一种基于Stacked LSTM的电动汽车短程车速预测方法技术

本发明专利技术涉及一种基于Stacked LSTM的电动汽车短程车速预测方法，其特征在于包括以下步骤：S1、构建加速驾驶意图模糊推理器；S2、构建制动驾驶意图模糊推理器；S3、构建训练集、验证集和测试集；S4、构建用于电动汽车短程车速预测的Stacked LSTM神经网络；S5、用构建好的训练集对所述Stacked LSTM神经网络进行训练；S6、向所述Stacked LSTM神经网络输入实时的电动汽车速度、电动汽车加速踏板开度和加速踏板开度变化率、电动汽车制动踏板开度和制动踏板开度变化率，进行电动汽车短程车速预测，输出电动汽车短程车速序列。有益效果是能够有效提高车速预测精度、缩短预测时间。

【技术实现步骤摘要】
一种基于StackedLSTM的电动汽车短程车速预测方法
本专利技术涉及智能交通领域，具体涉及一种基于StackedLSTM的电动汽车短程车速预测方法。
技术介绍
近年来，在经济发达城市，城市交通拥堵问题频繁发生，交通拥堵问题导致汽车的排放、能耗增加。在智能车辆的节能问题研究中，预测性的能量管理成为研究热点，而在预测性的能量管理中，车速预测是研究重点。对于混合动力汽车，通过短程车速预测和挡位序列判断，得到扭矩需求，进而优化电机和发动机的扭矩分配，实现节能减排的目标；对于纯电动汽车，则可以通过短程车速预测，优化电机输出扭矩，进而实现节能的目标。因此，可靠的车速预测，不仅可以达到节能减排的目的，同时也可以为交通出行者提供指导，对于交通资源的分配起着重要作用。车速序列具有高度的非线性和时变性特点，例如《车速的时间序列分析模型》，作者：俞礼军、严宝杰、杨新洲，DOI：10.3321，基于高阶统计量方法，建立连续车流地点车速的时间序列分析模型。关于车速预测，现有短程车速预测技术中存在预测精度不足的问题，国内外的研究现状如下：第一，本文档来自技高网...

【技术保护点】
1.一种基于Stacked LSTM的电动汽车短程车速预测方法，其特征在于包括以下步骤：/nS1、构建以电动汽车加速踏板开度、加速踏板开度变化率为输入的加速驾驶意图模糊推理器，输出加速驾驶意图；/nS2、构建以电动汽车制动踏板开度、制动踏板开度变化率为输入的制动驾驶意图模糊推理器，输出制动驾驶意图；/nS3、基于电动汽车速度、加速度、加速度变化率的连续样本数据以及加速驾驶意图模糊推理器输出的加速驾驶意图样本数据、制动驾驶意图模糊推理器输出的制动驾驶意图样本数据，构建训练集、验证集和测试集；/nS4、构建用于电动汽车短程车速预测的Stacked LSTM神经网络；/nS5、用构建好的训练集对所述...

【技术特征摘要】
1.一种基于StackedLSTM的电动汽车短程车速预测方法，其特征在于包括以下步骤：
S1、构建以电动汽车加速踏板开度、加速踏板开度变化率为输入的加速驾驶意图模糊推理器，输出加速驾驶意图；
S2、构建以电动汽车制动踏板开度、制动踏板开度变化率为输入的制动驾驶意图模糊推理器，输出制动驾驶意图；
S3、基于电动汽车速度、加速度、加速度变化率的连续样本数据以及加速驾驶意图模糊推理器输出的加速驾驶意图样本数据、制动驾驶意图模糊推理器输出的制动驾驶意图样本数据，构建训练集、验证集和测试集；
S4、构建用于电动汽车短程车速预测的StackedLSTM神经网络；
S5、用构建好的训练集对所述StackedLSTM神经网络进行训练，根据所述StackedLSTM神经网络在验证集上的表现调整所述StackedLSTM神经网络超参数，直到所述StackedLSTM神经网络收敛并在测试集上的预测精度达到要求；
S6、向所述StackedLSTM神经网络输入实时的电动汽车速度、电动汽车加速踏板开度和加速踏板开度变化率、电动汽车制动踏板开度和制动踏板开度变化率，进行电动汽车短程车速预测，输出电动汽车短程车速序列。


2.根据权利要求1所述的一种基于StackedLSTM的电动汽车短程车速预测方法，其特征在于所述步骤S1具体包括以下步骤：
S101、构建以电动汽车加速踏板开度、加速踏板开度变化率为输入变量，
加速驾驶意图为输出变量的加速驾驶意图模糊推理器；
S102、设定加速踏板开度、加速踏板开度变化率、加速驾驶意图的语言变量和论域，设定加速踏板开度隶属度函数、加速踏板开度变化率隶属度函数；
S103：建立加速驾驶意图识别模糊推理规则，进行模糊推理，输出模糊加速驾驶意图；
S104：进行反模糊化处理，并采用加权平均的方法对模糊加速驾驶意图隶属度进行加权平均，得到精确的加速驾驶意图，输出加速驾驶意图隶属度函数。


3.根据权利要求2所述的一种基于StackedLSTM的电动汽车短程车速预测方法，其特征在于所述步骤S1：
所述步骤S102：加速踏板开度的论域设为[0，100]，语言变量设为{小，较小，中，较大，大}；加速踏板开度变化率的论域设为[-100，100]，语言变量设为{负大，小，中，大}；加速驾驶意图的论域设为[0，1]，语言变量设为{平稳加速，较平缓加速，一般加速，较紧急加速，紧急加速}；加速踏板开度隶属度函数设定为灵敏度较高的三角形隶属度函数；加速踏板开度变化率隶属度函数设定为控制较为粗略平稳的梯形隶属度函数；
所述步骤S103：结合控制理论和实际人工经验建立如下加速驾驶意图识别模糊推理规则；



所述步骤S104：按最大最小法将加速驾驶意图归一化到[0，1]。


4.根据权利要求1所述的一种基于StackedLSTM的电动汽车短程车速预测方法，其特征在于所述步骤S2具体包括以下步骤：
S201、构建以电动汽车制动踏板开度、制动踏板开度变化率为输入变量，制动驾驶意图为输出变量的制动驾驶意图模糊推理器；
S202、设定制动踏板开度、制动踏板开度变化率、制动驾驶意图的语言变量和论域，设定制动踏板开度、制动踏板开度变化率的隶属度函数；
S203：建立制动驾驶意图识别模糊推理规则，进行模糊推理，输出模糊制动驾驶意图；
S204：进行反模糊化处理，...

【专利技术属性】
技术研发人员：周道武，涂家毓，陈傲文，李伟东，杨林，胡芮平，陈方明，
申请(专利权)人：博雷顿科技有限公司，上海交通大学，
类型：发明
国别省市：上海;31