[发明专利]一种混合动力车辆行驶工况的工况预测方法

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：用若干个历史数据点表示历史工况信息，对这些历史数据点进行函数曲线拟合，拟合得到的函数代表了短期内历史工况的变化趋势；然后利用这个函数在时间坐标上的差值结果，得到未来时域内的工况预测值；其中当前时刻tc的车辆当前的行驶状态以及行驶过的历史工况，是由车载传感器提供；Δt表示两次预测的时间间隔，每次预测结果都是根据最近的历史工况唯一确定的，预测结果之间没有相互影响。

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，尤其是一种混合动力车辆行驶工况的工况预测方法，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：

用若干个历史数据点表示历史工况信息，对这些历史数据点进行函数曲线拟合，拟合得到的函数代表了短期内历史工况的变化趋势；

然后利用这个函数在时间坐标上的差值结果，得到未来时域内的工况预测值；其中

当前时刻tc的车辆当前的行驶状态以及行驶过的历史工况，是由车载传感器提供；Δt表示两次预测的时间间隔，每次预测结果都是根据最近的历史工况唯一确定的，预测结果之间没有相互影响。

本发明的工况预测方法，进一步地，其中采用7个历史数据点表示历史工况信息，并利用7个历史数据点进行函数曲线拟合。

本发明的工况预测方法，进一步地，其中进一步利用实际工况的变化趋势作为先验知识，建立波形预测方法，实现对未来工况信息的准确预测。

本发明的工况预测方法，进一步地，其中波形预测方法包括：首先，对典型工况进行一定的统计分析，统计多种情况下工况变化的趋势，基于这些工况变化趋势建立工况识别数据库；然后，通过计算当前工况与数据库中已知数据的相似程度，找到与当前工况最为相近的已知工况片段，并将该片段的未来工况信息作为当前工况的预测结果，完成工况预测。

本发明的工况预测方法，进一步地，其中利用BP神经网络算法来找到与实际工况最为相近的已知工况数据，应用车速连续变化的趋势对BP神经网络进行训练，通过BP神经网络将这种趋势拟合成数学函数的形式，此函数输入为历史车速，输出则是未来车速的预测值，这样就实现了根据历史信息来预测未来工况。

本发明的工况预测方法，进一步地，其中，首先，根据预测的需求，建立BP神经网络，建立神经网络需要的先验信息是各层神经元的数量，本方法的车辆行驶工况在神经网络计算过程中是以模拟信号波形的方式表达的，输入、输出层根据波形的采样点数目决定输入、输出单元的维数，输入层的神经元个数等于神经网络的输入向量维度，输出层的神经元个数等于输出向量的维度；与此同时，输出向量的长度与预测区域的时间长度相等；在明确了采样时间长度和预测区域的时间长度后，可以确定神经网络的隐层神经元个数。

本发明的工况预测方法，进一步地，其中隐层神经元的个数通过三种经验公式1-3确定，然后根据实际需要进行调整选择：

m＝log₂n 公式2