一种智能网联混合动力汽车能量控制方法,涉及新能源汽车。采集信号;算法优化;指令处理及控制执行。根据车载传感系统及V2X系统采集的各种外界环境信息,采用遗传算法优化BP神经网络控制器,再通过整车智能控制系统处理并发送指令控制发动机和电动机,实现混合动汽车的转矩在最优转矩附近,达到节能减排的目的。结合智能网联系统运用遗传算法优化BP神经网络对混合动汽能量进行实时控制,让能量分配更为合理,节能减排效果更为明显。
【技术实现步骤摘要】
一种智能网联混合动力汽车能量控制方法
本专利技术涉及新能源汽车,尤其是涉及一种智能网联混合动力汽车能量控制方法。
技术介绍
随着汽车对燃油的消耗,环境问题越来越突出,因此新能源汽车成为一个重要的课题,当今互联网的发展也是瞬息万变,改变产业的发展模式,混合动力汽车的节能和低排放特性引起广泛的关注,再者,整合互联网技术,让车辆控制更加智能化。针对混合动力汽车能量管理问题是一个涉及非线性动态优化的重要问题,文献[1](SDCarianoetc,StochasticMPCwithlearningfordriver-predictivevehiclecontrolanditsapplicationtoHEVenergymanagement,IEEETransactiononControlSystemsTechnology,2014,22(3):1018-1031)采用模型预测控制方法进行了混合动力汽车能量管理的研究,该问题作为影响车辆性能和混合动力产业化进程的一个主要瓶颈,迄今为止没有得到最终解决,亟待突破。由于混合动力系统是一个集成了电气、机械、化学和热力学系统的非线性动态系统,自身及其各部件之间的协调工作极为复杂。同时,车辆行驶工况和驾驶员操作具有随机性,这也增加了能量管理策略设计的难度。随着网络的发展,车联网已经成为可能,利用车联网,智能交通及先进算法可以实时对车辆能量分配的控制,在此基础上,有些学者提出将优化系统寄于云端,但是车辆是在不断运行中,可能要穿过信号较弱的区域,无法保证能够实时接收到算法优化后的数据。
技术实现思路
本专利技术的目的在于提供基于遗传神经的一种智能网联混合动力汽车能量控制方法。本专利技术包括以下步骤:1)采集信号;在步骤1)中,所述采集信号的具体步骤可为:(1)信号采集模块通过车载信息采集器采集车辆周围信息,以及接收车上传感器收集的信号,无线通信模块接收车联网及智能交通中的信息,信号采集模块和无线通信模块将收集到的信息传入整车智能控制器中;所述整车智能控制器包括微处理器、发动机通信模块、电机通信模块和电池管理系统通信模块;(2)智能控制器通过输入信号分析车辆运行的状况,将当前车速、电池SOC值、发动机温度等信息送往车载智能优化系统。2)算法优化;在步骤2)中,所述算法优化的具体步骤可为:(1)车载智能优化系统优化BP神经网络的初始权值和阈值,在遗传算法的种群中每个个体都包含一个网络所有的权值和阈值,个体通过适应度函数计算其适应度值,遗传算法通过选择、交叉和变异操作找到最优适应度值对应的个体;(2)BP神经网络是指利用遗传算法得到的最优个体对网络初始权值和阈值赋值,BP神经网络瞬时控制器对传入车载智能优化系统的当前车速、电池SOC值、总需求转矩和发动机温度进行优化计算,输出根据当前车辆状况下燃油消耗最少的发动机最优转矩,在车载智能优化系统中,遗传算法优化BP神经网络瞬时最优控制输出的转矩数据又传回整车智能控制系统。3)指令处理及控制执行。在步骤3)中,所述指令处理及控制执行的具体步骤可为:(1)微处理器将传入整车智能控制器中信息进行处理成执行指令送往发动机通信模块、电机通信模块及电池管理系统通信模块;(2)发动机通信模块、电机通信模块和电池管理系统通信模块与整车CAN连接,将指令送到发动机控制模块、电机控制模块及电池管理系统对其控制实现能量的匹配。本专利技术根据车载传感系统及V2X系统采集的各种外界环境信息,采用遗传算法优化BP神经网络控制器,再通过整车智能控制系统处理并发送指令控制发动机和电动机,实现混合动汽车的转矩在最优转矩附近,达到节能减排的目的。本专利技术结合智能网联系统运用遗传算法优化BP神经网络对混合动汽能量进行实时控制,让能量分配更为合理,节能减排效果更为明显。附图说明图1为本专利技术能量优化控制系统结构示意图。图2为本专利技术遗传算法优化BP网络流程图。图3为本专利技术BP神经结构图。图4为混合动力汽车系统结构示意图。具体实施方式下面结合图1~4对本专利技术智能网联混合动力能量分配的控制方法作进一步详细的说明。本专利技术提供了一种智能网联混合动力汽车能量分配控制方法,其运用网联系统,融合现代通信与网络技术,实现车与人、车、路、后台等智能信息交换共享,具备复杂的环境感知、智能决策、协同控制和执行等功能,可实现安全、舒适、节能、高效行驶。本专利技术实现过程包括信号采集部分,算法优化部分和指令处理及控制执行部分。图1给出本专利技术能量优化控制系统结构示意图,所述能量优化控制系统包括信号采集模块1、无线通信模块2、车载智能优化系统3、整车智能控制器4、发动机控制模块5、电机控制模块6和电池管理系统7。信号采集模块1的输入端输入车辆周边信息P1,无线通信模块2输入车联网信息P2。信号采集模块1的输出端和无线通信模块2的输出端分别接整车智能控制器4的输入端,车载智能优化系统3与整车智能控制器4连接,整车智能控制器4的输出端分别接发动机控制模块5、电机控制模块6和电池管理系统7。本专利技术实现过程包括信号采集部分、算法优化部分和指令处理及控制执行部分。A.信号采集部分第一步,本专利技术信息采集模块就是针对车辆信号及周边信息的采集,是信号原始输入端,输入信号包括路况信息,车辆加速踏板、制动踏板等传感器信号,无线通信模块是接收来自车联网及智能交通系统中的信息,无线通信模块和信息采集模块将原始信息送入智能控制器。第二步,智能控制器通过输入信号进行分析车辆运行的状况,将当前车速,电池SOC值,发动机温度等信息送往车载智能优化系统。B.算法优化部分图1中车载智能优化系统是基于BP神经网络设计的控制器,对来自整车智能控制器的当前车速V,电池SOC值,总需求转矩Tr,发动机温度Tem进行计算,输出发动机转矩Te,具体步骤如下:第一步,利用遗传算法优化BP神经网络初始权值和阈值,优化流程图如图2。遗传算法优化BP神经网络分为BP神经网络结构确定、遗传算法优化,BP神经网络结构确定部分函数输入输出参数个数确定BP神经网络结构,进而确定遗传算法个体的长度。遗传算法优化主要是指遗传算法优化BP神经网络的阈值和权值,种群中每个个体都包含了一个网络所有的阈值和权值,个体通过适应度函数计算其适应度值,遗传算法通过选择、交叉和变异操作找到最优适应度值对应的个体。神经网络输入层有四个节点,输出层有一个节点,隐层有五个节点,即结构为4-5-1,所以有4*5+5*1=25个权值,有5+1=6个阈值,因此遗传算法个体的编码长度是25+6=31。遗传算法优化BP神经网络是用遗传算法来优化BP神经网络的初始权值和阔值,使优化后的BP神经网络能够更好地预测转矩的输出。遗传算法优化BP神经网络的要素包括种群初始化,适应度函数选取、选择操作、交叉操作和变异操作。1)种群初始化个体编码方法为实数编码,每个个体均为一个实数串,由输入层与隐层连接权值、隐层阈值、隐层与输出层连接权值以及输出层阈值四部分组成,个体包括神经网络的全部权值和阈值,在网络结构已知的情况下,就可以构成一个结构、权值、阔值确定的神经网络。2)适度函数选择根据个体得到BP神经网络的初始权值和阈值,利用BP神经网络训练样本训练好BP神经网络,把输出值和实际值之间均方根误差作为个体适应度值F,这样就能保证遗传算法本文档来自技高网...
【技术保护点】
一种智能网联混合动力汽车能量控制方法,其特征在于包括以下步骤:1)采集信号;2)算法优化;3)指令处理及控制执行。
【技术特征摘要】
1.一种智能网联混合动力汽车能量控制方法,其特征在于包括以下步骤:1)采集信号;2)算法优化;3)指令处理及控制执行。2.如权利要求1所述一种智能网联混合动力汽车能量控制方法,其特征在于在步骤1)中,所述采集信号的具体步骤为:(1)信号采集模块通过车载信息采集器采集车辆周围信息,以及接收车上传感器收集的信号,无线通信模块接收车联网及智能交通中的信息,信号采集模块和无线通信模块将收集到的信息传入整车智能控制器中;所述整车智能控制器包括微处理器、发动机通信模块、电机通信模块和电池管理系统通信模块;(2)智能控制器通过输入信号分析车辆运行的状况,将当前车速、电池SOC值、发动机温度等信息送往车载智能优化系统。3.如权利要求1所述一种智能网联混合动力汽车能量控制方法,其特征在于在步骤2)中,所述算法优化的具体步骤为:(1)车载智能优化系统优化BP神经网络的初始权值和阈值,在遗传算法的种群中每个个体都包含一个网络所有...
【专利技术属性】
技术研发人员:郭景华,王进,
申请(专利权)人:厦门大学,
类型:发明
国别省市:福建,35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。