[发明专利]一种混合动力车辆行驶工况基于片段波形训练的工况预测方法

权利要求书

1.一种基于车辆行驶工况预测的车辆能量管理方法，该方法包括：

将整个车辆行驶工况分成若干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，行驶工况片段的特征反映全局工况的整体特征，实际工况为多种典型行驶工况片段的拼接；

利用10秒的历史工况信息预测未来5秒的工况信息；

利用行驶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，对输入的行驶工况历史信息进行分析计算，将历史信息与训练行驶工况片段进行匹配；在训练行驶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结果输出，根据预测的行驶工况实现车辆能量管理；

在离线训练的基础上，增加在线补充训练环节，通过记载每一次车辆实际行驶的工况信息，然后提取历史工况波形数据，利用历史工况波形数据在线对神经网络进行训练；

该方法包括以下流程：

（1）将连续的行驶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，将离散后的行驶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。

2.根据权利要求1所述的车辆能量管理方法，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。

3.根据权利要求1所述的车辆能量管理方法，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。

4.根据权利要求1所述的车辆能量管理方法，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。

5.根据权利要求1所述的车辆能量管理方法，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。