-05-16 | 一种插电式混合动力汽车安全监控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110077341A true CN110077341A (zh) | 2019-08-02 |
Family
ID=67420635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910409836.XA Pending CN110077341A (zh) | 2019-05-16 | 2019-05-16 | 一种插电式混合动力汽车安全监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110077341A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110816275A (zh) * | 2019-11-21 | 2020-02-21 | 辽宁工业大学 | 一种基于新能源车辆的安全监测系统及监测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6204636B1 (en) * | 1999-08-31 | 2001-03-20 | Honda Giken Kogyo Kabushiki Kaisha | Battery control apparatus for hybrid vehicle |
CN102713224A (zh) * | 2009-11-20 | 2012-10-03 | 希尔莱特有限责任公司 | 用于选择性车辆运行模式的系统 |
CN106774091A (zh) * | 2017-01-19 | 2017-05-31 | 上海申赛机电控制技术有限公司 | 工程车辆状态实时无线测控系统 |
CN109552219A (zh) * | 2019-01-14 | 2019-04-02 | 辽宁工业大学 | 一种基于混合动力汽车的分布式安全监控方法 |
-
2019
- 2019-05-16 CN CN201910409836.XA patent/CN110077341A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6204636B1 (en) * | 1999-08-31 | 2001-03-20 | Honda Giken Kogyo Kabushiki Kaisha | Battery control apparatus for hybrid vehicle |
CN102713224A (zh) * | 2009-11-20 | 2012-10-03 | 希尔莱特有限责任公司 | 用于选择性车辆运行模式的系统 |
CN106774091A (zh) * | 2017-01-19 | 2017-05-31 | 上海申赛机电控制技术有限公司 | 工程车辆状态实时无线测控系统 |
CN109552219A (zh) * | 2019-01-14 | 2019-04-02 | 辽宁工业大学 | 一种基于混合动力汽车的分布式安全监控方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110816275A (zh) * | 2019-11-21 | 2020-02-21 | 辽宁工业大学 | 一种基于新能源车辆的安全监测系统及监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Phan et al. | Interval type 2 fuzzy logic control for energy management of hybrid electric autonomous vehicles | |
Vaz et al. | Electric vehicle range prediction for constant speed trip using multi-objective optimization | |
Yang et al. | Driving-style-oriented adaptive equivalent consumption minimization strategies for HEVs | |
Zhang et al. | A deep reinforcement learning-based energy management framework with Lagrangian relaxation for plug-in hybrid electric vehicle | |
CN108960426A (zh) | 基于bp神经网络的道路坡度综合估计系统 | |
Ji et al. | Energy recovery based on pedal situation for regenerative braking system of electric vehicle | |
Li et al. | Driver-identified supervisory control system of hybrid electric vehicles based on spectrum-guided fuzzy feature extraction | |
CN109703548B (zh) | 一种基于混合动力的汽车动力分配方法 | |
CN106055830B (zh) | 基于动态规划的phev控制门限参数优化方法 | |
CN110416644A (zh) | 一种车载锂离子动力电池隐性损伤监测和热失控早期预警装置及其预警方法 | |
CN106647275B (zh) | 一种新能源汽车的远程监控系统 | |
CN109552112A (zh) | 一种用于混合动力汽车的电池储能控制方法 | |
CN102567782A (zh) | 一种基于神经网络的汽车发动机转矩的估算方法 | |
CN110077389B (zh) | 一种插电式混合动力电动汽车能量管理方法 | |
CN104680335A (zh) | 一种新能源汽车的测评方法 | |
CN109878499B (zh) | 混合动力车辆功率控制方法 | |
CN109552219A (zh) | 一种基于混合动力汽车的分布式安全监控方法 | |
CN106004449B (zh) | 一种基于超级电容soc识别故障的蓄电池保护控制方法 | |
CN110077341A (zh) | 一种插电式混合动力汽车安全监控方法 | |
CN109886439A (zh) | 电控车辆远程诊断系统及其诊断方法 | |
CN110441686A (zh) | 一种基于实时车况负载下的电机测试系统及其监测方法 | |
Zhang et al. | A fuzzy neural network energy management strategy for parallel hybrid electric vehicle | |
Shen et al. | Real-time scenario-based stochastic optimal energy management strategy for HEVs | |
Liu et al. | Energy management strategy of hybrid electric vehicles based on driving condition prediction | |
Fechert et al. | Using deep reinforcement learning for hybrid electric vehicle energy management under consideration of dynamic emission models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190802 |