基于预测车速变化的串联式混合动力履带车能量管理策略制造技术

本发明专利技术公开一种基于预测车速变化的串联式混合动力履带车能量管理策略。包括以下步骤：(1)建立串联式混合动力履带车的纵向动力学模型；(2)针对串联式混合动力履带车，建立A

【技术实现步骤摘要】
基于预测车速变化的串联式混合动力履带车能量管理策略


[0001]本专利技术属于串联式混合动力履带车能量管理领域，具体涉及一种基于预测车速变化的串联式混合动力履带车能量管理策略。

技术介绍

[0002]传统能源为动力的车辆具有污染大、油耗高等缺点，串联式混合动力车辆采用发动机和动力电池作为动力来源，可以降低污染和油耗。
[0003]常用的能量管理策略有基于规则的能量管理策略和基于优化的能量管理策略。基于规则的能量管理策略虽然便于实现，但太依赖于经验，工况适应性不好；基于优化的能量管理策略分为全局优化策略和瞬时优化策略，针对特定目标进行优化，计算时间较长。
[0004]等效燃油消耗最小策略可以实时应用于车辆的行驶中，通过实时求解最优解从而实现求解整个仿真工况最优解的目的，具有很好的实用性。
[0005]原始的RNN在训练中，随着训练时间的加长以及网络层数的增多，容易出现梯度爆炸或梯度消失的问题，导致无法处理较长序列数据，从而无法获取长距离数据的信息。

技术实现思路

[0006]本专利技术的目的在于提供一种基于预测车速变化的串联式混合动力履带车能量管理策略，将LSTM与A
‑
ECMS相结合，根据预测车速变化情况进一步调整等效因子，并根据综合油耗的情况确定最终等效因子，提高装置输出功率与需求功率的匹配性，同时降低综合油耗值。
[0007]实现本专利技术目的的技术解决方案为：一种基于预测车速变化的串联式混合动力履带车能量管理策略，包括以下步骤：
[0008]步骤(1)：建立串联式混合动力履带车的纵向动力学模型；
[0009]步骤(2)：针对串联式混合动力履带车，建立A
‑
ECMS能量管理策略模型；
[0010]步骤(3)：利用LSTM方法预测速度变化值，将变化值分为正负两类，分别采用Kmeans方法对不同符号下预测的速度变化值进行分类，并获取其中的门限值；
[0011]步骤(4)：针对绝对值大于对应符号下门限值的速度变化值，对相应的A
‑
ECMS的等效因子进行调节，并将所得的综合油耗与A
‑
ECMS所得的综合油耗进行比较，取其中较小值对应的APU和动力电池功率分配情况。
[0012]进一步的，步骤(1)中的纵向动力学模型为：
[0013][0014]其中，P
d
为车辆需求功率，v为车辆当前车速，m为车辆质量，μ为滚动阻力系数，ρ为空气密度，A为迎风面积，C
d
为空气阻力系数，a为车辆加速度，θ为路面与水平面的夹角。
[0015]进一步的，步骤(2)建立A
‑
ECMS能量管理策略模型为：
[0016][0017]P
d
(t)＝P
APU
(t)+P
bat
(t)
[0018]其中，s(t)＝s0+k
p
*(SOC(t)
‑
SOC0)
[0019]其中，为等效燃油消耗，为发动机燃油消耗，为动力电池等效燃油消耗，s(t)为等效因子，P
bat
(t)为动力电池输出功率，Q
lhv
为燃油低热值，P
APU
(t)为APU输出功率，P
d
(t)为需求功率，s0为离线迭代所得的最优等效因子，k
p
为调节系数，SOC0为动力电池初始SOC，SOC(t)为动力电池实时SOC，s0和k
p
由最终SOC值与初始SOC值的偏差和综合油耗值确定。
[0020]进一步的，步骤(3)具体为：
[0021]定义LSTM网络架构和超参数，并将参考工况数据归一化后进行训练及测试，调整参数直至测试结果达到拟合；
[0022]速度变化门限值用Kmeans聚类算法获得具体为：设置变化值“中高”和“中低”两类，将预测速度变化值分为正负两类后，分别进行Kmeans聚类，获取其中的中间值作为门限值进行区分，针对绝对值大于对应符号下门限值的数据进行P
‑
ECMS分析，用
△
v
pred
表征预测的车速变化值，P
‑
ECMS中等效因子公式如下：
[0023][0024]其中，s(t)为前述A
‑
ECMS所得自适应等效因子，k
′
为P
‑
ECMS调节系数，
△
v
thre+
为速度变化为正的门限值，
△
v
thre
‑
为速度变化为负的门限值，|
△
v
predmax
|为预测速度变化为正情况下速度变化绝对值的最大值，|
△
v
predmin
|为预测速度变化为负情况下速度变化绝对值的最大值，k
′
由最终SOC值与初始SOC值的偏差和综合油耗值确定。
[0025]进一步的，步骤(4)“将所得的综合油耗与A
‑
ECMS所得的综合油耗进行比较”中的综合油耗比较方法为：
[0026][0027]式中，V
fuel_ele
为电能消耗的等效燃油量，L；E
bat
为电池电能消耗量，kWh；Q
LHV
为柴油低热值，42600kJ/kg；ρ
fuel
为柴油密度，0.84kg/L；为发动机平均工作效率，此处取34％；为ISG电机发电平均效率，此处取90％；V
fuel_all
为综合燃油消耗量，L；V
fuel_eng
为发动机燃油消耗量，L。
[0028]进一步的，所述能量管理策略模型的目标函数为：
[0029][0030]其中，根据输出功率分配情况为或
[0031]进一步的，所述能量管理策略模型的约束条件为：
[0032][0033]其中，SOC
min
为动力电池荷电状态的最小值，SOC
max
为动力电池荷电状态的最大值，P
batmin
为动力电池功率能达到的最小值，P
batmax
为动力电池功率能达到的最大值，n
engmax
为发动机转速的最大值，T
engmin
为电机反转时发动机转矩的最小值，f
T
(n
eng
)为n
eng
下查表所的发动机转矩的最大值，
△
n
engmin
为发动机调速的转速可调最小值，
△
n
engmax
为发动机调速的转矩可调最大值，
△
T
engmin
为发动机调速的转矩可调最小值，
△
T
eng max<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于预测车速变化的串联式混合动力履带车能量管理策略，其特征在于，包括以下步骤：步骤(1)：建立串联式混合动力履带车的纵向动力学模型；步骤(2)：针对串联式混合动力履带车，建立A
‑
ECMS能量管理策略模型；步骤(3)：利用LSTM方法预测速度变化值，将变化值分为正负两类，分别采用Kmeans方法对不同符号下预测的速度变化值进行分类，并获取其中的门限值；步骤(4)：针对绝对值大于对应符号下门限值的速度变化值，对相应的A
‑
ECMS的等效因子进行调节，并将所得的综合油耗与A
‑
ECMS所得的综合油耗进行比较，取其中较小值对应的APU和动力电池功率分配情况。2.根据权利要求1所述的管理策略，其特征在于，步骤(1)中的纵向动力学模型为：其中，P
d
为车辆需求功率，v为车辆当前车速，m为车辆质量，μ为滚动阻力系数，ρ为空气密度，A为迎风面积，C
d
为空气阻力系数，a为车辆加速度，θ为路面与水平面的夹角。3.根据权利要求2所述的能量管理策略，其特征在于，步骤(2)建立A
‑
ECMS能量管理策略模型为：P
d
(t)＝P
APU
(t)+P
bat
(t)其中，s(t)＝s0+k
p
*(SOC(t)
‑
SOC0)其中，为等效燃油消耗，为发动机燃油消耗，为动力电池等效燃油消耗，s(t)为等效因子，P
bat
(t)为动力电池输出功率，Q
lhv
为燃油低热值，P
APU
(t)为APU输出功率，P
d
(t)为需求功率，s0为离线迭代所得的最优等效因子，k
p
为调节系数，SOC0为动力电池初始SOC，SOC(t)为动力电池实时SOC，s0和k
p
由最终SOC值与初始SOC值的偏差和综合油耗值确定。4.根据权利要求3所述的能量管理策略，其特征在于，步骤(3)具体为：定义LSTM网络架构和超参数，并将参考工况数据归一化后进行训练及测试，调整参数直至测试结果达到拟合；速度变化门限值用Kmeans聚类算法获得具体为：设置变化值“中高”和“中低”两类，将预测速度变化值分为正负两类后，分别进行Kmeans聚类，获取其中的中间值作为门限值进行区分，针对绝对值大于对应符号下门限值的数据进行P
‑
ECMS分析，用
△
v
pred
表征预测的车速变化值，P
‑
ECMS中等效因子公式如下：其中，s(t)为前述A
‑
ECMS所得自适应...

【专利技术属性】
技术研发人员：皮大伟，陆玉江，王洪亮，王尔烈，谢伯元，王霞，孙晓旺，王显会，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：