[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

说明书

一种基于BP神经网络车速预测的复合电源能量管理方法，首先建立BP神经网络车速预测模型，通过收集处理当前汽车行驶状态以及历时车速信息，作为神经网络模型输入参数，获得未来时段的预测车速；然后根据预测车速信息，结合整车模型求出电机需求功率，并采用模型预测控制算法求出预测时域内的最优控制量，再将最优控制量作用于系统，通过滚动优化与反馈反馈校正，求出整个工况的最优控制量。所述能量管理控制策略能有效地提高复合电源汽车能量使用效率，增加汽车续驶里程。

技术领域

本发明属于新能源汽车领域，具体涉及了一种基于BP神经网络车速预测的复合电源能量管理方法。

背景技术

环境污染和能量紧缺是现如今汽车领域共同面临的问题，新能源汽车能有效地缓解这些问题。单一动力源的纯电动汽车由于电池技术的约束，在动力性能上存在一定的缺陷；混合动力汽车相对于传统内燃机车，虽然减少了燃料的消耗，但是仍然以燃料为主动力源，并没有实际上解决问题；复合电源汽车，采用动力电池和超级电容混合的形式作为动力源，结合了两者之间的优势，有效的改善纯电动汽车的续驶里程，且无有害气体排放，更具有实际意义。本专利以复合电源为研究对象，通过合理分配两个动力源的能量，来提高复合电源汽车的能量利用效率，进而提高汽车续驶里程。

目前，学者对复合电源汽车的能量管理问题的研究主要是两个方面：基于规则的能量管理策略，如逻辑门限控制、模糊规则控制、功率跟随控制等；基于全局优化的能量管理策略，遗传算法、动态规划等。前者主要根据工程经验设定规则，虽然鲁棒性好，但是控制效果一般；后者虽然能取得理想的控制效果，但是需要预先知道整个循环工况，只能离线计算获得，不能在线实施。

发明内容

为了克服现有复合电源汽车的能量使用效率较低的不足，本发明提供一种基于BP神经网络车速预测的能量管理方法，通过神经网络模型对工况的未来车速进行预测，利用模型预测算法进行滚动优化求解，获得最优控制量，提高复合电源系统能量利用效率，实现能量管理优化。

为实现上述目的，本发明采用如下技术方案：

一种基于神经网络车速预测的复合电源能量管理方法，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。

进一步，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，v_max表示最大车速，a_max表示最大加速度，f_v表示车速标准方差，P_i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N_out为未来一段时间的预测车速：

N_out＝v_k+1，v_k+2，…，v_k+P