CN111348029A - 一种考虑工况的混合动力汽车标定参数最优值确定方法 - Google Patents
一种考虑工况的混合动力汽车标定参数最优值确定方法 Download PDFInfo
- Publication number
- CN111348029A CN111348029A CN202010180155.3A CN202010180155A CN111348029A CN 111348029 A CN111348029 A CN 111348029A CN 202010180155 A CN202010180155 A CN 202010180155A CN 111348029 A CN111348029 A CN 111348029A
- Authority
- CN
- China
- Prior art keywords
- calibration parameter
- optimal value
- calibration
- working condition
- independent variables
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000000611 regression analysis Methods 0.000 claims abstract description 35
- 238000012417 linear regression Methods 0.000 claims abstract description 19
- 238000013461 design Methods 0.000 claims abstract description 4
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 4
- 238000012353 t test Methods 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 21
- 230000001419 dependent effect Effects 0.000 claims description 18
- 238000011084 recovery Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000000446 fuel Substances 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000001172 regenerating effect Effects 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 230000009021 linear effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012827 research and development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- B60W20/00—Control systems specially adapted for hybrid vehicles
- B60W20/10—Controlling the power contribution of each of the prime movers to meet required power demand
- B60W20/15—Control strategies specially adapted for achieving a particular effect
-
- 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
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种考虑工况的混合动力汽车标定参数最优值确定方法,涉及混合动力汽车技术领域。方法包括建立标定参数最优值模型、标定参数最优值内外因分析、行驶工况合成及工况特征参数选取、多元线性回归分析及岭回归分析、与汽车行驶工况相关的标定参数最优值的确定五个步骤。以整车经济性最佳为设计原则来确定标定参数最优值,通过标定参数最优值内外因分析,筛选出与车辆本身属性相关的标定参数最优值和与行驶工况相关的标定参数最优值,并说明了两种类型标定参数最优值的确定方法,为考虑工况的混合动力汽车的参数标定路径指明方向,减少了参数标定工作量,提高了标定效率。
Description
技术领域
本发明属于混合动力汽车技术领域,更确切地说,本发明涉及一种考虑工况的混合动力汽车标定参数最优值确定方法。
背景技术
随着化石能源的不断减少以及环境污染问题的日益严重,节能减排成为当前汽车行业的重要发展方向,混合动力汽车作为汽车领域的重要组成部分,具有良好的节能减排性能,因此成为各大车企的重点研发对象。整车控制器的开发是混合动力汽车的研发重点,而在设计整车控制器时首先要进行标定工作,包括标定参数的选取及标定参数最优值的确定。目前标定参数最优值主要是基于一种具体工况进行设计,因此当车辆行驶工况改变时,整车控制器达不到预计的控制效果,即该控制器不具有普适性;为了使整车控制器能够适应不同工况,需要确定不同工况下的标定参数最优值,整车控制器通过工况识别调用对应工况下的标定参数最优值,这样就可以保证整车控制器的控制效果,但是这也加大了设计整车控制器时的标定工作量,如何快速确定不同工况下标定参数最优值,提高标定效率成为目前混合动力汽车整车控制器研发过程中亟待解决的问题。
中国专利授权公告号为CN 109747654 B,授权公告日为2019-08-09,公开了一种面向工况的混合动力汽车控制参数标定方法,该方法中使用粒子群算法优化各独立工况下的控制参数,并通过多元线性回归分析求出最佳控制参数与工况特征参数之间的关系,根据该关系可以较方便求出各工况下的最佳控制参数,减少了标定工作量;但是由于混合动力汽车控制参数数量较多,对每个控制参数都进行粒子群算法优化和多元线性回归分析的计算负荷较大,同时该方法忽略了部分标定参数最优值仅与车辆本身属性有关,且部分标定参数之间存在多重共线性,这些问题导致了根据工况确定的最佳控制参数数量较多,求出的标定参数最优值与工况特征参数之间的多元线性回归方程不够精确。
本发明提出的一种考虑工况的混合动力汽车标定参数最优值确定方法,针对性地解决了上述专利的不足,通过标定参数最优值内外因分析,明确了哪些标定参数最优值与汽车行驶工况有关,并将多元线性回归分析和岭回归分析相结合,消除了相关性较低的标定参数的影响以及部分标定参数之间存在的多重共线性,找出了标定参数最优值与工况适应性规律,为标定参数最优值的确定指明标定方向。
发明内容
本发明为了解决目前混合动力客车在不同工况下标定参数最优值选取流程繁琐、待求解的标定参数数量较多的问题,提供一种考虑工况的混合动力汽车标定参数最优值确定方法,通过标定参数最优值内外因分析,结合多元线性回归分析和岭回归分析,减小了标定参数最优值与汽车行驶工况有关的标定参数的数量,提高了标定效率,缩短了整车控制器研发周期。
为实现上述目的,根据本发明实施例的一种考虑工况的混合动力汽车标定参数最优值确定方法,包括以下内容:
第一步,建立标定参数最优值模型,具体包括以下步骤:
①在电池电量平衡条件下,由能量损失表征的传递效率ηtr如式(1)所示:
式中,Ewh表示车轮处循环工况理论驱动总能量,Eice表示发动机实际提供能量,EB表示考虑制动回收效率的再生制动回收能量,ΔERGB表示再生制动能量回收模式下的损失能量,ΔEEV表示纯电动模式下的损失能量,ΔEEVT表示混合动力模式下的损失能量,ΔEICE表示发动机直驱模式下的损失能量;
②根据能量损失表征的传递效率ηtr,推导出混合动力汽车理论综合油耗计算公式为:
式中,be,avg表示发动机平均燃油消耗率,C表示油耗单位转换系数,且be,avg和C为定值;
③当混合动力汽车理论综合油耗取值最小时,各标定参数对应的数值即为各标定参数最优值;
第二步,标定参数最优值内外因分析,具体包括以下步骤:
①选取若干类汽车行驶工况,根据第一步求出各标定参数在不同汽车行驶工况下标定参数最优值,进一步求出各标定参数最优值的标准差;
②设定一较小值S,S根据实际情况选取,找出标定参数最优值的标准差小于S或等于S的一系列标定参数,此类标定参数最优值由车辆本身属性确定,其取值为不同汽车行驶工况下标定参数最优值的平均值;
③找出标定参数最优值的标准差大于S的一系列标定参数,此类标定参数最优值根据汽车行驶工况确定,其具体确定步骤于第三步、第四步、第五步中;
第三步,行驶工况合成及工况特征参数选取,具体包括以下步骤:
①首先分割出若干汽车行驶工况片段,然后以工况总时间为边界条件,将工况片段随机组合成新行驶工况,在1000-1100s、1100-1200s、……、2900-3000s内分别构建50个新行驶工况,累计获得1000个新行驶工况样本数据;
②从车速、加速度、行驶时间与行驶距离、驾驶特性与交通状况四个角度筛选出代表行驶工况的24个工况特征参数,与车速相关的工况特征参数包括平均车速、平均巡航车速、车速标准差、最高车速、0-30km/h时间占比、30-60km/h时间占比、60-90km/h时间占比、90km/h以上时间占比、停车时间占比;与加速度相关的工况特征参数包括平均加速度、最大加速度、平均减速度、最大减速度、加速度标准差、减速度标准差、匀速时间占比、加速时间占比、制动时间占比;与行驶时间与行驶距离相关的工况特征参数包括行驶时间、行驶里程、总时间;与驾驶特性与交通状况相关的工况特征参数包括停车次数、每分钟停车次数、每公里停车次数;
第四步,多元线性回归分析及岭回归分析,具体包括以下步骤:
①将与汽车行驶工况相关的标定参数最优值作为因变量y,将24个工况特征参数作为自变量x;
②对自变量与因变量之间进行相关系数检查,将相关系数较小的自变量剔除,自变量x与因变量y之间的相关系数r计算公式如式(3)所示:
③对经过相关系数检查后的工况特征参数进行多元线性回归分析,采用逐步回归法进行第二次自变量筛选,剔除显著性大于0.05的自变量,并进行F检验和t检验,如果上述处理后的自变量同时通过F检验和t检验,则说明处理后的自变量对因变量的线性效果显著,可以执行步骤④,如果上述处理后的自变量没有同时通过F检验和t检验,则重复步骤②,直到处理后的自变量同时通过F检验和t检验,然后执行步骤④;
④判断处理后的自变量的方差扩大因子是否均小于10,如果存在自变量的方差扩大因子大于10,则进行岭回归分析消除自变量之间存在的多重共线性,岭回归分析具体步骤如下:
先将自变量数据标准化,由标准化后的自变量数据组成的设计矩阵用X表示,则岭回归估计可以表示为:
通过岭回归分析找出相关性较强的自变量,并从这些相关性较强的自变量中仅保留一个作为最终的自变量,其余相关性较强的自变量均剔除;接着,通过岭回归分析找出关系特征相同的自变量组合,并从这些关系特征相同的自变量组合中仅保留一个组合中的自变量作为最终的自变量,其余关系特征相同的自变量组合中的自变量均剔除;
⑤再次进行F检验和t检验,如果岭回归分析后的自变量同时通过F检验和t检验,则判断岭回归分析后的自变量的方差扩大因子是否均小于10,如果自变量的方差扩大因子均小于10,则执行步骤⑥;如果存在自变量的方差扩大因子大于10,则重复步骤④,直到自变量的方差扩大因子均小于10;如果岭回归分析后的自变量没有同时通过F检验和t检验,则重复步骤②;
⑥经过上述处理后保留下来的工况特征参数个数记为M,M≤24,与汽车行驶工况相关的标定参数最优值与保留下来的M个工况特征参数之间的多元线性回归方程如式(5)所示:
y=a0+a1·x1+a2·x2+a3·x3+......+aM·xM (5)
式中,a0为回归常数,a1、a2、a3......aM为回归系数,x1、x2、x3......xM为工况特征参数;
第五步,与汽车行驶工况相关的标定参数最优值的确定,对于需要标定的新工况,先进行如步骤三所述的工况特征参数选取,再进行步骤四所述的多元线性回归分析及岭回归分析,得到保留下来的工况特征参数,并将其带入到公式(5)中,即可得到与汽车行驶工况相关的标定参数最优值。
与现有技术相比本发明的有益效果是:
1.本发明所述的一种考虑工况的混合动力汽车标定参数最优值确定方法在电池电量平衡的条件下,推导出基于能量损失表征的传递效率下的混合动力汽车理论综合油耗公式,并以油耗最小作为标定参数最优值评价标准,有利于提高整车经济性,且便于标定参数最优值的仿真验证;
2.本发明所述的一种考虑工况的混合动力汽车标定参数最优值确定方法通过进行标定参数最优值内外因分析,筛选出与车辆本身属性相关的标定参数最优值和与行驶工况相关的标定参数最优值,减少了标定参数工况适应性分析时标定参数的数量,进而显著减少了标定工作量,缩减了整车控制器研发周期;
3.本发明所述的一种考虑工况的混合动力汽车标定参数最优值确定方法使用岭回归分析消除了标定参数之间的多重共线性,进一步减少了标定参数工况适应性分析时标定参数的数量,有利于求出更加精确的标定参数最优值与工况特征参数之间的多元线性回归方程。
附图说明
下面结合附图对本发明作进一步的说明:
图1为本发明实施例中的考虑工况的混合动力汽车标定参数最优值确定方法总体流程图;
图2为本发明实施例中的标定参数最优值内外因分析流程图;
图3为本发明实施例中的多元线性回归分析及岭回归分析流程图;
图4为本发明实施例中的岭回归分析中岭迹图第一部分示例图;
图5为本发明实施例中的岭回归分析中岭迹图第二部分示例图;
图6为本发明实施例中的岭回归分析中岭迹图第三部分示例图;
具体实施方式
下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
本发明所述的一种考虑工况的混合动力汽车标定参数最优值确定方法,参考附图1,具体包括以下内容:
第一步,建立标定参数最优值模型,具体包括以下步骤:
①在电池电量平衡条件下,由能量损失表征的传递效率ηtr如式(1)所示:
式中,Ewh表示车轮处循环工况理论驱动总能量,Eice表示发动机实际提供能量,EB表示考虑制动回收效率的再生制动回收能量,ΔERGB表示再生制动能量回收模式下的损失能量,ΔEEV表示纯电动模式下的损失能量,ΔEEVT表示混合动力模式下的损失能量,ΔEICE表示发动机直驱模式下的损失能量;
②根据能量损失表征的传递效率ηtr,推导出混合动力汽车理论综合油耗计算公式为:
式中,be,avg表示发动机平均燃油消耗率,C表示油耗单位转换系数,且be,avg和C为定值;
③当混合动力汽车理论综合油耗取值最小时,各标定参数对应的数值即为各标定参数最优值。
第二步,参考附图2,标定参数最优值内外因分析,具体包括以下步骤:
①选取若干类汽车行驶工况,根据第一步求出各标定参数在不同汽车行驶工况下标定参数最优值,进一步求出各标定参数最优值的标准差;
②设定一较小值S,S根据实际情况选取,找出标定参数最优值的标准差小于S或等于S的一系列标定参数,此类标定参数最优值与汽车行驶工况无关,由车辆本身属性确定,如电池内阻、电机效率等,此类标定参数最优值取为不同汽车行驶工况下标定参数最优值的平均值;
③找出标定参数最优值的标准差大于S的一系列标定参数,此类标定参数最优值根据汽车行驶工况确定,其具体确定步骤于第三步、第四步、第五步中。
第三步,行驶工况合成及工况特征参数选取,具体包括以下步骤:
①首先分割出若干汽车行驶工况片段,然后以工况总时间为边界条件,将工况片段随机组合成新行驶工况,在1000-1100s、1100-1200s、……、2900-3000s内分别构建50个新行驶工况,累计获得1000个新行驶工况样本数据;
②从车速、加速度、行驶时间与行驶距离、驾驶特性与交通状况四个角度筛选出代表行驶工况的24个工况特征参数,与车速相关的工况特征参数包括平均车速、平均巡航车速、车速标准差、最高车速、0-30km/h时间占比、30-60km/h时间占比、60-90km/h时间占比、90km/h以上时间占比、停车时间占比;与加速度相关的工况特征参数包括平均加速度、最大加速度、平均减速度、最大减速度、加速度标准差、减速度标准差、匀速时间占比、加速时间占比、制动时间占比;与行驶时间与行驶距离相关的工况特征参数包括行驶时间、行驶里程、总时间;与驾驶特性与交通状况相关的工况特征参数包括停车次数、每分钟停车次数、每公里停车次数。
第四步,参考附图3,多元线性回归分析及岭回归分析,具体包括以下步骤:
①将与汽车行驶工况相关的标定参数最优值作为因变量y,将24个工况特征参数作为自变量x;
②对自变量与因变量之间进行相关系数检查,将相关系数较小的自变量剔除,自变量x与因变量y之间的相关系数r计算公式如式(3)所示:
③对经过相关系数检查后的工况特征参数进行多元线性回归分析,采用逐步回归法进行第二次自变量筛选,剔除显著性大于0.05的自变量,并进行F检验和t检验,如果上述处理后的自变量同时通过F检验和t检验,则说明处理后的自变量对因变量的线性效果显著,可以执行步骤④,如果上述处理后的自变量没有同时通过F检验和t检验,则重复步骤②,直到处理后的自变量同时通过F检验和t检验,然后执行步骤④;
④判断处理后的自变量的方差扩大因子是否均小于10,如果存在自变量的方差扩大因子大于10,则进行岭回归分析消除自变量之间存在的多重共线性,岭回归分析具体步骤如下:
先将自变量数据标准化,由标准化后的自变量数据组成的设计矩阵用X表示,则岭回归估计可以表示为:
参考附图4,通过岭回归分析找出相关性较强的自变量,并从这些相关性较强的自变量中仅保留一个作为最终的自变量,其余相关性较强的自变量均剔除,如附图3中X0与X1即为相关性较强的两个自变量,二者保留其中一个即可;
参考附图5,通过岭回归分析找出关系特征相同的自变量组合,并从这些关系特征相同的自变量组合中仅保留一个组合的自变量作为最终的自变量,其余关系特征相同的自变量组合中的自变量均剔除,如附图3中自变量X0与X1之间的关系与X7与X8之间的关系特征相同,二者保留一个组合的自变量作为最终的自变量即可;同时自变量X9的岭迹曲线初始值较大,随着k的增加岭回归系数显著下降,从岭回归角度分析,自变量X9对y不起作用,如X9此类的自变量应该剔除;
⑤再次进行F检验和t检验,如果岭回归分析后的自变量同时通过F检验和t检验,则判断岭回归分析后的自变量的方差扩大因子是否均小于10,如果自变量的方差扩大因子均小于10,则执行步骤⑥;如果存在自变量的方差扩大因子大于10,则重复步骤④,直到自变量的方差扩大因子均小于10;如果岭回归分析后的自变量没有同时通过F检验和t检验,则重复步骤②;
参考附图6,岭回归分析后岭迹曲线趋势应如附图5所示,各条岭迹曲线波动幅度较小,岭迹曲线大体上趋于稳定;
⑥经过上述处理后保留下来的工况特征参数个数记为M,M≤24,与汽车行驶工况相关的标定参数最优值与保留下来的M个工况特征参数之间的多元线性回归方程如式(5)所示:
y=a0+a1·x1+a2·x2+a3·x3+......+aM·xM (5)
式中,a0为回归常数,a1、a2、a3......aM为回归系数,x1、x2、x3......xM为工况特征参数。
第五步,与汽车行驶工况相关的标定参数最优值的确定,对于需要标定的新工况,先进行如步骤三所述的工况特征参数选取,再进行步骤四所述的多元线性回归分析及岭回归分析,得到保留下来的工况特征参数,并将其带入到公式(5)中,即可得到与汽车行驶工况相关的标定参数最优值。
Claims (1)
1.一种考虑工况的混合动力汽车标定参数最优值确定方法,其特征在于,包括以下内容:
第一步,建立标定参数最优值模型,具体包括以下步骤:
①在电池电量平衡条件下,由能量损失表征的传递效率ηtr如式(1)所示:
式中,Ewh表示车轮处循环工况理论驱动总能量,Eice表示发动机实际提供能量,EB表示考虑制动回收效率的再生制动回收能量,ΔERGB表示再生制动能量回收模式下的损失能量,ΔEEV表示纯电动模式下的损失能量,ΔEEVT表示混合动力模式下的损失能量,ΔEICE表示发动机直驱模式下的损失能量;
②根据能量损失表征的传递效率ηtr,推导出混合动力汽车理论综合油耗计算公式为:
式中,be,avg表示发动机平均燃油消耗率,C表示油耗单位转换系数,且be,avg和C为定值;
③当混合动力汽车理论综合油耗取值最小时,各标定参数对应的数值即为各标定参数最优值;
第二步,标定参数最优值内外因分析,具体包括以下步骤:
①选取若干类汽车行驶工况,根据第一步求出各标定参数在不同汽车行驶工况下标定参数最优值,进一步求出各标定参数最优值的标准差;
②设定一较小值S,S根据实际情况选取,找出标定参数最优值的标准差小于S或等于S的一系列标定参数,此类标定参数最优值由车辆本身属性确定,其取值为不同汽车行驶工况下标定参数最优值的平均值;
③找出标定参数最优值的标准差大于S的一系列标定参数,此类标定参数最优值根据汽车行驶工况确定,其具体确定步骤于第三步、第四步、第五步中;
第三步,行驶工况合成及工况特征参数选取,具体包括以下步骤:
①首先分割出若干汽车行驶工况片段,然后以工况总时间为边界条件,将工况片段随机组合成新行驶工况,在1000-1100s、1100-1200s、……、2900-3000s内分别构建50个新行驶工况,累计获得1000个新行驶工况样本数据;
②从车速、加速度、行驶时间与行驶距离、驾驶特性与交通状况四个角度筛选出代表行驶工况的24个工况特征参数,与车速相关的工况特征参数包括平均车速、平均巡航车速、车速标准差、最高车速、0-30km/h时间占比、30-60km/h时间占比、60-90km/h时间占比、90km/h以上时间占比、停车时间占比;与加速度相关的工况特征参数包括平均加速度、最大加速度、平均减速度、最大减速度、加速度标准差、减速度标准差、匀速时间占比、加速时间占比、制动时间占比;与行驶时间与行驶距离相关的工况特征参数包括行驶时间、行驶里程、总时间;与驾驶特性与交通状况相关的工况特征参数包括停车次数、每分钟停车次数、每公里停车次数;
第四步,多元线性回归分析及岭回归分析,具体包括以下步骤:
①将与汽车行驶工况相关的标定参数最优值作为因变量y,将24个工况特征参数作为自变量x;
②对自变量与因变量之间进行相关系数检查,将相关系数较小的自变量剔除,自变量x与因变量y之间的相关系数r计算公式如式(3)所示:
③对经过相关系数检查后的工况特征参数进行多元线性回归分析,采用逐步回归法进行第二次自变量筛选,剔除显著性大于0.05的自变量,并进行F检验和t检验,如果上述处理后的自变量同时通过F检验和t检验,则说明处理后的自变量对因变量的线性效果显著,可以执行步骤④,如果上述处理后的自变量没有同时通过F检验和t检验,则重复步骤②,直到处理后的自变量同时通过F检验和t检验,然后执行步骤④;
④判断处理后的自变量的方差扩大因子是否均小于10,如果存在自变量的方差扩大因子大于10,则进行岭回归分析消除自变量之间存在的多重共线性,岭回归分析具体步骤如下:
先将自变量数据标准化,由标准化后的自变量数据组成的设计矩阵用X表示,则岭回归估计可以表示为:
通过岭回归分析找出相关性较强的自变量,并从这些相关性较强的自变量中仅保留一个作为最终的自变量,其余相关性较强的自变量均剔除;接着,通过岭回归分析找出关系特征相同的自变量组合,并从这些关系特征相同的自变量组合中仅保留一个组合中的自变量作为最终的自变量,其余关系特征相同的自变量组合中的自变量均剔除;
⑤再次进行F检验和t检验,如果岭回归分析后的自变量同时通过F检验和t检验,则判断岭回归分析后的自变量的方差扩大因子是否均小于10,如果自变量的方差扩大因子均小于10,则执行步骤⑥;如果存在自变量的方差扩大因子大于10,则重复步骤④,直到自变量的方差扩大因子均小于10;如果岭回归分析后的自变量没有同时通过F检验和t检验,则重复步骤②;
⑥经过上述处理后保留下来的工况特征参数个数记为M,M≤24,与汽车行驶工况相关的标定参数最优值与保留下来的M个工况特征参数之间的多元线性回归方程如式(5)所示:
y=a0+a1·x1+a2·x2+a3·x3+......+aM·xM (5)
式中,a0为回归常数,a1、a2、a3......aM为回归系数,x1、x2、x3......xM为工况特征参数;
第五步,与汽车行驶工况相关的标定参数最优值的确定,对于需要标定的新工况,先进行如步骤三所述的工况特征参数选取,再进行步骤四所述的多元线性回归分析及岭回归分析,得到保留下来的工况特征参数,并将其带入到公式(5)中,即可得到与汽车行驶工况相关的标定参数最优值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010180155.3A CN111348029B (zh) | 2020-03-16 | 2020-03-16 | 一种考虑工况的混合动力汽车标定参数最优值确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010180155.3A CN111348029B (zh) | 2020-03-16 | 2020-03-16 | 一种考虑工况的混合动力汽车标定参数最优值确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111348029A true CN111348029A (zh) | 2020-06-30 |
CN111348029B CN111348029B (zh) | 2021-04-06 |
Family
ID=71192805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010180155.3A Expired - Fee Related CN111348029B (zh) | 2020-03-16 | 2020-03-16 | 一种考虑工况的混合动力汽车标定参数最优值确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111348029B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113569948A (zh) * | 2021-07-27 | 2021-10-29 | 福州大学 | 电动汽车工况分类与评价方法及系统 |
CN113805579A (zh) * | 2021-03-11 | 2021-12-17 | 京东鲲鹏(江苏)科技有限公司 | 一种无人车的控制方法和装置 |
US11338816B2 (en) * | 2019-02-02 | 2022-05-24 | Ford Global Technologies, Llc | Over-the-air flashing and reproduction of calibration data using data regression techniques |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080264036A1 (en) * | 2007-04-24 | 2008-10-30 | Bellovary Nicholas J | Advanced engine control |
CN104036229A (zh) * | 2013-03-10 | 2014-09-10 | 江南大学 | 基于回归的主动外观模型初始化方法 |
CN108216233A (zh) * | 2017-12-28 | 2018-06-29 | 北京经纬恒润科技有限公司 | 一种自适应巡航系统控制参数的标定方法及装置 |
WO2018179892A1 (ja) * | 2017-03-29 | 2018-10-04 | 三菱電機株式会社 | 車載装置、局側装置及びキャリブレーション方法 |
CN109747654A (zh) * | 2019-01-11 | 2019-05-14 | 吉林大学 | 一种面向工况的混合动力汽车控制参数标定方法 |
CN110472496A (zh) * | 2019-07-08 | 2019-11-19 | 长安大学 | 一种基于目标检测与跟踪的交通视频智能分析方法 |
-
2020
- 2020-03-16 CN CN202010180155.3A patent/CN111348029B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080264036A1 (en) * | 2007-04-24 | 2008-10-30 | Bellovary Nicholas J | Advanced engine control |
CN104036229A (zh) * | 2013-03-10 | 2014-09-10 | 江南大学 | 基于回归的主动外观模型初始化方法 |
WO2018179892A1 (ja) * | 2017-03-29 | 2018-10-04 | 三菱電機株式会社 | 車載装置、局側装置及びキャリブレーション方法 |
CN108216233A (zh) * | 2017-12-28 | 2018-06-29 | 北京经纬恒润科技有限公司 | 一种自适应巡航系统控制参数的标定方法及装置 |
CN109747654A (zh) * | 2019-01-11 | 2019-05-14 | 吉林大学 | 一种面向工况的混合动力汽车控制参数标定方法 |
CN110472496A (zh) * | 2019-07-08 | 2019-11-19 | 长安大学 | 一种基于目标检测与跟踪的交通视频智能分析方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11338816B2 (en) * | 2019-02-02 | 2022-05-24 | Ford Global Technologies, Llc | Over-the-air flashing and reproduction of calibration data using data regression techniques |
US20220258744A1 (en) * | 2019-02-02 | 2022-08-18 | Ford Global Technologies, Llc | Over-the-air flashing and reproduction of calibration data using data regression techniques |
US11987255B2 (en) | 2019-02-02 | 2024-05-21 | Ford Global Technologies, Llc | Vehicle and method for selectively calibrating such vehicle operation according to current conditions |
CN113805579A (zh) * | 2021-03-11 | 2021-12-17 | 京东鲲鹏(江苏)科技有限公司 | 一种无人车的控制方法和装置 |
CN113569948A (zh) * | 2021-07-27 | 2021-10-29 | 福州大学 | 电动汽车工况分类与评价方法及系统 |
CN113569948B (zh) * | 2021-07-27 | 2023-08-01 | 福州大学 | 电动汽车工况分类与评价方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111348029B (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111348029B (zh) | 一种考虑工况的混合动力汽车标定参数最优值确定方法 | |
Park et al. | Development of equivalent fuel consumption minimization strategy for hybrid electric vehicles | |
CN107657076B (zh) | 一种插电式混合动力系统动力匹配方法 | |
CN110775065A (zh) | 一种基于工况识别的混合动力汽车电池寿命预测方法 | |
CN110962837B (zh) | 一种考虑驾驶风格的插电式混合动力汽车能量管理方法 | |
CN110450641B (zh) | 一种汽车制动能量回收方法、装置和电动汽车 | |
CN107458369B (zh) | 一种同轴并联式混合动力电动汽车能量管理方法 | |
WO2021159660A1 (zh) | 一种混合动力汽车能量管理方法和系统 | |
CN110775043A (zh) | 一种基于电池寿命衰减模式识别的混动汽车能量优化方法 | |
CN110210098B (zh) | 增程式四驱混合动力汽车传动参数匹配方法 | |
CN111547041A (zh) | 一种并行混合动力汽车的协同优化能量管理方法 | |
CN113479186B (zh) | 一种混合动力汽车能量管理策略优化方法 | |
Wang et al. | Hybrid electric vehicle modeling accuracy verification and global optimal control algorithm research | |
CN110682905A (zh) | 基于行驶里程的时域中电池荷电状态参考变化量获取方法 | |
CN111581796B (zh) | 一种插电式混合动力汽车关键技术测评系统 | |
Chen et al. | Driving cycle recognition based adaptive equivalent consumption minimization strategy for hybrid electric vehicles | |
CN111267829B (zh) | 一种混合动力车辆能量管理方法和系统 | |
Cheng et al. | Modeling and simulation of plug-in hybrid electric powertrain system for different vehicular application | |
Lei et al. | Simulation and analysis of energy consumption for plug-in hybrid electric vehicles based on driving cycles | |
CN114670803A (zh) | 基于自我监督学习的并联式混合动力汽车能量管理方法 | |
CN114179777A (zh) | 一种基于工况识别的变等效因子混合动力汽车能量管理方法 | |
Bhaskar et al. | Recent trends on drivetrain control strategies and battery parameters of a hybrid electric vehicle | |
CN113553663A (zh) | 电机系统的选型方法、终端和可读存储介质 | |
Xia et al. | Energy Management Optimization for Plug-In Hybrid Electric Vehicles Based on Real-World Driving Data | |
Fu et al. | Principal component analysis based on drive cycles for hybrid electric vehicle |
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: 20210406 |