[发明专利]考虑动态响应能力的基于神经网络的汽车动力控制方法

权利要求书

1.一种考虑动态响应能力的基于神经网络的汽车动力控制方法，所述汽车的动力系统的能量源包括燃料电池和蓄电池，其特征在于，所述方法包括以下步骤：

S1：实时获取汽车的能量状态数据，该能量状态数据包括整车工况特征速度、动力系统的需求功率、能量源的功率和蓄电池SOC；

S2：根据步骤S1获取的所述蓄电池SOC判断燃料电池是否开启，若燃料电池开启则执行步骤S3；

S3：将步骤S1获取的所述整车工况特征速度、动力系统的需求功率和能量源的功率载入预先建立并训练好的神经网络中，获取能量源的当前最优功率分配参数；

S4：根据预先获取的燃料电池系统的动态响应能力曲线，对所述能量源的当前最优功率分配参数进行修正；

S5：根据步骤S4获取的修正后的能量源的当前最优功率分配参数，对所述能量源的输出功率进行分配控制；

所述神经网络的训练过程包括获取汽车在各个工况下能量源的状态数据，采用动态规划方法根据该状态数据计算在各个已知工况下，能量源的全局优化分配结果，从而根据各已知工况对应的整车工况特征速度和能量源的全局优化分配结果构建训练集，采用该训练集训练所述神经网络；

所述动态规划方法的代价函数J的表达式为：

式中，为燃料电池的氢耗量，为蓄电池的等效氢耗量，P_fc为燃料电池功率，η_fc为燃料电池的效率，为氢气的低热值，P_bat为蓄电池功率，η_dis为蓄电池的放电效率，η_cha为蓄电池的充电效率，η_cha,avg为蓄电池的平均充电效率，η_dis,avg为蓄电池的平均放电效率；m_fc,avg为燃料电池的平均瞬时氢耗量，n为步数，Δt为单步步长，P_DC为与蓄电池相连的DC/DC的输出功率；

所述动态规划方法的规划过程中，所述燃料电池功率的寻优范围的表达式为：

f_min(P_fc(t))≤P_fc(t+1)≤f_max(P_fc(t))

式中，P_fc(t+1)为t+1时刻的燃料电池功率，f_min(P_fc(t))为t时刻的燃料电池功率的最小值，f_max(P_fc(t))为t时刻的燃料电池功率的最大值。

2.根据权利要求1所述的一种考虑动态响应能力的基于神经网络的汽车动力控制方法，其特征在于，所述整车工况特征速度包括整车的平均速度、平均加速度、最大加速度、最小加速度和怠速率。

3.根据权利要求1所述的一种考虑动态响应能力的基于神经网络的汽车动力控制方法，其特征在于，步骤S4中，所述能量源的当前最优功率分配参数包括燃料电池的需求功率和蓄电池的需求功率，对所述能量源的当前最优功率分配参数进行修正具体为：

根据所述燃料电池的需求功率计算当前时刻燃料电池的功率变化率；基于燃料电池的动态响应能力曲线，如果所述当前时刻燃料电池的功率变化率大于燃料电池动态响应能力决定的最大变化率，则按照该最大变化率输出燃料电池的需求功率。

4.根据权利要求1所述的一种考虑动态响应能力的基于神经网络的汽车动力控制方法，其特征在于，步骤S2中，判断燃料电池是否开启具体为：

如果步骤S1获取的所述蓄电池SOC大于0.7，则燃料电池不开启，如果所述蓄电池SOC小于0.7，则燃料电池开启。

5.根据权利要求1所述的一种考虑动态响应能力的基于神经网络的汽车动力控制方法，其特征在于，所述神经网络为NARX神经网络。

6.根据权利要求1所述的一种考虑动态响应能力的基于神经网络的汽车动力控制方法，其特征在于，所述汽车的动力系统包括整车控制器、CAN总线、能量源、能量控制器和汽车动力附件，所述汽车动力控制方法通过所述整车控制器执行。