一种基于波形训练的混合动力车辆行驶工况的工况预测方法技术

本发明专利技术公开了一种车辆行驶工况的工况预测方法，该方法包括：将整个车辆行驶工况分成数个行驶工况片段的组合，其中一个行驶工况片段是指车辆从起动到第一次停车制动的过程，包括起动阶段、行驶阶段、制动阶段三部分组成；对速度样本工况进行数据处理，将速度工况转变为加速度工况；利用加速度工况片段对神经网络进行训练，然后通过神经网络强大的拟合能力，对输入的加速度工况历史信息进行分析计算，将历史信息与训练加速度工况片段进行匹配；在训练加速度工况片段中找到与历史信息最为相近的部分，将该部分接下来的工况信息作为预测加速度工况信息输出；通过预测加速度工况信息和当前车速计算得到未来的速度工况信息。

A prediction method for the working condition of hybrid vehicle based on waveform training

The invention discloses a method for predicting driving conditions of a vehicle condition, the method comprises: a combination of the vehicle driving cycle is divided into several driving segments, one segment refers to the vehicle driving conditions from the start to the first parking brake process, including the starting stage, driving stage and braking stage is composed of three parts the speed of sample conditions; data processing, the speed of change for the acceleration condition; using acceleration segment to train the neural network, and then through the fitting ability of neural network's powerful information on acceleration conditions of historical input were analyzed and calculated by matching the historical information and training in the training segment acceleration; acceleration segment to find the most similar parts for historical information, this part of the next working information as a predictor of acceleration The information output of the degree condition information is obtained by predicting the acceleration condition information and the current speed to get the information of the future speed condition.

【技术实现步骤摘要】
一种基于波形训练的混合动力车辆行驶工况的工况预测方法
本专利技术涉及一种车辆行驶工况的工况预测方法，尤其是一种基于波形训练的混合动力车辆行驶工况的工况预测方法。
技术介绍
工况预测(一般指车速预测)是通过建立预测算法，在车辆实际行驶过程中利用历史信息，预测未来短期内的工况信息。预测算法代表了车辆历史工况和未来工况的某种联系，应用这种联系，可以得到未来的工况信息。工况预测的结果有多种形式，现有的预测形式主要包括基于SOC、基于需求功率、需求转矩的预测，本专利技术直接对行驶工况进行预测，实现真正意义上的行驶工况预测，可直接提升汽车路径导航、碰撞预警及节能辅助驾驶系统等系统性能。
技术实现思路
本专利技术的主要目的是提供一种车辆行驶工况的工况预测方法，尤其是一种基于混合动力车辆行驶工况片段波形训练的工况预测方法，从而实现车速的信息准确预测。本专利技术的目的可以通过以下途径来实现:一种车辆行驶工况的工况预测方法，该方法包括：将整个车辆行驶工况分成数个行驶工况片段的组合，其中一个行驶工况片段是指车辆从起动到第一次停车制动的过程，包括起动阶段、行驶阶段、制动阶段三部分组成；对速度样本工况进行数据处理本文档来自技高网...

【技术保护点】
一种车辆行驶工况的工况预测方法，该方法包括：将整个车辆行驶工况分成数个行驶工况片段的组合，其中一个行驶工况片段是指车辆从起动到第一次停车制动的过程，包括起动阶段、行驶阶段、制动阶段三部分组成；对速度样本工况进行数据处理，将速度工况转变为加速度工况；利用加速度工况片段对神经网络进行训练，然后通过神经网络强大的拟合能力，对输入的加速度工况历史信息进行分析计算，将历史信息与训练加速度工况片段进行匹配；在训练加速度工况片段中找到与历史信息最为相近的部分，将该部分接下来的工况信息作为预测加速度工况信息输出；通过预测加速度工况信息和当前车速计算得到未来的速度工况信息。

【技术特征摘要】
1.一种车辆行驶工况的工况预测方法，该方法包括：将整个车辆行驶工况分成数个行驶工况片段的组合，其中一个行驶工况片段是指车辆从起动到第一次停车制动的过程，包括起动阶段、行驶阶段、制动阶段三部分组成；对速度样本工况进行数据处理，将速度工况转变为加速度工况；利用加速度工况片段对神经网络进行训练，然后通过神经网络强大的拟合能力，对输入的加速度工况历史信息进行分析计算，将历史信息与训练加速度工况片段进行匹配；在训练加速度工况片段中找到与历史信息最为相近的部分，将该部分接下来的工况信息作为预测加速度工况信息输出；通过预测加速度工况信息和当前车速计算得到未来的速度工况信息。2.根据权利要求1所述的工况预测方法，其中该方法包括以下流程：(1)将连续的加速度工况片段进行离散化，按照时间离散成若干个点；(2)数据处理，根据神经网络的输入层神经元个数n和输出层神经元个数l，将离散后的加速度工况片段按照从前到后的顺序，n+l个相邻的数据点组成一个训练片段，将得到的训练片段的前部n个数据作为训练神经网络的输入向量，后部l个数据作为训练神经网络的期望输出向量；(3)离线训练神经网络：在特定软件环境下，利用神经网络工具箱和已经得到的训练样本对神经网络进行训练；(4)在线预测未来加速度工况信...

【专利技术属性】
技术研发人员：王伟达，马越，韩立金，项昌乐，周泽慧，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11