[发明专利]一种混合动力汽车动力电池初始电量算法

权利要求书

1.一种混合动力汽车动力电池初始电量算法，其特征在于，具体包括以下步骤：

S1、ANFIS构造：假设模糊神经网络具有2个输入变量x和y，1个输出量z，根据一阶T-S模糊模型，计算公式如下：

公式1：对于x∈A₁，y∈B₁，则：

f₁＝p₁x+q₁y+r₁；

公式2：对于x∈A₂，y∈B₂，则：

f₂＝p₂x+q₂y+r₂；

S2、A₁和B₁为输入变量模糊集，该层的节点激活函数代表模糊变量的隶属函数，输出表示模糊结果即隶属度，其中，节点传递函数可表示为：

O_1，i＝f_x，i(X)，i＝1，2

O_1，j＝f_y(j-2)(y)，j＝3，4

通常使用高斯函数作为激活函数；

S3、乘以模糊得到2个任意隶属度，因此输出表示模糊规则或自适应函数，即：

O_2，i＝W_i＝f_x，i(X)f_y，i(X)，i＝1，2

W_i为隶属度权重；

S4、规范每个规则的应用程度，即：

S5、计算每个规则的结论，即：

Z_i；＝P_ix+q_iy+r_i，i＝1，2；

S6、计算所有输出，则系统输出为：

式中：P_i，q_i和r_i为对应的参数，通过算法训练，ANFIS可以使它们在指定的目标上达到模糊建模的目的；

S7、确定ANFIS网络结构：

为了利用MatLab模糊工具箱对采集到的数据进行仿真，在此选择ANFIS自带的genfisl函数进行计算，通过网格划分的方式给定数据集并生成模糊推理系统通过genfisl函数生成的模糊推理系统输出隶属函数曲线，可以确保覆盖整个输入和输出空间的均匀划分，并且定义其输入和输出隶属函数的类型和数量，将不同的电压、电流、SOC和关于时间序列的放电率作为试验所用的训练数据和测试数据、并且将序列中的奇数项目作为训练数据，偶数项目作为测试数据；

S8、选择高斯隶属函数作为输入和输出的隶属函数，由于ANFIS是Sugeno型模糊系统，因此具有2个输出变量隶属函数，即常数项和线性函数；

S9、划分输入变量空间：对收集的数据进行排序，以获得最小和最大输入变量，最后为每个输入变量建立3个模糊集，对应生成高、中、低隶属函数结果，输入空间对应于隶属乘积的输出变量，对应的输出值在0和1之间；

S10、利用BP神经网络与ANFIS模型计算电池初始电量Q₁。

2.根据权利要求1所述一种混合动力汽车动力电池初始电量算法，其特征在于：电池的电荷容量随着环境温度的变换而变化，电池上标明的容量是按照标准环境温度25℃计算的。温度低时，容量降低，因为电解液的黏度增加，扩散困难，浓差极化增大，活性物质内部的化学反应难以进行，温度高时，容量增大，温度补偿系数可用以下经验公式表示；

h_tem＝1+K(T-25)；

K根据电池的具体类型由实验确定，为T实际环境温度；

则实际电池初始电量Q＝Q₁*h_tem。

3.根据权利要求1所述一种混合动力汽车动力电池初始电量算法，其特征在于：由于单一神经网络对电池SOC预测是启发式学习；因此，根据传统规则表达启发式学习并不利于训练非线性数据集，且不可避免地增加网络的训练时间；而单一模糊预测可以简单地实现启发式学习，但无法获得准确的结果；由于其自学习能力和适应能力的较弱，则难以自动形成隶属函数局部模糊的规则；因此，模糊逻辑与神经网络的组合形式可以在任何条件下获得精确值，同时也可以优化估计过程，并可以利用神经网络和模糊系统的优势。