[发明专利]混合动力控制系统的多目标优化方法、系统、设备及介质

权利要求书

1.一种混合动力控制系统的多目标优化方法，其特征在于，所述多目标优化方法包括：

获取拟合数据集；所述拟合数据集包括多个样本数据，每一所述样本数据包括输入参数的历史值和所述输入参数的历史值对应的输出参数的历史值；所述输入参数包括关闭内燃机的电池荷电状态最大阈值、打开内燃机的电池荷电状态最小阈值、操作最小速度、操作最大速度、第一操作的内燃机速度、第二操作的内燃机速度、第三操作的内燃机速度、第一操作的扭矩值、第二操作的扭矩值、第三操作的扭矩值以及关闭内燃机的速度；所述输出参数包括电池电压、操作转换次数、排放、噪音和电池荷电状态；

基于所述拟合数据集进行函数拟合，得到用于表征所述输入参数和所述输出参数之间函数关系的多目标优化模型；

利用基于高斯混合模型的多目标优化算法对所述多目标优化模型进行优化求解，得到所述输入参数的最佳取值。

2.根据权利要求1所述的多目标优化方法，其特征在于，所述基于所述拟合数据集进行函数拟合具体包括：基于所述拟合数据集，利用克里金模型进行函数拟合。

3.根据权利要求1所述的多目标优化方法，其特征在于，所述基于高斯混合模型的多目标优化算法具体包括：每迭代k次，则基于高斯混合模型生成子代种群。

4.根据权利要求3所述的多目标优化方法，其特征在于，所述利用基于高斯混合模型的多目标优化算法对所述多目标优化模型进行优化求解，得到所述输入参数的最佳取值具体包括：

随机生成初始种群；所述初始种群包括多个个体，每一所述个体均代表所述输入参数的一个取值；

判断循环次数是否达到k次；若是，则令循环次数为0，基于高斯混合模型生成子代种群；若否，则令循环次数加1，基于交叉变异生成子代种群；所述循环次数的初始值为0；

合并所述子代种群和所述初始种群，得到合并后种群，并从所述合并后种群中选择若干个个体组成选择后种群；

判断是否达到迭代终止条件；若是，则结束迭代，基于所述选择后种群确定所述输入参数的最佳取值；若否，则继续迭代，以所述选择后种群作为下一迭代的初始种群，返回“判断循环次数是否达到k次”的步骤。

5.根据权利要求4所述的多目标优化方法，其特征在于，所述随机生成初始种群具体包括：

在每一输入参数的取值范围内随机选取一个值，组成所述输入参数的一个取值，得到一个个体；

判断是否得到N个个体；若是，则N个个体组成初始种群；若否，则返回“在每一输入参数的取值范围内随机选取一个值”的步骤。

6.根据权利要求4所述的多目标优化方法，其特征在于，所述基于高斯混合模型生成子代种群具体包括：

根据所述初始种群构建当前高斯子模型；

以所述当前高斯子模型和历史高斯子模型为输入，利用EM算法计算权重参数；所述历史高斯子模型为历史迭代过程中构建的当前高斯子模型；

根据所述权重参数对所述当前高斯子模型和所述历史高斯子模型进行融合，得到高斯混合模型；

对所述高斯混合模型的概率分布进行下采样，生成子代种群。

7.根据权利要求4所述的多目标优化方法，其特征在于，所述从所述合并后种群中选择若干个个体组成选择后种群具体包括：

对于所述合并后种群中的每一个体，计算所述个体与所述合并后种群剩余的每一个体之间的距离，并对所述距离按照从大到小的顺序进行排序，选取排序位于第A位的距离作为所述个体的邻居距离；

将所述合并后种群的每一个体按照邻居距离从大到小的顺序进行排序，选取排序位于前N位的个体组成选择后种群。