CN110077389B - 一种插电式混合动力电动汽车能量管理方法 - Google Patents

一种插电式混合动力电动汽车能量管理方法 Download PDF

Info

Publication number
CN110077389B
CN110077389B CN201910373484.7A CN201910373484A CN110077389B CN 110077389 B CN110077389 B CN 110077389B CN 201910373484 A CN201910373484 A CN 201910373484A CN 110077389 B CN110077389 B CN 110077389B
Authority
CN
China
Prior art keywords
automobile
engine
energy storage
storage battery
oil inlet
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.)
Expired - Fee Related
Application number
CN201910373484.7A
Other languages
English (en)
Other versions
CN110077389A (zh
Inventor
张忠洋
高宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Liaoning University of Technology
Original Assignee
Liaoning University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Liaoning University of Technology filed Critical Liaoning University of Technology
Priority to CN201910373484.7A priority Critical patent/CN110077389B/zh
Publication of CN110077389A publication Critical patent/CN110077389A/zh
Application granted granted Critical
Publication of CN110077389B publication Critical patent/CN110077389B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/24—Conjoint control of vehicle sub-units of different type or different function including control of energy storage means
    • B60W10/26—Conjoint control of vehicle sub-units of different type or different function including control of energy storage means for electrical energy, e.g. batteries or capacitors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W20/00—Control systems specially adapted for hybrid vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/06—Combustion engines, Gas turbines
    • B60W2510/0666—Engine power
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2510/00—Input parameters relating to a particular sub-units
    • B60W2510/24—Energy storage means
    • B60W2510/242—Energy storage means for electrical energy
    • B60W2510/244—Charge state
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/15—Road slope, i.e. the inclination of a road segment in the longitudinal direction
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/40—Coefficient of friction
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • 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
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/14—Plug-in electric vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种插电式混合动力电动汽车能量管理方法，包括：步骤一、采集混合动力电动汽车的环境信息，计算汽车行驶的环境影响因子；步骤二、采集汽车在行驶过程中的车速、发动机输出功率、储能电池容量以及储能电池的SOC；步骤三、将环境影响因子和采集到的汽车在行驶过程中的相关参数输入到BP神经网络模型中，作为输入层，经过BP神经网络模型训练，控制汽车发动机的进油量和储能电池的输出功率。通过监测汽车在行驶过程中的环境参数和汽车自身的行驶参数，并将其作为BP神经网络的输入层，进行训练和输出，实现汽车进油量和发动机输出功率的控制，对混合动力电动汽车的能量分配管理，使总能量消耗最小。

Description

一种插电式混合动力电动汽车能量管理方法
技术领域
本发明涉及一种插电式混合动力电动汽车能量管理方法，属于混合动力汽车领域。
背景技术
汽车产业是我国国民经济的重要支柱产业，在社会发展和国民经济中发挥着举足轻重的作用。目前，我国汽车主要以汽油和柴油为燃料，随着汽车保有量及汽车销售量的不断增加，传统燃油汽车所带来的能源紧张及环境污染问题愈发严重。
近几年在传统混合动力汽车的基础上，又派生出了一种外接充电式混合动力汽车，即插电式混合动力汽车(Plug-in HybridElectric Vehicle，PHEV)。与传统汽车或纯电动汽车相比，PHEV至少具备两个能量源，一般包括内燃机和储存在电池或超级电容中的电能，通过优化内燃机的工作效率，可以减少汽车尾气污染，并提高行驶里程。由于车辆带有外接插电式充电系统，车辆可以单独或者大部分利用电池驱动电动机行驶较长的距离，等电池电量降低到一定阈值后再以混合动力模式行驶，并适时向电池充电，因而可以将内燃机的工作比例进一步缩小，从而既提供更好的节油比例，又解决了目前PEV充电困难、续航里程受限制的问题。此外，PHEV可充分利用电网中成本较低的电能，从而降低汽车运营成本，减轻因燃烧燃油引起的尾气排放污染问题。综上，PHEV是当前技术水平下最具发展潜力的过渡车型。
发明内容
本发明设计开发了一种插电式混合动力电动汽车能量管理方法，通过获取汽车在行驶过程中的环境参数和行驶参数，并将其作为BP神经网络的输入层，进行训练和输出，实现汽车进油量和发动机输出功率的控制，对混合动力电动汽车的能量分配管理，使总能量消耗最小。
本发明的另一发明目的：通过计算汽车行驶的环境影响因子，使驾驶者知晓当前的驾驶环境，进一步规划驾驶路径和策略，同时还能够提高输入层参数的精度。
本发明的另一发明目的：通过控制发动机的进油量，控制发动机的动力模式，进而控制能量分配，使总能量消耗最小
本发明提供的技术方案为：
一种插电式混合动力电动汽车能量管理方法，包括：
步骤一、采集混合动力电动汽车的环境信息，计算汽车行驶的环境影响因子；
步骤二、采集汽车在行驶过程中的车速、发动机输出功率、储能电池容量以及储能电池的SOC；
步骤三、将环境影响因子和采集到的汽车在行驶过程中的相关参数输入到BP神经网络模型中，作为输入层，经过BP神经网络模型训练，控制汽车发动机的进油量和储能电池的输出功率。
优选的是，所述混合动力汽车的环境信息包括：汽车在行驶过程中的路面粗糙度系数、路面坡度、环境温度、环境湿度以及风速。
优选的是，所述环境影响因子μ的经验公式满足：
Figure BDA0002050823540000021
其中，T为环境温度，T0为标准温度，RH为环境相对湿度，
Figure BDA0002050823540000022
为标准环境湿度，
Figure BDA0002050823540000023
为风速，ε为路面粗糙度，σ为路面坡度。
优选的是，所述步骤三具体包括：
步骤1、按照采样周期，获取环境影响因子μ、汽车车速V、发动机输出功率P、储能电池电容量C以及储能电池的SOCθSOC；
步骤2、依次将获取的参数进行归一化，确定三层BP神经网络的输入层向量为，x＝{x1,x2,x3,x4,x5}；其中，x1为环境影响因子系数、x2为汽车车速系数、x3为发动机输出功率系数、x4为储能电池电容量系数，x5为电池的SOC值系数；
步骤3、所述输入层向量映射到中间层，所述中间层向量y＝{y1,y2,…,ym}；m为中间层节点个数；
步骤4、得到输出层向量o＝{o1,o2}；o1为发动机进油量系数、o2为储能电池的输出功率系数。
优选的是，所述步骤2中归一化公式为：
Figure BDA0002050823540000031
其中，xj为输入层向量中的参数，Xj分别为测量参数：μ、V、P、C以及θSOC，j＝1,2,3,4,5；Xjmax和Xjmin分别为相应测量参数中的最大值和最小值。
优选的是，所述中间层节点个数m满足：
Figure BDA0002050823540000032
其中，n为输入层节点个数，p为输出层节点个数。
优选的是，所述发动机进油口处进油流量Q的经验公式为：
Figure BDA0002050823540000033
其中，Qv为设定的标准流量，A为发动机进油口的横截面积，π为圆周率，r为进油管的半径，k1为收缩系数，H为发动机油箱体积，L为进油管长度，Pi为进油口处压力，Pr为环境压力，e为自然对数底数，IW为储能电池工作时的稳态电流，I0为储能电池工作时的初始电流，S为补偿常数。
优选的是，所述中间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)。
本发明所述的有益效果：通过监测汽车在行驶过程中的环境参数和汽车自身的行驶参数，并将其作为BP神经网络的输入层，进行训练和输出，实现汽车进油量和发动机输出功率的控制，对混合动力电动汽车的能量分配管理，使总能量消耗最小。
在行驶过程中，通过控制发动机的进油量，控制汽车发动机的动力模式，使电池的SOC一直维持在下限值，减少对电池的损伤，并能够实现不同模式下的能量分配，使总能量消耗小。
通过计算汽车行驶的环境影响因子，使驾驶者知晓当前的驾驶环境，进一步规划驾驶路径和策略，同时还能够提高输入层参数的精度。
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。
本发明提供一种插电式混合动力电动汽车能量管理方法，通过监测汽车在行驶过程中的环境参数和汽车自身的行驶参数，实现汽车进油量和发动机输出功率的控制，对混合动力电动汽车的能量分配管理，使能量消耗最小。
本发明中混合动力电动汽车的动力系统包括发动机和储能电池，本发明的控制系统连接功率变换器、CAN总线，监测系统和存储系统与控制系统电联接，监测系统包括温湿度传感器，用于监测汽车行驶时的环境温度和湿度，风速传感器设置在车身外部，用来监测汽车行驶时的风速，其余测量参数通过CAN总线进行获取。
本发明提供的插电式混合动力电动汽车能量管理方法，具体包括如下步骤：
步骤一、采集混合动力电动汽车的环境信息，计算汽车行驶的环境影响因子；
其中，环境信息包括：汽车在行驶过程中的路面粗糙度系数、路面坡度、环境温度、环境湿度以及风速；
环境影响因子μ的经验公式满足：
Figure BDA0002050823540000041
其中，T为环境温度，单位为℃，T0为标准温度，单位为℃，RH为环境相对湿度，
Figure BDA0002050823540000042
为标准环境湿度，
Figure BDA0002050823540000043
为风速，单位为m/s，ε为路面粗糙度，σ为路面坡度。
步骤二、按照采样周期，采集汽车在行驶过程中的车速V、发动机输出功率P、储能电池容量C以及储能电池的SOCθSOC；
步骤三、将环境影响因子和采集到的汽车在行驶过程中的相关参数输入到BP神经网络模型中，作为输入层，经过BP神经网络模型训练，控制汽车发动机的进油量和储能电池的输出功率，具体如下：
步骤1、建立神经网络
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：
输入层向量：x＝(x1,x2,…,xn)T
中间层向量：y＝(y1,y2,…,ym)T
输出层向量：z＝(z1,z2,…,zp)T
本发明中，输入层节点数为n＝5，输出层节点数为p＝2，隐藏层节点数m由下式估算得出：
Figure BDA0002050823540000051
输入信号5个参数分别表示为：x1为环境影响因子系数、x2为汽车车速系数、x3为发动机输出功率系数、x4为储能电池电容量系数，x5为电池的SOC值系数；
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之间的数值。
将环境影响因子μ、汽车车速V、发动机输出功率P、储能电池电容量C以及储能电池的SOCθSOC分别进行归一化处理，归一化公式为：
Figure BDA0002050823540000052
其中，xj为输入层向量中的参数，Xj分别为测量参数：μ、V、P、C以及θSOC，j＝1,2,3,4,5；Xjmax和Xjmin分别为相应测量参数中的最大值和最小值。
具体而言，对环境影响因子μ，进行归一化后，得到环境影响因子系数x1，
Figure BDA0002050823540000053
其中，μmin和μmax分别为环境影响因子的最小值和最大值。
同样的，对于汽车车速V，进行归一化后，得到汽车车速系数x2，
Figure BDA0002050823540000054
其中，Vmin和Vmax分别为汽车车速的最小值和最大值。
同样的，对于发动机输出功率P，进行归一化后，得到发动机输出功率系数x3，
Figure BDA0002050823540000061
其中，Pmin和Pmax分别为发动机输出功率的最小值和最大值。
同样的，对于储能电池电容量C，进行归一化后，得到储能电池电容量系数x4
Figure BDA0002050823540000062
其中，Cmin和Cmax分别为储能电池电容量的最小值和最大值。
同样的，对于储能电池的SOC，进行归一化后，得到储能电池的SOC系数x5，
Figure BDA0002050823540000063
其中，θmin和θmax分别为储能电池SOC的最小值和最大值。
步骤2、进行BP神经网络训练，
根据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Wij，隐层节点j和输出层节点k之间的连接权值Wjk，隐层节点j的阈值θj，输出层节点k的阈值θk、Wij、Wjk、θj、θk均为-1到1之间的随机数。
在训练过程中，不断修正Wij、Wjk的值，直至系统误差小于等于期望误差时，完成神经网络的训练过程。
(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；
(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
Figure BDA0002050823540000071
式中，
Figure BDA0002050823540000072
为第n次计算时l层的j单元信息加权和，
Figure BDA0002050823540000073
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，
Figure BDA0002050823540000074
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
Figure BDA0002050823540000075
为l层的j单元的阈值。
若单元j的激活函数为sigmoid函数，则
Figure BDA0002050823540000076
且
Figure BDA0002050823540000077
若神经元j属于第一隐层(l＝1)，则有
Figure BDA0002050823540000078
若神经元j属于输出层(l＝L)，则有
Figure BDA0002050823540000079
(b)反向计算误差：
对于输出单元
Figure BDA00020508235400000710
对隐单元
Figure BDA00020508235400000711
(c)修正权值：
Figure BDA00020508235400000712
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；
如表1所示，给定了一组训练样本以及训练过程中各节点的值
Figure BDA0002050823540000081
Figure BDA0002050823540000091
步骤3、采集数据运行参数输入神经网络得到调控系数。
训练好的人工神经网络固化在芯片之中，使硬件电路具备预测和智能决策功能，从而形成智能硬件。智能硬件加电启动后，控制发动机的进油量和储能电池的输出功率。
同时使用传感器采集到的参数，通过将上述参数规格化，得到BP神经网络的初始输入向量
Figure BDA0002050823540000092
通过BP神经网络的运算得到初始输出向量
Figure BDA0002050823540000093
步骤4、得到输出层向量o＝{o1,o2}；o1为发动机进油量系数、o2为储能电池的输出功率系数。
在另一实施例中，中间层及输出层的激励函数均采用S型函数fj(x)＝1/(1+e-x)。
在另一实施例中，发动机进油口处进油流量的经验公式为：
Figure BDA0002050823540000094
其中，Qv为设定的标准流量，单位为m3/s，A为发动机进油口的横截面积，单位为m2，π为圆周率，r为进油管的半径，单位为mm，k1为收缩系数，H为发动机油箱体积，单位为m3，L为进油管长度，单位为mm，Pi为进油口处压力，单位为Pa，Pr为环境压力，单位为Pa，e为自然对数底数，IW为储能电池工作时的稳态电流，单位为mA，I0为储能电池工作时的初始电流，单位为mA，S为补偿常数。
通过监测汽车在行驶过程中的环境参数和汽车自身的行驶参数，并将其作为BP神经网络的输入层，进行训练和输出，实现汽车进油量和发动机输出功在行驶过程中，通过控制发动机的进油量，控制汽车发动机的动力模式，使电池的SOC一直维持在下限值，减少对电池的损伤，并能够实现不同模式下的能量分配，使总能量消耗小。
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和这里示出与描述的实施例。

Claims (8)

1.一种插电式混合动力电动汽车能量管理方法，其特征在于，包括：
步骤一、采集混合动力电动汽车的环境信息，计算汽车行驶的环境影响因子；
步骤二、采集汽车在行驶过程中的车速、发动机输出功率、储能电池容量以及储能电池的SOC；
步骤三、将环境影响因子和采集到的汽车在行驶过程中的相关参数输入到BP神经网络模型中，作为输入层，经过BP神经网络模型训练，控制汽车发动机的进油量和储能电池的输出功率。
2.根据权利要求1所述的插电式混合动力电动汽车能量管理方法，其特征在于，所述混合动力汽车的环境信息包括：汽车在行驶过程中的路面粗糙度系数、路面坡度、环境温度、环境湿度以及风速。
3.根据权利要求2所述的插电式混合动力电动汽车能量管理方法，其特征在于，所述环境影响因子μ的经验公式满足：
Figure FDA0002050823530000011
其中，T为环境温度，T0为标准温度，RH为环境相对湿度，
Figure FDA0002050823530000012
为标准环境湿度，
Figure FDA0002050823530000013
为风速，ε为路面粗糙度，σ为路面坡度。
4.根据权利要求3所述的插电式混合动力电动汽车能量管理方法，其特征在于，所述步骤三具体包括：
步骤1、按照采样周期，获取环境影响因子μ、汽车车速V、发动机输出功率P、储能电池电容量C以及储能电池的SOCθSOC；
步骤2、依次将获取的参数进行归一化，确定三层BP神经网络的输入层向量为，x＝{x1,x2,x3,x4,x5}；其中，x1为环境影响因子系数、x2为汽车车速系数、x3为发动机输出功率系数、x4为储能电池电容量系数，x5为电池的SOC值系数；
步骤3、所述输入层向量映射到中间层，所述中间层向量y＝{y1,y2,…,ym}；m为中间层节点个数；
步骤4、得到输出层向量o＝{o1,o2}；o1为发动机进油量系数、o2为储能电池的输出功率系数。
5.根据权利要求4所述的插电式混合动力电动汽车能量管理方法，其特征在于，所述步骤2中归一化公式为：
Figure FDA0002050823530000021
其中，xj为输入层向量中的参数，Xj分别为测量参数：μ、V、P、C以及θSOC，j＝1,2,3,4,5；Xjmax和Xjmin分别为相应测量参数中的最大值和最小值。
6.根据权利要求5所述的插电式混合动力电动汽车能量管理方法，其特征在于，所述中间层节点个数m满足：
Figure FDA0002050823530000022
其中，n为输入层节点个数，p为输出层节点个数。
7.根据权利要求6所述的插电式混合动力电动汽车能量管理方法，其特征在于，所述发动机进油口处进油流量Q的经验公式为：
Figure FDA0002050823530000023
其中，Qv为设定的标准流量，A为发动机进油口的横截面积，π为圆周率，r为进油管的半径，k1为收缩系数，H为发动机油箱体积，L为进油管长度，Pi为进油口处压力，Pr为环境压力，e为自然对数底数，IW为储能电池工作时的稳态电流，I0为储能电池工作时的初始电流，S为补偿常数。
8.根据权利要求7所述的插电式混合动力电动汽车能量管理方法，其特征在于，所述中间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)。
CN201910373484.7A 2019-05-07 2019-05-07 一种插电式混合动力电动汽车能量管理方法 Expired - Fee Related CN110077389B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910373484.7A CN110077389B (zh) 2019-05-07 2019-05-07 一种插电式混合动力电动汽车能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910373484.7A CN110077389B (zh) 2019-05-07 2019-05-07 一种插电式混合动力电动汽车能量管理方法

Publications (2)

Publication Number Publication Date
CN110077389A CN110077389A (zh) 2019-08-02
CN110077389B true CN110077389B (zh) 2021-05-07

Family

ID=67418789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910373484.7A Expired - Fee Related CN110077389B (zh) 2019-05-07 2019-05-07 一种插电式混合动力电动汽车能量管理方法

Country Status (1)

Country Link
CN (1) CN110077389B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110667540B (zh) * 2019-11-15 2020-07-03 吉林工程技术师范学院 一种用于电动汽车的电子电力控制动力系统及其控制方法
CN110733493A (zh) * 2019-11-22 2020-01-31 辽宁工业大学 一种混合动力电动汽车的功率分配方法
CN112249002B (zh) * 2020-09-23 2022-06-28 南京航空航天大学 一种基于td3的启发式串并联混合动力能量管理方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2012104922A1 (ja) * 2011-02-03 2014-07-03 スズキ株式会社 ハイブリッド車両の駆動制御装置及びハイブリッド車両
JP6180458B2 (ja) * 2015-04-17 2017-08-16 三菱電機株式会社 車両用エネルギーマネジメント装置
CN107092274A (zh) * 2017-06-13 2017-08-25 长沙灵动航空科技有限公司 一种基于油电混合的无人机控制方法
CN107856664B (zh) * 2017-09-29 2019-11-19 北京理工大学 一种基于ttr构型的插电式混合动力车辆能量管理方法
CN108357487A (zh) * 2018-02-27 2018-08-03 吉林省赫行新能源汽车科技有限公司 一种纯电动汽车动力系统及其控制方法
CN109552112A (zh) * 2019-01-10 2019-04-02 辽宁工业大学 一种用于混合动力汽车的电池储能控制方法

Also Published As

Publication number Publication date
CN110077389A (zh) 2019-08-02

Similar Documents

Publication Publication Date Title
CN110775065B (zh) 一种基于工况识别的混合动力汽车电池寿命预测方法
CN112287463B (zh) 一种基于深度强化学习算法的燃料电池汽车能量管理方法
CN110077389B (zh) 一种插电式混合动力电动汽车能量管理方法
CN109703548B (zh) 一种基于混合动力的汽车动力分配方法
CN112434463B (zh) 一种车辆复合电源能量管理系统
CN113554337B (zh) 融合交通信息的插电式混动汽车能量管理策略构建方法
CN109878499B (zh) 混合动力车辆功率控制方法
CN109552112A (zh) 一种用于混合动力汽车的电池储能控制方法
CN112026744B (zh) 一种基于dqn变体的混联式混合动力系统能量管理方法
CN114969982A (zh) 一种基于策略迁移的燃料电池汽车深度强化学习能量管理方法
CN110733493A (zh) 一种混合动力电动汽车的功率分配方法
CN117131606A (zh) 一种可跨运动维度迁移的混合动力履带车辆能量管理方法
CN115805840A (zh) 一种增程式电动装载机能耗控制方法及系统
Vignesh et al. Intelligent energy management through neuro-fuzzy based adaptive ECMS approach for an optimal battery utilization in plugin parallel hybrid electric vehicle
CN113815437B (zh) 燃料电池混合动力汽车的预测性能量管理方法
Zhang et al. Dedicated adaptive particle swarm optimization algorithm for digital twin based control optimization of the plug-in hybrid vehicle
CN112345940B (zh) 基于soc预估的车辆复合电源系统模糊逻辑控制方法
CN111999651B (zh) 一种纯电动汽车用锂离子电池的功率性能测试方法
Guo et al. Energy management strategy of extended-range electric bus based on model predictive control
Jiang et al. Online optimal energy distribution of composite power vehicles based on BP neural network velocity prediction
CN110667540B (zh) 一种用于电动汽车的电子电力控制动力系统及其控制方法
CN115470700A (zh) 基于强化学习训练网络模型的混动车辆能量管理方法
CN111301223A (zh) 一种电动汽车电池管理系统及管理方法
CN111983460B (zh) 一种混动汽车用锂离子电池工作健康状态检测方法
Xie et al. Driving Intention Oriented Real-Time Energy Management Strategy for PHEV in Urban V2X Scenario

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210507