[发明专利]基于多元信息融合的插电式混合动力汽车能量管理方法

权利要求书

1.一种基于多元信息融合的插电式混合动力汽车能量管理方法，其特征在于，包括以下步骤：

S1、获取自适应模糊推理系统模型、车速序列预测模型和SOC参考轨迹估计器；

所述自适应模糊推理系统模型的输入为上一时刻变速箱传动比、当前时刻车速及归一化整车需求功率，输出为当前时刻变速箱传动比；

所述车速序列预测模型的输入为多元行驶信息，输出为未来有限时域内的车速预测序列，所述多元行驶信息包括车速序列、前车车速、车距、信号灯状态、距离及剩余时间；

所述SOC参考轨迹估计器的输入为未来有限时域内的需求功率序列、当前时刻SOC值、循环结束时的期望SOC值，输出为未来有限时域内的SOC终值；

S2、根据自适应模糊推理系统模型、车速序列预测模型和SOC参考轨迹估计器实时计算当前时刻变速箱传动比、未来有限时域内的车速预测序列和未来有限时域内的SOC终值，基于庞特里亚金极小值原理进行有限时域内的滚动优化，得到该时域内的参考协态变量；

S3、若滚动优化有解，则利用参考协态变量在后续控制域内进行开环庞特里亚金极小值优化，得到相应的控制集，并在下一控制时域重复执行S2，若滚动优化无解，则根据未来有限时域内的SOC终值执行SOC跟随策略，并在下一控制时域重复执行S2。

2.根据权利要求1所述的一种基于多元信息融合的插电式混合动力汽车能量管理方法，其特征在于，步骤S1中，获取自适应模糊推理系统模型具体为：

根据不同工况下的历史行车数据，设置不同的始末SOC条件，使用二维动态规划对不同工况、不同始末SOC条件下的变速箱传动比选取和转矩分配进行优化求解，得到变速箱传动比和SOC变化轨迹作为专家经验；

构建自适应模糊推理系统模型，以上一时刻变速箱传动比、当前时刻车速及归一化整车需求功率为输入，以当前时刻变速箱传动比为输出，使用变速箱传动比专家经验训练自适应模糊推理系统模型，得到训练好的自适应模糊推理系统模型。

3.根据权利要求1所述的一种基于多元信息融合的插电式混合动力汽车能量管理方法，其特征在于，步骤S1中，获取车速序列预测模型具体为：

获取历史多元行驶信息，并将其按照不同的地理区域划分为多个训练集；

构建第一神经网络模型，分别使用对应不同地理区域的训练集对第一神经网络模型进行训练，得到对应不同地理区域的车速序列预测模型。

4.根据权利要求3所述的一种基于多元信息融合的插电式混合动力汽车能量管理方法，其特征在于，步骤S2中，在车辆起动时，根据出行的起止点获取对应的车速序列预测模型，行车过程中获取多元行驶信息，根据车速序列预测模型实时计算未来有限时域内的车速预测序列，在行程结束后，将本次行程中获取的多元行驶信息以及实际车速信息保存，用于更新训练车速序列预测模型。

5.根据权利要求1所述的一种基于多元信息融合的插电式混合动力汽车能量管理方法，其特征在于，步骤S1中，获取SOC参考轨迹估计器具体为：

根据不同工况下的历史行车数据，设置不同的始末SOC条件，使用二维动态规划对不同工况、不同始末SOC条件下的变速箱传动比选取和转矩分配进行优化求解，得到变速箱传动比和SOC变化轨迹作为专家经验；

获取历史行车数据；

构建第二神经网络模型，以未来有限时域内的需求功率序列、当前时刻SOC值、循环结束时的期望SOC值为输入，以未来有限时域内的SOC终值为输出，使用SOC变化轨迹专家经验训练第二神经网络模型，得到SOC参考轨迹估计器。

6.根据权利要求2或5所述的一种基于多元信息融合的插电式混合动力汽车能量管理方法，其特征在于，二维动态规划的成本函数计算公式具体为：

其中，Cost(t)表示t时刻采用相应控制律的等效成本，b_e为发动机比油耗，t_delta为时间离散步长，P_e(t)为t时刻发动机输出功率，Ratio(t)与Ratio(t-1)为t时刻和t-1时刻的变速箱传动比，α为传动比变化惩罚因子。