[发明专利]一种基于波形训练的混合动力车辆行驶工况的工况预测方法

权利要求书

1.一种车辆行驶工况的工况预测方法，该方法包括：

将整个车辆行驶工况分成数个行驶工况片段的组合，其中一个行驶工况片段是指车辆从起动到第一次停车制动的过程，包括起动阶段、行驶阶段、制动阶段三部分组成；

对速度样本工况进行数据处理，将速度工况转变为加速度工况；

利用加速度工况片段对神经网络进行训练，然后通过神经网络强大的拟合能力，对输入的加速度工况历史信息进行分析计算，将历史信息与训练加速度工况片段进行匹配；

在训练加速度工况片段中找到与历史信息最为相近的部分，将该部分接下来的工况信息作为预测加速度工况信息输出；

通过预测加速度工况信息和当前车速计算得到未来的速度工况信息。

2.根据权利要求1所述的工况预测方法，其中该方法包括以下流程：

(1)将连续的加速度工况片段进行离散化，按照时间离散成若干个点；

(2)数据处理，根据神经网络的输入层神经元个数n和输出层神经元个数l，将离散后的加速度工况片段按照从前到后的顺序，n+l个相邻的数据点组成一个训练片段，将得到的训练片段的前部n个数据作为训练神经网络的输入向量，后部l个数据作为训练神经网络的期望输出向量；

(3)离线训练神经网络：在特定软件环境下，利用神经网络工具箱和已经得到的训练样本对神经网络进行训练；

(4)在线预测未来加速度工况信息：通过将最近的历史工况信息输入到神经网络中，得到网络的输出即为对未来加速度工况的预测结果，两次预测的时间间隔要小于预测时域长度；

(5)随着输入到神经网络的历史工况信息不断更新，预测程序持续进行，直至全局工况结束。

3.根据权利要求2所述的工况预测方法，其中将行驶工况片段，按照时间离散成41个点，即每秒一个数据点。

4.根据权利要求2所述的工况预测方法，其中设置神经网络的输入层神经元个数为10，输出层神经元个数为5，将离散后的行驶工况片段按照从前到后的顺序，每15个相邻的数据点就组成一个训练片段，由此可以得到27个训练片段；将得到的训练片段的前部10个数据作为训练神经网络的输入向量，后部5个数据作为训练神经网络的期望输出向量，由此，本训练神经网络的输入为一个10×27的矩阵，期望输出为一个5×27的矩阵。

5.根据权利要求2所述的工况预测方法，其中在MATLAB环境下，利用神经网络工具箱和已经得到的训练样本对神经网络进行训练。

6.根据权利要求2所述的工况预测方法，其中，本方法将两次预测的时间间隔设定为1秒，预测的结果为未来五秒的工况信息，两次预测的时间间隔要小于预测时域长度。

7.一种混合动力车辆行驶工况的工况预测方法，该方法采用权利要求1-6任一所限定的工况预测方法。