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 PDFInfo
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 15
- 238000004146 energy storage Methods 0.000 claims abstract description 38
- 230000007613 environmental effect Effects 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 22
- 238000013528 artificial neural network Methods 0.000 claims abstract description 14
- 238000003062 neural network model Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 230000003746 surface roughness Effects 0.000 claims description 4
- 230000005284 excitation Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 210000000352 storage cell Anatomy 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 abstract description 7
- 239000003921 oil Substances 0.000 description 23
- 238000012544 monitoring process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000003502 gasoline Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
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:
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。
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,所述发动机进油口处进油流量Q的经验公式为:
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:
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
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:
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,
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,
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,
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
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,
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
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
(b)反向计算误差:
对于输出单元
对隐单元
(c)修正权值:
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
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。
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:
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。
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。
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)。
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)
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)
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 |
-
2019
- 2019-05-07 CN CN201910373484.7A patent/CN110077389B/zh not_active Expired - Fee Related
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 |