[发明专利]一种融合遗传蚁群算法的热管理控制方法及系统

权利要求书

1.一种融合遗传蚁群算法的热管理控制方法，其特征是：包括以下步骤：

获取环境温度、环境湿度、电机转速、电子水泵转速、电机转矩和电机出水温度，作为控制输入参数；

利用基于融合遗传蚁群算法改进的支持向量机预测模型，基于控制输入参数进行控制，确定与当前工况相匹配的风扇占空比，利用该风扇占空比控制电子风扇转速；

所述融合遗传蚁群算法，将遗传算法引入到蚁群算法中，采用遗传算法的选择算子和变异算子，执行选择算子时，将蚂蚁个体按照信息素浓度高低进行排序，选择信息素浓度排名位于前面设定范围的个体进行信息素更新；执行变异算子时，蚂蚁个体的基因值以设定变异率进行实值变异为其他等位基因值；

所述基于融合遗传蚁群算法改进的支持向量机预测模型预先经过训练，训练样本由历史环境温度、环境湿度、电机转速、电子水泵转速、电机转矩和电机出水温度检测数据以及仿真模拟实验数据得到；

通过设置不同的环境温度、环境湿度、电机转速、电机转矩、电子水泵转速，结合散热模块风洞试验数据仿真得到不同工况下满足电机出水温度目标要求的电子风扇转速，转换得到作为输出参数的风扇占空比。

2.如权利要求1所述的一种融合遗传蚁群算法的热管理控制方法，其特征是：所述基于融合遗传蚁群算法改进的支持向量机预测模型中，通过设定初始参数，随机生成惩罚因子和径向基核函数的方差参数组合作为初始种群，每代蚂蚁经过转移、选择、变异和释放信息素操作，寻找使支持向量机预测模型误差最小的惩罚因子和径向基核函数的方差参数组合。

3.如权利要求2所述的一种融合遗传蚁群算法的热管理控制方法，其特征是：所述初始参数包括但不限于种群个数、最大迭代次数、信息素挥发上下限、转移概率、变异概率和选择概率。

4.一种融合遗传蚁群算法的热管理控制系统，其特征是：包括：

电驱动总成热管理系统和控制器，所述控制器被配置为获取环境温度、环境湿度、电机转速、电子水泵转速、电机转矩和电机出水温度，作为控制输入参数；

利用基于融合遗传蚁群算法改进的支持向量机预测模型，基于控制输入参数进行控制，确定与当前工况相匹配的风扇占空比，利用该风扇占空比控制电子风扇转速，进而控制电驱动总成热管理系统；

所述融合遗传蚁群算法，将遗传算法引入到蚁群算法中，采用遗传算法的选择算子和变异算子，执行选择算子时，将蚂蚁个体按照信息素浓度高低进行排序，选择信息素浓度排名位于前面设定范围的个体进行信息素更新；执行变异算子时，蚂蚁个体的基因值以设定变异率进行实值变异为其他等位基因值；

所述基于融合遗传蚁群算法改进的支持向量机预测模型预先经过训练，训练样本由历史环境温度、环境湿度、电机转速、电子水泵转速、电机转矩和电机出水温度检测数据以及仿真模拟实验数据得到；

通过设置不同的环境温度、环境湿度、电机转速、电机转矩、电子水泵转速，结合散热模块风洞试验数据仿真得到不同工况下满足电机出水温度目标要求的电子风扇转速，转换得到作为输出参数的风扇占空比。

5.如权利要求4所述的一种融合遗传蚁群算法的热管理控制系统，其特征是：所述电驱动总成热管理系统中环境温度、环境湿度、电机转速、电机转矩和电机出水温度均有相应的传感器采集得到。

6.一种电子设备，其特征是：包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成如权利要求1-3中任一项所述的一种融合遗传蚁群算法的热管理控制方法中的步骤。

7.一种计算机可读存储介质，其特征是：用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-3中任一项所述的一种融合遗传蚁群算法的热管理控制方法中的步骤。