[发明专利]一种基于前车与自车互动的短期车速工况实时预测方法

说明书

本发明公开了一种基于前车与自车互动的短期车速工况实时预测方法，包括以下步骤：S1.获取自车和前车历史车速、车距信息，并提取有效数据；S2.构建基于人工神经网络的未来车速预测模型；S3.对构建的未来车速预测模型进行离线训练；S4.在线预测自车的未来车速；S5.实现车速预测神经网络的自适应学习；S6.根据预测的短期车速计算扭矩需求；S7.根据转矩需求和动态规划算法计算最优转矩分配。本发明运用人工神经网络方法对自车短期车速进行预测，提高车速预测的准确度；并将预测出的汽车短期车速运用到能量管理控制策略中，提高燃油经济性。

技术领域

本发明涉及车辆的车速工况预测，特别是涉及一种基于前车与自车互动的短期车速工况实时预测方法。

背景技术

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。日益恶化的环境也促进了世界各国对节能减排的迫切需求。如何基于现有研究水平提高和完善混合动力系统能量管理算法的优化性能和理论体系，进一步实现基于优化的动力驱动控制算法的实时在线应用，是当前汽车发展中优化燃油消耗亟待解决的重要问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于前车与自车互动的短期车速工况实时预测方法，极大地提高了未来短期车速预测的精度，并将其运用到能量管理策略中，提高了燃油经济性。

本发明的目的是通过以下技术方案来实现的：一种基于前车与自车互动的短期车速工况实时预测方法，其特征在于：包括以下步骤：

S1.获取自车和前车历史车速、车距信息，并提取有效数据；

S2.构建基于人工神经网络的未来车速预测模型；

S3.对构建的未来车速预测模型进行离线训练；

S4.在线预测自车的未来车速；

S5.实现车速预测神经网络的自适应学习；

S6.根据预测的短期车速计算扭矩需求；

S7.根据转矩需求和动态规划算法计算最优转矩分配。

其中，所述步骤S1包括以下子步骤：

S101.基于车载OBD或无线数据采集系统获取自车不同驾驶员在不同道路工况上行驶时的历史车速信息，存储于车速数据库中形成样本工况1；

S102.运用车联网技术获取和自车对应的前车不同驾驶员在不同道路工况上行驶时的历史车速信息，存储于车速数据库中形成样本工况2；

运用毫米波雷达不断获取前后车车距信息，存储于历史车距数据库中形成样本工况3；

S103.从历史车速数据库样本工况1中提取自车运行于各样本工况时刻点t的有效实测数据车辆瞬时速度v₀(t)；

S104.从历史车速数据库样本工况2中提取前车运行于各样本工况时刻点t的有效实测数据车辆瞬时速度v₁(t)；

从历史车距数据库样本工况3中提取前后车运行于各样本工况时刻点t的有效实测数据前后车瞬时车距S(t)。

所述步骤S2基于历史车速或历史车距信息构建人工神经网络的未来车速预测模型，具体包括以下步骤：

S201.选取径向基函数人工神经网络作为非线性预测函数对自车未来车速进行预测，构建基于径向基函数人工神经网络的未来车速预测模型；

S202.径向基函数人工神经网络由输入层、隐藏层、输出层三部分构成；