[发明专利]基于模拟退火粒子群算法的混合动力汽车参数优化方法在审
申请号: | 201410713772.X | 申请日: | 2014-11-28 |
公开(公告)号: | CN104408257A | 公开(公告)日: | 2015-03-11 |
发明(设计)人: | 陈龙;姚勇;袁朝春;杨军;任皓;肖飞;高泽宇 | 申请(专利权)人: | 江苏大学 |
主分类号: | G06F17/50 | 分类号: | G06F17/50;G06N3/00 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 212013 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 模拟 退火 粒子 算法 混合 动力 汽车 参数 优化 方法 | ||
1.一种基于模拟退火粒子群算法的混合动力汽车参数优化方法,其特征在于,包括如下步骤:
步骤1,建立并调用混合动力汽车整车模型;
步骤2,设置模拟退火粒子群算法参数,包括退火起止温度Tstart、Tend、退火速度K、种群大小S、粒子维数D、粒子位置范围[Pmin Pmax]、粒子速度范围[Vmin Vmax]、惯性权重ωstart、ωend、最大迭代次数Tmax;
步骤3,调用仿真循环工况并进行荷电状态等设置,包括重复运行循环次数,电池电量校正及校正时的最大波动值;
步骤4,设置加速测试、爬坡测试约束条件;
步骤5,计算油耗、排放,根据目标函数F(x)编写适应度值Fitness(x);
步骤6,计算每个粒子的适应度值;
步骤7,更新个体极值与全局极值;
步骤8,更新粒子位置、速度以及惯性权重;
步骤9,计算更新后的适应度值;
步骤10,判断是否接受新位置;
步骤11,迭代结束,提取数据,代入原控制策略,获得油耗与排放数据;
步骤12,综合比较各组油耗与排放数据,得出最优控制参数。
2.根据权利要求1所述的基于模拟退火粒子群算法的混合动力汽车参数优化方法,其特征在于,所述步骤1中,调用整车模型时应根据所建立混合动力汽车的类型初始化各部件参数。
3.根据权利要求1所述的基于模拟退火粒子群算法的混合动力汽车参数优化方法,其特征在于,所述步骤4中,约束条件设置包括加速测试和爬坡测试,加速测试规定汽车加速时间,最大速度,最大加速度;爬坡测试规定爬坡车速,爬坡度。
4.根据权利要求1所述基于模拟退火粒子群算法的混合动力汽车参数优化方法,其特征在于,所述步骤5中,目标函数F(x)是将汽车的燃油消耗率和排放结合起来的多目标函数,函数采用如下形式描述:
其中:k1、k2、k3、k4分别为FC、CO、HC、NOx的权重因子;FCz、COz、HCz、NOxz 为用户指定的目标值,也可以是国家规定值。
5.根据权利要求1所述基于模拟退火粒子群算法的混合动力汽车参数优化方法,其特征在于,所述步骤7中,对每个粒子,将其适应度值Fitness(x)分别于与个体极值、全局极值进行比较,取优更新为个体极值和全局极值。
6.根据权利要求1所述基于模拟退火粒子群算法的混合动力汽车参数优化方法,其特征在于,所述步骤8中,粒子的速度、位置以及惯性权重分别按下面公式进行更新,惯性权重线性递减:
。
7.根据权利要求1或6所述基于模拟退火粒子群算法的混合动力汽车参数优化方法,其特征在于,所述步骤8中,在粒子更新后,如果粒子速度或位置超出设定范围,则将边界值赋给当前粒子,即令令
8.根据权利要求1所述基于模拟退火粒子群算法的混合动力汽车参数优化方法,其特征在于,所述步骤10中,如果更新后的适应度值小于等于极值的适应度值或exp(-ΔE/T)大于随机数ε,则更新极值的适应度值,接受新值,降温,否则拒绝,然后返回步骤六;ΔE为更新后的适应度值与极值的适应度值的差值,T为当前温度,ε为0到1的随机数。
9.根据权利要求1所述基于模拟退火粒子群算法的混合动力汽车参数优化方法,其特征在于,所述步骤12中,分析各组油耗与排放数据,综合比较油耗较低,排放也较少的那组对应的控制参数即为最优控制参数。
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江苏大学,未经江苏大学许可,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/201410713772.X/1.html,转载请声明来源钻瓜专利网。