[发明专利]基于路径信息的纯电动汽车剩余里程模型预测方法

权利要求书

1.一种基于路径信息的纯电动汽车剩余里程模型预测方法，其特征在于，包括以下步骤：

步骤一、建立车速预测模型以生成未来路径预测车速：对一定数量的驾驶员历史行驶数据进行分析，提取路径信息，生成符合驾驶员行为特征的状态转移概率矩阵；基于未来路径的道路信息和相应的状态转移概率矩阵，生成受到未来道路信息控制的预测车速；

包括以下步骤：

1)依据驾驶员的历史车速数据和路径信息，生成该驾驶员在不同路面上的转移概率矩阵：

1.1)工况数据采集与路径信息提取，分别进行实车工况数据采集和驾驶员工况数据采集，对驾驶员驾驶风格进行评价和分类，驾驶员在某类型道路i上的驾驶风格指标J_d(i)为：

J_d(i)＝w₁·e_avg(i)+w₂v_m(i)+w₃v_max(i)+w₄a_am(i)+w₅a_bm(i)

其中，e_avg为该驾驶员在该类型道路上的平均能耗率，(kW/km)；v_m为平均速度，(km/h)；v_max为最大速度，(km/h)；a_am为平均加速度，(m/s²)；a_bm为平均减速度(绝对值)，(m/s²)；w_1～5为权系数；

1.2)依据道路类型划分行驶工况段；

1.3)分类后的工况片段继续分割成加速阶段和减速阶段并计算加速度段距离比；

1.4)阶段工况数据网格化：将同一驾驶员在同类道路上的加速接段和减速接段车速数据集中在一起，并对上述车速数据重新网格化和插值；

1.5)对网格化后的阶段工况数据进行扫描，统计状态转移数；

1.6)生成转移概率矩阵；

2)基于未来的路径信息结合TPMs生成预测车速：

2.1)从车载系统中获取车辆未来路径坐标与路径信息；

2.2)根据路径坐标以及路径信息生成参考工况，参考工况显示了道路类型、长度、平均车速以及节点位置，2个节点之间即为一个工况片段；

2.3)在生成参考工况后，系统对当前车辆驾驶员的驾驶风格进行识别并匹配相应类型的转移概率矩阵；

2.4)依据参考工况，依次生成各类型道路上的工况段；

2.5)进行工况段整合与滤波；

2.6)生成预测车速曲线：当道路类型变化时，选择相应的转移概率矩阵，依次生成各路段车速曲线，直到预测车速距离与未来路径长度相等为止；

步骤二、建立参数估计模型，对影响汽车能耗及剩余行驶里程的行驶参数进行估计；

步骤三、建立RDR计算模型以预测车辆剩余行驶里程：RDR计算模型包括：能耗预测模型、剩余能量预测模型以及剩余行驶里程显示模型；能耗预测模型以车速预测模型得到的预测车速和参数估计模型估算的行驶参数作为模型输入，计算出车辆能量消耗率；剩余能量预测模型用于预估车辆电池剩余能量；综合车辆能量消耗率及电池剩余能量即可预测车辆剩余行驶里程，并通过剩余行驶里程显示模型进行显示。