[发明专利]一种基于近似模型的燃料电池汽车模糊控制策略优化方法

权利要求书

1.一种基于近似模型的燃料电池汽车模糊控制策略优化方法，其特征在于：包括以下步骤：

设计燃料电池汽车整车能量模糊控制管理策略：燃料电池汽车Mamdani型模糊控制器采用双输入单输出的结构形式，模糊控制器的两输入变量选取为整车需求功率P_load以及动力电池SOC相对于设定值SOC^*的变化量△SOC，模糊控制器输出变量为燃料电池系统参考输出功率P_f；定义输入输出量的模糊分布，并制定模糊控制规则；

建立关于优化变量的椭球基神经网络整车仿真近似模型：

(1)确定优化设计变量：通过计算参数贡献率，对输入输出量隶属度函数的设计变量进行筛选，减少设计变量的个数；首先，采用优化的拉丁超立方方法对设计变量进行采样，完成试验设计；其次，进行敏感性分析，根据样本点及其对应的仿真输出结果y，建立多元二次回归模型，其中，β₀、β_i、β_ij为回归模型的系数；将输入设计变量归一化到[-1，1]，对多元二次回归模型利用最小二乘法拟合，得到模型系数为S_i，将S_i转化为对等效氢耗的贡献率百分比，反映出每个设计变量对响应—等效氢耗的贡献；根据设计变量对等效氢耗的影响结果，确定最终需要优化的模糊控制策略设计变量；

(2)建立基于椭球基神经网络的整车仿真近似模型：

采用优化的拉丁超立方设计方法对筛选的最终需要优化的设计变量进行采样，并利用获得的样本数据对椭球基神经网络进行训练，从而建立关于优化设计变量的整车仿真近似模型；

基于整车仿真近似模型利用多岛遗传算法优化模糊控制策略：采用多岛遗传算法对模糊控制策略进行优化，使燃料电池汽车实现整车最佳经济性；其优化问题用下式进行描述：其中，为车辆行驶的等效氢耗，即优化过程中的目标函数，为实现整车行驶的最佳经济性，需使该目标值最小，g_i(X)为优化过程中的约束条件，根据优化后的设计变量，重新设计模糊控制策略，完成基于近似模型的燃料电池汽车模糊控制策略优化。

2.根据权利要求1所述的一种基于近似模型的燃料电池汽车模糊控制策略优化方法，其特征在于：优化目标函数过程中，除设计变量的设计空间约束，优化过程还应保证整车的行驶需求以及燃料电池的响应速度，由下式表示：P_load(t)＝P_f(t)+P_b(t)，其中，P_fcscope为燃料电池输出功率最大动态变化率，P_b为动力电池输出功率。