一种基于马尔可夫链与神经网络的汽车行驶工况预测方法技术

本发明专利技术公开了一种基于马尔可夫链与神经网络的汽车行驶工况预测方法，主要步骤为：1)获取表征汽车行驶工况的特征参数和n个历史临近车速Vt‑11、Vt‑12、……Vt‑1n。2)得到马尔可夫链车速趋势预测模型；3)输出第二组数据的趋势预测结果。4)利用主成分分析法对第一组数据、第三组数据进行降维。5)得到神经网络ANN1车速初始预测模型；6)输出第二组数据的初始预测数据。7)得到神经网络ANN2融合器模型；8)得到第三组数据的初始预测数据和第三组数据的趋势预测结果。9)得到神经网络ANN2融合器的输出，即汽车行驶工况的预测结果。本发明专利技术为混合动力汽车预测能量管理策略中的关键问题——短期工况预测提供了一种更加有效的预测算法。

A Prediction Method of Vehicle Driving Conditions Based on Markov Chain and Neural Network

The invention discloses a vehicle driving condition prediction method based on Markov chain and neural network. The main steps are as follows: 1) Obtaining the characteristic parameters representing the vehicle driving condition and N historical approaching vehicle speeds Vt 11, Vt 12,... Vt 1n. 2) get the Markov chain speed trend prediction model; 3) output the trend prediction results of the second set of data. 4) Principal component analysis is used to reduce the dimension of the first group of data and the third group of data. 5) Get the ANN1 initial speed prediction model based on neural network; 6) Output the initial prediction data of the second set of data. 7) The ANN2 fusion model of neural network is obtained; 8) The initial prediction data of the third group and the trend prediction results of the third group of data are obtained. 9) The output of ANN2 fusion is obtained, which is the prediction result of vehicle driving condition. The invention provides a more effective prediction algorithm for short-term condition prediction, which is a key problem in the prediction energy management strategy of hybrid electric vehicles.

【技术实现步骤摘要】
一种基于马尔可夫链与神经网络的汽车行驶工况预测方法
本专利技术涉及混合动力汽车控制领域，具体是一种基于马尔可夫链与神经网络的汽车行驶工况预测方法。
技术介绍
混合动力汽车具有改善环境污染、石油危机、并能降低车辆使用成本等优势，因此目前全世界的汽车厂商将混合动力汽车作为着重发展对象。能量管理策略在改善插电式混合动力汽车燃油经济性上效果显著，而基于规则的能量管理策略不能达到优化的效果，而基于优化的能量管理策略实时性较差，因此出现了兼具实时性和优化性能的预测能量管理策略，如模型预测控制(MPC)等。MPC能够协调各传动系统部件与控制约束，并在预测时域内进行滚动、在线寻优，而预测是影响MPC的关键因素之一，而以马尔可夫链为代表的随机预测和以神经网络为代表的机器学习是两种典型的预测方法。马尔可夫链(MarkovChain)预测模型是研究一种不确定性系统的方法，虽然马尔可夫链具有预测整个工况的趋势，但是短期精确预测效果有待进一步改善以满足MPC的需求。机器学习(MachineLearning)是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法，但神经网络的预测性能严重受到过训练以本文档来自技高网...

【技术保护点】
1.一种基于马尔可夫链与神经网络的汽车行驶工况预测方法，其特征在于，主要包括以下步骤：1)获取表征汽车行驶工况的所述特征参数和n个历史临近车速Vt‑1、Vt‑2、……Vt‑n；将特征参数分为两组，第一组数据记为X(n)，第二组数据记为S(n)；将n个历史临近车速Vt‑31、Vt‑32、……Vt‑3n记为第三组数据；2)将第一组数据和第二组数据作为马尔可夫链模型的输入，对马尔可夫链模型进行训练，从而得到马尔可夫链车速趋势预测模型；3)将第二组数据作为马尔可夫链车速趋势预测模型的输入，输出第二组数据的趋势预测结果Vt+21、Vt+22、……、Vt+2m；4)利用主成分分析法得到第一组数据的p个瞬时...

【技术特征摘要】
1.一种基于马尔可夫链与神经网络的汽车行驶工况预测方法，其特征在于，主要包括以下步骤：1)获取表征汽车行驶工况的所述特征参数和n个历史临近车速Vt-1、Vt-2、……Vt-n；将特征参数分为两组，第一组数据记为X(n)，第二组数据记为S(n)；将n个历史临近车速Vt-31、Vt-32、……Vt-3n记为第三组数据；2)将第一组数据和第二组数据作为马尔可夫链模型的输入，对马尔可夫链模型进行训练，从而得到马尔可夫链车速趋势预测模型；3)将第二组数据作为马尔可夫链车速趋势预测模型的输入，输出第二组数据的趋势预测结果Vt+21、Vt+22、……、Vt+2m；4)利用主成分分析法得到第一组数据的p个瞬时主成分；利用主成分分析法对第三组数据进行降维，从而得到第三组数据的l个瞬时主成分；4)利用第一组数据的p个瞬时主成分和历史临近车速Vt-11、Vt-12、……Vt-1n训练神经网络ANN1，从而得到神经网络ANN1车速初始预测模型。6)对神经网络ANN1车速初始预测模型进行测试，并输出第二组数据的初始预测数据Vt+11、Vt+12、……、Vt+1m；7)将第二组数据的初始预测数据Vt+11、Vt+12、……、Vt+1m和趋势预测结果Vt+21、Vt+22、……、Vt+2m作为神经网络ANN2融合器的输入，第二组数据作为神经网络ANN2融合器的输出，对神经网络ANN2融合器进行训练，从而得到神经网络ANN2融合器模型；8)将第三组数据和第三组数据的l个瞬时主成分输入到神经网络ANN1车速初始预测模型中，得到第三组数据的初始预测数据V’t+11、V’t+12、……、V’t+1m；将第三组数据和第三组数据的l个瞬时主成分输入到...

【专利技术属性】
技术研发人员：雷贞贞，隋毅，黄棋，刘娟，张宓，高俊，
申请(专利权)人：重庆科技学院，
类型：发明
国别省市：重庆,50