【技术实现步骤摘要】
本专利技术属于车辆能量管理，特别是涉及一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法。
技术介绍
1、随着全球经济的快速发展和人口的不断增长，对能源的需求日益增加，且在纯电动汽车技术尚未完全成熟之前，混合动力汽车作为一种过渡车型，结合了传统燃油车和纯电动车的优点，既能够降低油耗和排放，又能够保持较长的续航里程和较好的动力性能。混合动力汽车的关键在于其系统的设计与控制，通过合理的能量管理策略，可以实现对多个动力源(如发动机、电机和电池)的优化配置和协同工作，从而提高整车的能量利用效率。
2、驾驶工况以及驾驶员驾驶风格对混合动力汽车的燃油经济性具有显著影响，然而传统的能量管理策略往往基于固定的规则和参数进行控制，无法充分考虑不同驾驶者的驾驶风格和不同道路场景的差异性，这导致能量管理策略在实际应用中缺乏个性化和精准性，无法最大化地提高能量利用效率。同时现有的能量管理策略在应对复杂多变的道路环境和驾驶需求时，往往存在实时性不足的问题，由于无法实时获取和处理大量的驾驶数据，策略无法及时作出调整和优化，从而影响了能量
本文档来自技高网...【技术保护点】
1.一种基于驾驶场景和风格离线大数据学习模型的A-ECMS能量管理方法，其特征在于，包括：
2.根据权利要求1所述的一种基于驾驶场景和风格离线大数据学习模型的A-ECMS能量管理方法，其特征在于，所述离线驾驶数据识别库的构建过程包括：
3.根据权利要求2所述的一种基于驾驶场景和风格离线大数据学习模型的A-ECMS能量管理方法，其特征在于，所述驾驶场景特征参数包括最大正加速度、正加速度标准差、正加速度平均值、加速时间占比、最大负加速度、负加速度标准差、负加速度平均值、负加速时间占比、最大车速、车速标准值、平均车速、平均加速度、加速度标准差、巡航段...
【技术特征摘要】
1.一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法，其特征在于，包括：
2.根据权利要求1所述的一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法，其特征在于，所述离线驾驶数据识别库的构建过程包括：
3.根据权利要求2所述的一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法，其特征在于，所述驾驶场景特征参数包括最大正加速度、正加速度标准差、正加速度平均值、加速时间占比、最大负加速度、负加速度标准差、负加速度平均值、负加速时间占比、最大车速、车速标准值、平均车速、平均加速度、加速度标准差、巡航段平均车速和巡航时间占比。
4.根据权利要求2所述的一种基于驾驶场景和风格离线大数据学习模型的a-ecms能量管理方法，其特征在于，所述驾驶风格特征参数包括最大正加速度、正加速度标准差、正加速度平均值、正急动度标准差、正急动度平均值、加速时间占比、最大负加速度、负加速度标准值、负加速度平均值、负加速时间占比、负急动度标准差、负急动度平均值、最大车速、平均车速、平均加速度、加速度标准值、巡航段平均车速、巡航时间占比、油门踏板标准差、油门踏板变化率标准差、制动踏板标准差、制动踏板变化率标准差、平均急动度和...
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。