[发明专利]一种基于神经网络优化的电动汽车热泵控制方法

说明书

本发明属于纯电动汽车热管理技术领域，特别涉及一种基于神经网络优化的电动汽车热泵控制方法；本发明采用了基于神经网络优化的PID控制算法，在兼顾热泵制冷、采暖性能的同时优化各执行部件能耗；在反馈调节基础上，考虑多模式下的多目标约束，量化执行器控制原则，避免多部件PID控制的干涉行为；通过优化目标函数构建与极值求解，实现多参全局寻优，克服门限值控制策略和模糊控制策略存在的局部择优问题，更适用于解决复杂的电动汽车集成热泵系统多模式控制问题。

技术领域

本发明属于纯电动汽车热管理技术领域，特别涉及一种基于神经网络优化的电动汽车热泵控制方法。

背景技术

集成式热泵系统热管理属于新一代电动汽车核心技术，关乎到安全性、续航里程、热舒适性、充电时长等多维度整车性能评价指标。通过集成式热泵建立电池、电机、乘员舱与外界环境之间的热量传递纽带，使四大电动汽车热管理板块形成统一整体。与内燃机汽车和混合动力汽车不同，纯电动汽车缺乏发动机余热利用，其冬季采暖需要以热泵和PTC的能耗作为代价，牺牲续航里程。由于电机、逆变器、电池工作温度限制，又要求热泵能够在高温环境同时给乘员舱和“三电”元件制冷。所以电动汽车热泵系统具有部件集成化高、温度适应性广、模式切换种类多、影响续航里程等特点。

对于电动汽车热泵系统，目前主要存在三种控制方式：1)基于部件状态反馈的PID控制方案；2)基于门限值控制方案或者模糊控制方案；3)结合二者优势的模糊+PID热泵控制方案。PID控制方法具有控制器设计简单、高鲁棒性、动态响应快等优势在工程中被广泛应用，但其局限性也较为明显，比如难以解决高非线性和非最小相位系统控制问题，以及MIMO系统的多被控变量干涉问题。为实现压缩机、膨胀阀和水泵等多输入的协同优化，基于行为准则的模糊控制算法得以应用，在解决复杂热泵系统控制问题中具有良好表现。但模糊控制策略通常受设计者主观意愿影响，不同系统的控制策略开发缺乏可移植性，缺少反馈调节，难以消除由于部件磨损老化引起的累积状态判定误差，导致系统长时使用后的控制失稳。模糊+PID控制架构继承了上述两种控制方案的优势，在保证系统稳定性和动态响应速度的同时弱化多参被控变量干涉，引入反馈调节后具有累积误差修正能力。但是模糊行为准则对系统优化目标函数的定义不够清晰，针对如执行器能耗等极值约束缺乏全局择优能力，在实现系统经济性和温控稳定性的协同兼顾中存在技术瓶颈。

发明内容

为了克服上述问题，本发明针对纯电动汽车热泵系统架构，提出一种基于神经网络优化的电动汽车热泵控制方法，在满足各模式温度控制需求的同时优化系统能耗。

本发明提供的技术方案为：

一种基于神经网络优化的电动汽车热泵控制方法，具体步骤如下：

步骤一，设计包含输入层、隐含层、输出层的8节点三层神经网络架构，并根据系统试验或仿真数据分别训练制冷模式、采暖模式、热泵能耗三个神经网络，反向递归计算各神经网络的权值矩阵W_r1、W_h1、W_p1和阈值矩阵W_r2、W_h2、W_p2；由神经网络权值矩阵和阈值矩阵按照网络构架表征系统状态X关于控制输入U和工况状态X_con的特征函数关系；

所述热泵制冷模式神经网络，以压缩机转速N_com、膨胀阀开度O_{pe_e}、水泵转速N_pump、环境温度T_env、冷凝器进风量V_con和乘员舱空调供风量V_AC构成输入层，以乘员舱进风温度T_can和电池温度T_bat构成输出层；