[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

说明书

本发明公开了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；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，完成对未来行驶工况的预测。

技术领域

本发明涉及一种车辆行驶工况的工况预测方法，尤其是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。

背景技术

工况预测(一般指车速预测)是通过建立预测算法，在车辆实际行驶过程中利用历史信息，预测未来短期内的工况信息。预测算法代表了车辆历史工况和未来工况的某种联系，应用这种联系，可以得到未来的工况信息。工况预测的结果有多种形式，现有的预测形式主要包括基于SOC、基于需求功率、需求转矩的预测，本发明直接对行驶工况进行预测，实现真正意义上的行驶工况预测，可直接提升汽车路径导航、碰撞预警及节能辅助驾驶系统等系统性能。

发明内容

本发明的主要目的是提供一种车辆行驶工况的工况预测方法，尤其是一种基于混合动力车辆行驶工况片段波形训练的工况预测方法，从而实现车速的信息准确预测。

本发明的目的可以通过以下途径来实现:

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；

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，完成对未来行驶工况的预测。

本发明的工况预测方法，进一步地，其中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。

本发明的工况预测方法，进一步地，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。

本发明的工况预测方法，进一步地，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。

本发明的工况预测方法，进一步地，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。