[发明专利]一种并联式混合动力汽车的混合扭矩控制方法

权利要求书

1.一种并联式混合动力汽车的混合扭矩控制方法，其特征在于，采集汽车的ABS车速、混合系统需求扭矩、发动机温度和电池组电荷状态，利用BP神经网络确定在混合动力汽车油耗最低时输出的发动机扭矩和电机扭矩。

2.如权利要求1所述的并联式混合动力汽车的混合扭矩控制方法，其特征在于，利用模糊C-均值聚类算法对采集的ABS车速、混合系统需求扭矩、发动机温度和电池组电荷状态进行分类。

3.如权利要求1所述的并联式混合动力汽车的混合扭矩控制方法，其特征在于，所述的模糊C-均值聚类算法包括以下步骤：

(1)针对n个样本，设定分类数c，并随机设置一组初始聚类中心V＝(V₁,V₂...V_c)，定义模糊C-均值划分的目标函数如下：

其中，J(U,V)为目标函数，为第k个样本X_k隶属于第i个模糊子集的程度，h为加权指数，i为模糊子集，k为第K个样本，d_ik为为样本与各聚类中心的距离，c为分类数，n为样本数。

d_ik＝|X_K-V_i|为样本与各聚类中心的距离；

(2)计算新的隶属度矩阵，输出矩阵为：

式中，u_ik为隶属度矩阵，x_i为第i个样本，v_k为第k个聚类中心，x_j为第j个样本，h为加权指数，当h＝1时，模糊聚类就退化为硬C-均值聚类，通常h＝2；

(3)由下式对聚类中心进行调整：

式中，V_i表示聚类中心，x_k表示第k个样本。

由式(3)计算目标函数，当相邻两次迭代所得目标函数变化很小，则认为算法己收敛，也就得到了各类的聚类中心和各个样本对于各类的隶属度值，从而完成了整个待选样本集模糊聚类划分，否则转到步骤(2)。