【技术实现步骤摘要】
本专利技术涉及车辆能量管理领域，特别是涉及一种混合动力越野车辆能量管理方法、设备、介质及产品。
技术介绍
1、近年来，能量管理策略作为混合动力车辆的关键技术，得到了快速发展。然而现有的能量管理策略大多集中于道路车辆，针对越野工况下的混合动力车辆能量管理策略的研究较少。越野工况下混合动力车辆能量管理策略的难点在于越野工况路面情况变化跨度大变换频繁所导致的基于特定工况的分类识别复杂且困难，难以实现基于准确预测进行有效的能量管理。此外，在方法应用层面，基于强化学习的能量管理策略凭借其优点被广泛应用。然而由于混合动力车辆中状态和控制变量维数的增加，强化学习训练速度大大减慢。传统的基于强化学习的控制策略难以在车辆行驶过程中针对当前驾驶环境实时有效地进行优化控制。这些难点都对现有技术提出了更高的挑战。
技术实现思路
1、为解决现有技术存在的上述问题，本专利技术提供了一种混合动力越野车辆能量管理方法、设备、介质及产品。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种混合动力越野车辆能量管理方法，所述方法包括：
4、基于试验数据采用k-means聚类算法和相对熵对越野工况进行分类得到分类结果；所述分类结果包括：类别中心点对应的特征参数和转移概率矩阵；
5、基于所述分类结果，利用改进的期望sarsa算法确定每类工况对应的最优解；所述最优解包括最优控制律以及与所述最优控制律对应的功率需求的转移概率矩阵；
6、基于所述最优解生成每类工
7、根据车辆当前的行驶状态确定车辆的工况类型；
8、基于车辆的工况类型选择对应的能量管理策略完成车辆能量的在线控制。
9、可选地，基于试验数据采用k-means聚类算法和相对熵对越野工况进行分类得到分类结果，具体包括：
10、从所述试验数据中随机截取工况片段；
11、确定每一工况片段的特征参数以及与所述特征参数对应的转移概率矩阵；
12、进行相关性分析，选取每一工况下与功率需求规律相关的特征参数；
13、采用k-means聚类算法根据选取的与功率需求规律相关的特征参数将所有的工况片段进行工况分类得到多个工况类型；
14、采用k近邻算法确定每一工况类型距离欧几里得中心最近的点，并将这一点作为类别中心点；
15、确定类别中心点与其所在工况类型中所有点对应的工况片段的转移概率矩阵的相对熵；
16、当所述相对熵小于相对熵阈值时，输出对应的特征参数和转移概率矩阵，以得到分类结果；
17、当所述相对熵大于等于相对熵阈值时，增加k值，并返回采用k-means聚类算法根据选取的与功率需求规律相关的特征参数将所有的工况片段进行工况分类得到多个工况类型的步骤。
18、可选地，基于所述分类结果，利用改进的期望sarsa算法确定每类工况对应的最优解，具体包括：
19、基于能量管理目的，构建多目标函数优化问题；
20、基于车辆电池的soc、车辆电池的目标电功率以及车辆发动机发电机组的目标功率确定改进的期望sarsa算法的状态值函数；
21、基于车辆电池的实际电功率以及车辆发动机发电机组的实际功率确定改进的期望sarsa算法的动作值函数；
22、基于所述多目标函数优化问题构建改进的期望sarsa算法的奖励函数；
23、采用每类工况驾驶循环中的功率需求的转移概率矩阵迭代更新所述最优动作值函数；
24、采用所述状态值函数与所述动作值函数的交互迭代得到每类工况对应的最优解。
25、可选地，所述多目标函数优化问题为：
26、
27、其中，j是多目标函数，soc(t)是t时刻的电池参考荷电，是燃油消耗率，β1,是第一权重系数，β2是第二权重系数，socref为电池参考荷电状态，α是发动机油门，ne(t)是t时刻发动机转速，ne是发动机转速最大值，te(t)是t时刻的发动机转矩，temin是发动机转矩的最小值，f(ne(t))是t时刻经过功率分解的发动机转矩值，t是时间周期，tg(t)是t时刻的发电机转矩，tgmin是发电机转矩的最小值，tgmax是发电机转矩的最大值，socmin是电池参考荷电的最小值，socmax是电池参考荷电的最大值。
28、可选地，根据车辆当前的行驶状态确定车辆的工况类型，具体包括：
29、记录车辆行驶至当前时刻的电功率需求；
30、根据记录的电功率需求实时确定当前特征参数以及转移概率矩阵；
31、基于特征参数以及转移概率矩阵采用标准化欧几里得距离选取距离最近的工况聚类中心；
32、基于工况聚类中心确定车辆行驶至当前时刻对应的工况类型。
33、可选地，转移概率矩阵的确定公式为：
34、
35、其中，pij是从功率需求pireq到功率需求的转移概率，i,j(i∈n,j∈n)分别是从功率需求pireq到功率需求的索引，preq(k)是第k个阶段的功率需求，n是满足要求的数据点数量。
36、一种计算机设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述任一项所述的混合动力越野车辆能量管理方法的步骤。
37、一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项所述的混合动力越野车辆能量管理方法的步骤。
38、一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一项所述的混合动力越野车辆能量管理方法的步骤。
39、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
40、本专利技术基于试验数据采用k-means聚类算法和相对熵对越野工况进行分类得到分类结果，将多变的越野环境简化为不同工况下的电功率需求的转移概率矩阵，大大降低了越野工况分类的复杂性，以便实现根据行驶工况实时进行适应性改变的能量管理策略。并且，本专利技术基于分类结果，利用改进的期望sarsa算法确定每类工况对应的最优解，减少了在线计算时间，进而解决了基于传统强化学习的能量管理策略训练速度慢、难以实现车辆的实时控制的问题。
本文档来自技高网...【技术保护点】
1.一种混合动力越野车辆能量管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的混合动力越野车辆能量管理方法，其特征在于，基于试验数据采用K-means聚类算法和相对熵对越野工况进行分类得到分类结果，具体包括：
3.根据权利要求1所述的混合动力越野车辆能量管理方法，其特征在于，基于所述分类结果，利用改进的期望SARSA算法确定每类工况对应的最优解，具体包括：
4.根据权利要求3所述的混合动力越野车辆能量管理方法，其特征在于，所述多目标函数优化问题为：
5.根据权利要求1所述的混合动力越野车辆能量管理方法，其特征在于，根据车辆当前的行驶状态确定车辆的工况类型，具体包括：
6.根据权利要求1所述的混合动力越野车辆能量管理方法，其特征在于，转移概率矩阵的确定公式为：
7.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-6中任一项所述混合动力越野车辆能量管理方法的步骤。
8.一种计算机可读存储介质，其
9.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述混合动力越野车辆能量管理方法的步骤。
...【技术特征摘要】
1.一种混合动力越野车辆能量管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的混合动力越野车辆能量管理方法，其特征在于，基于试验数据采用k-means聚类算法和相对熵对越野工况进行分类得到分类结果，具体包括：
3.根据权利要求1所述的混合动力越野车辆能量管理方法，其特征在于，基于所述分类结果，利用改进的期望sarsa算法确定每类工况对应的最优解，具体包括：
4.根据权利要求3所述的混合动力越野车辆能量管理方法，其特征在于，所述多目标函数优化问题为：
5.根据权利要求1所述的混合动力越野车辆能量管理方法，其特征在于，根据车辆当前的行驶状态确定车辆的工况类型，具体包括：
【专利技术属性】
技术研发人员：韩立金，周璇，刘辉，杨宁康，李智鹏，马文杰，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
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。