[发明专利]基于BP神经网络车速预测的复合电源能量管理方法在审

专利信息
申请号: 201910051538.8 申请日: 2019-01-21
公开(公告)号: CN109760523A 公开(公告)日: 2019-05-17
发明(设计)人: 胡强;付志军 申请(专利权)人: 浙江工业大学
主分类号: B60L50/40 分类号: B60L50/40;B60L50/60;B60L58/10
代理公司: 杭州斯可睿专利事务所有限公司 33241 代理人: 王利强
地址: 310014 浙江省*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 车速 复合电源 能量管理 最优控制 预测 车速信息 模型预测控制 汽车行驶状态 神经网络模型 反馈校正 滚动优化 控制策略 汽车能量 使用效率 收集处理 输入参数 需求功率 续驶里程 预测模型 预测时域 整车模型 有效地 算法 电机 反馈 汽车
【权利要求书】:

1.一种基于神经网络车速预测的复合电源能量管理方法,其特征在于,所述方法包括以下步骤:

步骤1,根据历史车速信息和当前汽车行驶状态,通过建立神经网络车速预测模型,获得K时刻未来一段时间的预测车速;

步骤2,根据所述步骤1中的获得的预测车速计算出电机需求功率;

步骤3,根据步骤2中的需求功率,采用模型预测控制算法滚动优化求解K时刻起预测时域内最优控制序列;

步骤4,将步骤3中获得的最优控制序列首个控制量作用到整车系统,对下一时刻的预测值进行校正;

步骤5,在k+1时刻重复步骤4的操作过程,直到求出整个系统的最优控制量。

2.如权利要求1所述的基于神经网络车速预测的复合电源能量管理方法,其特征在于,所述步骤1的过程为:

所述车速预测模型采用BP神经网络预测模型,根据K时刻当前状态和历史车速信息,提取工况特征参数,组成BP神经网络模型的输入:

式中,表示平均车速,vmax表示最大车速,amax表示最大加速度,fv表示车速标准方差,Pi表示怠速时间比例,分别为各时刻的车速;

BP神经网络模型的结构采用三层BP神经网络,其中激活函数采用双曲型正切S型函数,定义如下:

BP神经网络模型的输出Nout为未来一段时间的预测车速:

Nout=vk+1,vk+2,···,vk+P

式中,vk+1,vk+2,···,vk+P分别为未来各时刻的车速。

3.如权利要求1或2所述的基于神经网络车速预测的复合电源能量管理方法,其特征在于,所述步骤2中,电机需求功率根据汽车理论计算公式求取。

4.如权利要求1或2所述的基于神经网络车速预测的复合电源能量管理方法,其特征在于,所述步骤3中,模型预测控制算法计算最优控制序列,过程为:

在采样时刻k,预测时域内的优化目标函数为:

式中,wb和wu分别为对应项的权重系数;SOC0为电池SOC参考值,SOC1为超级电容SOC参考值,P为预测时域;

优化问题的约束不等式方程如下:

式中,Ibmin和Ibmax分别为电池充放电电流极值,Iumin和Iumax分别为超级电容单体充放电电流极值,SOCb为电池的荷电状态,SOCbmax、SOCbmin分别为电池SOC上下限值,SOCu为超级电容的荷电状态,SOCumax和SOCumin分别是超级电容的上下限值,Pbout为电池的输出功率,Puout是超级电容的输出功率,Pbmin、Pbmax分别为电池输出功率的最大最小值,Pumin、Pumax分别为超级电容输出功率的最大最小值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江工业大学,未经浙江工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910051538.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top