一种节油控制方法技术

本发明专利技术公开了一种节油控制方法，其包括：步骤1，构建节油控制策略；步骤2，将自车获取到的汽车外部的视觉信息Camera与汽车的速度v、加速度acc、CVT变速器速比Ratio

【技术实现步骤摘要】
一种节油控制方法


[0001]本专利技术涉及一种汽车节能减排控制方法，特别是关于一种节油控制方法。

技术介绍

[0002]在过去的几十年，随着经济的蓬勃发展和人民生活水平的提高，人们对日常出行的要求大大提高，这也就促进了汽车行业迅速发展。与此同时，生态环境恶化、化石燃料短缺等不良影响也随之而来。因此，汽车行业的快速发展是造成环境污染和能源短缺的首要原因。如今，人类高度重视环境和能源问题，以美国和欧盟为首的发达国家的监管机构都在制定更加严格的排放标准以推动汽车厂商升级现有技术，生产更加高效、节能的汽车。
[0003]世界各国对于汽车的节能减排性能提出了更高的要求，因此，推出更加先进的技术成为汽车制造厂商亟待解决的问题。目前电动汽车技术并不完善，因此，基于内燃机的汽车在未来仍将占有很大的市场份额。由于独特的传动结构，机械式无级变速器(Continuous variable transmission，CVT)可以实现传动比的连续变化，因此，CVT可以保证发动机在最佳工作区域工作，从而大幅降低燃油消耗与污染排放。在此背景下，搭载CVT变速器的汽车因其更加灵活的调速性能在节能减排方面优势明显。目前，针对汽车加速、恒速和减速等不同工况，分析发动机、CVT变速器状态和油耗的关系，提出了搭载CVT汽车的节油优化策略。也有通过最优控制理论，优化汽车的加速、滑行周期降低燃油消耗。还有集成控制发动机转矩和CVT变速器传动比，通过计算瞬时燃油消耗最小的发动机工作点确定发动机目标转矩和目标传动比。然而，这些研究着重与优化发动机效率和传动效率，而忽略了车外信息对汽车油耗的影响，导致优化效果不佳。因此，为了达到最佳的优化效果，需要综合考虑发动机、变速器的最佳效率以及对其他汽车行为或者交通灯状态的预测信息。

技术实现思路

[0004]本专利技术的目的在于提供一种节油控制方法来克服或至少减轻现有技术的上述缺陷中的至少一个。
[0005]为实现上述目的，本专利技术提供一种节油控制方法，其包括：
[0006]步骤1，构建如下式描述的节油控制策略；
[0007]J
i
＝ω1L
d,i
+ω2L
f,i
+ω3L
s,i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0008]其中，J
i
是第i步的瞬时奖励，L
di
是第i步的行驶速度奖励，L
fi
是第i步的燃油消耗量奖励，L
Ri
是第i步的传动比变化奖励，ω1、ω2、ω3均为对应各自奖励而设定的权重，如式(2)所示：
[0009][0010]其中，Ratio
cvt
是汽车的CVT变速器的传动比，Ratio
ref
是汽车的CVT变速器参考传
动比，fuel是汽车的燃油消耗量，v是汽车的行驶速度，abs是绝对值，ω4、ω5和ω6均为对应各自汽车参数而设定的权重；
[0011]步骤2，将自车获取到的汽车外部的视觉信息Camera与汽车的速度v、加速度acc、CVT变速器速比Ratio
CVT
按照下式(3)融合为深度强化学习的状态s；
[0012]s＝[Camera,v,acc,Ratio
CVT
]ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0013]步骤3，根据状态s，设置奖励函数r(s,a)；
[0014]r(s,a)＝b
‑
J
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0015]其中，b是调节r(s,a)范围的偏差，J是奖励，a是动作，包括节气门开度和CVT传动比变化量的控制动作；
[0016]步骤4，将状态s输入到神经网络，使用深度强化学习按照下式(5)提供的动作，对节气门开度A
throttle
和CVT传动比变化量
△
Ratio
CVT
进行控制，输出节油控制策略：
[0017][0018]进一步地，设定在发生追尾和闯红灯时回合结束，将回合奖励J
e
加入到是瞬时奖励J
i
中，获得J＝J
i
+J
e
。
[0019]进一步地，视觉信息包括车载摄像头获取的前车行为以及交通灯状态的图像信息。
[0020]本专利技术由于采取以上技术方案，其具有以下优点：本专利技术采用车载摄像头收集实时视觉信息，然后将经过CNN(英文全称是“convolutional neural network”，中文全称是“卷积神经网络”)处理的实时视觉信息与汽车固有状态信息进行整合，并作为深度强化学习的状态输入，输出最优的节油控制动作，减少汽车的燃油消耗。
附图说明
[0021]图1为本专利技术实施例提供的基于SAC的DRL算法原理示意图。
[0022]图2为本专利技术实施例提供的城市循环中对汽车和交通灯的观测示意图，其中车载摄像机收集图像信息。
[0023]图3为本专利技术实施例提供的卷积神经网络，通过车载摄像头收集图像信息，通过卷积神经网络对图像进行处理。处理后与速度、加速度等其他信息，一起输入到深度强化学习的神经网络。
[0024]图4为本专利技术实施例提供的数据传递与动力系统结构图。
[0025]图5为本专利技术实施例提供的实时通信时间。
[0026]图6为本专利技术实施例提供的模型搭建平台示意图。
[0027]图7为本专利技术实施例提供的WLTC标准工况速度曲线示意图。
[0028]图8为本专利技术实施例提供的WLTC工况实验环境测试示意图。
[0029]图9为本专利技术实施例提供的损失、奖励示意图。
[0030]图10为本专利技术实施例提供的汽车行驶速度对比示意图。
[0031]图11为本专利技术实施例提供的CVT速比变化结果对比示意图。
[0032]图12为本专利技术实施例提供的单位时间燃油消耗对比示意图。
具体实施方式
[0033]下面结合附图和实施例对本专利技术进行详细的描述。
[0034]节油控制方法旨在保证汽车动力性的前提下，提高燃油经济性。
[0035]本实施例提供节油控制方法包括：
[0036]步骤1，首先，确定汽车的起点和终点，实现全局路径规划。其次，针对汽车的实时行驶策略进行优化，目的是在合理的时间范围内，尽可能的降低燃油消耗。在驾驶循环中，行驶速度直接决定整个驾驶循环所需的时间，故采用行驶速度奖励来替代驾驶循环所需的时间奖励。将这两个目标奖励与安全行驶目标奖励集合在一起，通过优化每个时间点的奖励来实现最优控制，如下式(1)所示；
[0037]J
i
＝ω1L
d,i
+ω2L
f,i
+ω3L
s,i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种节油控制方法，其特征在于，包括：步骤1，构建如下式描述的节油控制策略；J
i
＝ω1L
d,i
+ω2L
f,i
+ω3L
s,i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，J
i
是第i步的瞬时奖励，L
di
是第i步的行驶速度奖励，L
fi
是第i步的燃油消耗量奖励，L
Ri
是第i步的传动比变化奖励，ω1、ω2、ω3均为对应各自奖励而设定的权重，如式(2)所示：其中，Ratio
cvt
是汽车的CVT变速器的传动比，Ratio
ref
是汽车的CVT变速器参考传动比，fuel是汽车的燃油消耗量，v是汽车的行驶速度，abs是绝对值，ω4、ω5和ω6均为对应各自汽车参数而设定的权重；步骤2，将自车获取到的汽车外部的视觉信息Camera与汽车的速度v、加速度acc、CVT变速器速比Ratio
CVT
按照下式(3)融合为深度强化学习的状态s；s＝...

【专利技术属性】
技术研发人员：韩玲，刘国鹏，迟瑞丰，方若愚，朱长盛，王乙任，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：