[发明专利]一种混合动力汽车能量管理方法及系统

说明书

本发明公开一种混合动力汽车能量管理方法及系统。该方法包括：利用基于历史车速和驾驶员行为训练的神经网络对未来车速进行预测，得到预测车速；利用通过采集的道路坡度数据所建立的基于自回归积分移动平均模型的坡度预测模型对道路坡度进行预测，得到预测道路坡度；根据预测车速和预测道路坡度计算需求功率；根据需求功率利用动态规划算法计算各个动力部件的扭矩和转速。本发明的混合动力汽车能量管理方法及系统，能够提高燃油经济性。

技术领域

本发明涉及汽车控制技术领域，特别是涉及一种混合动力汽车能量管理方法及系统。

背景技术

改变能源结构，开发利用新型能源及节能技术以减少对不可再生能源的依赖，减少大气污染已成为各国发展的共识。近年来，我国迅速增长的汽车需求带来了对石油消耗的急剧增长，同时也使我国所面临的能源安全问题更加突出。然而现在提高燃油经济性的方法仅仅局限于改善汽车的硬件技术从而提高石油的利用率，然而通过改善硬件提高石油利用率的方法的效果并不明显。

发明内容

本发明的目的是提供一种混合动力汽车能量管理方法及系统，提高燃油经济性。

为实现上述目的，本发明提供了如下方案：

一种混合动力汽车能量管理方法，包括：

利用基于历史车速和驾驶员行为训练的神经网络对未来车速进行预测，得到预测车速；

利用通过采集的道路坡度数据的所建立的基于自回归积分移动平均模型的坡度预测模型对道路坡度进行预测，得到预测道路坡度；

根据所述预测车速和所述预测道路坡度计算需求功率；

根据所述需求功率利用动态规划算法计算各个动力部件的扭矩和转速。

可选的，基于历史车速和驾驶员行为训练的神经网络的训练过程包括：

获取各个汽车数据采集装置所采集的汽车在各个道路工况下行驶时的历史车速和驾驶员行为；

将所述历史车速和所述驾驶员行为按预设时间段长度进行划分，得到输入样本和输出样本；

利用所述输入样本和输出样本对神经网络进行训练，得到训练好的神经网络。

可选的，在所述利用所述输入样本和输出样本对神经网络进行训练，得到训练好的神经网络之后，还包括：

实时对所述历史车速和所述驾驶员行为进行更新；

利用更新后的历史车速和驾驶员行为对所述训练好的神经网络的参数进行调整。

可选的，通过采集的道路坡度数据的建立基于自回归积分移动平均模型的坡度预测模型的具体过程包括：

将道路坡度数据中任意一个采样点与该采样点之前的采样点序列之间线性关系建立为自回归积分移动平均模型的p阶自回归部分；

将道路坡度数据种的白噪声的线性加权关系建立为自回归积分移动平均模型的q阶移动平均部分；

将所述自回归部分与所述移动平均部分整合为自回归积分移动平均模型的自回归移动平均部分；

对所述自回归积分移动平均模型进行参数计算，确定自回归积分移动平均模型的p值、d值和q值，得到坡度预测模型；其中p为自回归部分的阶数，q为移动平均部分的阶数，d为非平稳坡度值序列转化为平稳序列所需要的差分次数。

可选的，所述利用通过采集的道路坡度数据的所建立的基于自回归积分移动平均模型的坡度预测模型对道路坡度进行预测，得到预测道路坡度，具体包括：

将所述预测车速乘以所述预测车速对应的时间，得到预测距离；