[发明专利]一种履带车辆的控制方法

说明书

技术领域

本发明涉及履带车辆能量控制技术领域，特别是涉及一种履带车辆的控制方法。

背景技术

履带车辆的能量管理策略研究，通常需要对驾驶员需求功率进行评估，然而由于行驶工况的随机性，导致驾驶员需求功率也是随机变化的，这就需要对驾驶员需求功率进行适当建模。马尔科夫链(或马尔科夫过程)作为随机性过程的一种，被广泛运用在车辆的随机控制策略求解中。

我们将具有马尔科夫性质的随机过程称之为马尔科夫链，或马尔科夫过程。由于马尔科夫链具有马尔科夫性质，也即是从一个状态转移到另一个状态的概率只与当前系统所处的状态有关，与之前系统所处的状态无关，因此，马尔科夫性质又被称为无记忆性质，它是马尔科夫过程区别于其他随机过程的本质所在。

转移概率矩阵(Transitionprobabilitymatrix，TPM)为一个条件概率的集合{p_i,j}，其中，p_i,j表示当前位于状态i，但下次转换后，将到达状态j的条件概率。记状态转移的条件概率矩阵为P＝[p_i,j]，且需符合下式(1)：

Σj=1Npi,j=1---(1)]]>

如附图1是马尔科夫链的一个简单示例，总共有三个状态，分别为：1、2、3；箭头上的数字表示的是从一个状态转移到另一个状态的概率，如p(2,1)＝0.3表示的是从状态2转移到状态1的概率为0.3；没有箭头的表明所对应的转移概率为0。那么，我们可以得到3×3的转移概率矩阵，如式(2)：

P=0.50.10.40.30.7000.40.6---(2)]]>

现阶段针对驾驶员需求功率的马尔科夫链模型，大多是以轮式车辆为背景提出的，大致可分为以下几种类型。

1、一维驾驶员需求功率马尔科夫链模型

仅仅考虑驾驶员需求功率，建立一维状态的马尔科夫链模型，也即是下一时刻的需求功率只取决于当前需求功率，与之前所处的状态无关，该模型通常与随机模型预测(StochasticModelPredictiveControl，SMPC)结合进行控制策略的求解。将需求功率离散为有限个数的一列值：