【技术实现步骤摘要】
一种混合动力汽车行驶车速预测方法
本专利技术属于汽车实时工况预测
，特别是涉及一种基于马尔科夫链模型的混合动力汽车未来车速状态预测方法。
技术介绍
随着我国汽车保有量的不断增加，出现了能耗资源的缺乏以及尾气排放污染问题，迫使汽车行业向节能减排转变。混合动力汽车凭借优越的整车性能作为目前应用最广泛的新能源汽车，其燃油经济性决定着整车的经济行驶能力，而合理的控制策略是提升燃油经济性的关键。目前应用最多的是基于规则的控制策略，系统简单并易于实现，但无法保证最优性。其后有大量学者做了基于优化的能量控制方法，通过数学分析使成本函数最小化，但其巨大的计算量使其无法用于实时控制。等效燃油消耗最小法(equivalentconsumptionminimumstrategy，ECMS)是一种瞬时最优方法，但油电转换系统需随工作状态变化而改变，无法保证最优性。模型预测控制(MPC)作为控制算法中一种非常有前途的控制技术，能处理多输入多输出系统、约束处理和预测未来信息，保证系统在一个预测时间域中的全局最优特性，但此方法需要未来的行驶信息，仍...
【技术保护点】
1.一种混合动力汽车行驶车速预测方法，其特征在于，包括以下步骤：/nS10、利用K均值聚类分析方法对实际工况进行分类；/nS20、根据分类结果并参考标准循环工况构建不同工况的典型工况；/nS30、针对所述典型工况，采用基于马尔科夫链的预测模型模拟行驶车速变化规律；/nS40、计算状态转移概率矩阵；/nS50、基于马尔科夫链预测模型和状态转移矩阵的求解，利用matlab/markov工具箱对行驶实时工况预测。/n
【技术特征摘要】
1.一种混合动力汽车行驶车速预测方法，其特征在于，包括以下步骤：
S10、利用K均值聚类分析方法对实际工况进行分类；
S20、根据分类结果并参考标准循环工况构建不同工况的典型工况；
S30、针对所述典型工况，采用基于马尔科夫链的预测模型模拟行驶车速变化规律；
S40、计算状态转移概率矩阵；
S50、基于马尔科夫链预测模型和状态转移矩阵的求解，利用matlab/markov工具箱对行驶实时工况预测。
2.根据权利要求1所述的混合动力汽车行驶车速预测方法，其特征在于，步骤S10中选取以下特征参数：平均速度、最大速度、最大加速度、最小减速度、怠速时间比、加速时间比、减速时间比、匀速时间比、加速度平均值、速度标准差对实际工况进行分类。
3.根据权利要求2所述的混合动力汽车行驶车速预测方法，其特征在于，用相关性分析方法消除所述特征参数的相关性，选取代表性特征参数，选取步骤如下：
S11、对所述特征参数进行计算，计算公式为：
S12、利用相关系数方法求出特征参数矩阵，相关系数计算的公式为：
式中，
其中，r为相关系数，n为工况块总数，X表示不同的特征参数，和分别表示不同特征参数的均值。
4.根据权利要求3所述的混合动力汽车行驶车速预测方法，其特征在于，其中利用K均值聚类分析，通过计算样本间的亲疏程度来进行数据分类，最终实现同一类中的数据具有较大的特征相似性，不同类之间则差异较大，聚类分析过程如下：
从所有的数据点{x1，x2，…，xn}中，随机选取k个点作为初步聚类的中心{k1，k2，…，kn}，然后计算其余样本点到选出的k个聚类中心的距离，到聚类中心的距离按照最小距离原则来处理，以k个类别为中心将每个样本点归类，形成k个簇；
(1)把样本的n个数据点依据最小距离原则选取k个点作为初始聚类的中心；
(2)利用欧式距离将各个样本归类到距离其最近的聚类中心，欧式距离的表示方法如式所示：
其中，xi是第i个样本点，ki是第i个聚类中心；
(3)重新进行迭代计算来更新每个簇的聚类中心；
(4)重复进行(1)～(3)，直至各个簇的聚类中心不再改变。
5.根据权利要求4所述的混合动力汽车行驶车速预测方法，其特征在于，所述工况聚类分析的效果用指标函数F表示，其中，F取值越大表示聚类效果越显著；目标函数F表示为：
式中，F为目标函数；D为各类簇中心距离之和...
【专利技术属性】
技术研发人员：赵红，袁焕涛，马永志，崔翔宇，潘广纯，牟亮，仇俊政，李燕，
申请(专利权)人：青岛大学，
类型：发明
国别省市：山东;37
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。