[发明专利]一种混合动力电动汽车行驶状态的智能识别方法

摘要

本发明公开了一种混合电动汽车行驶状态的智能识别方法，属于电动汽车控制技术领域。该方法主要采用神经网络进行识别，其工作过程主要分为学习期和工作期两个阶段。在学习期，首先采集汽车的标准行驶工况，并进行分段，再对每个小样本进行计算，得到一系列样本参数，然后代入神经网络计算公式得到智能识别控制所需的参数；在工作期，首先对采集得到的速度进行限幅滤波法处理，再进行递推平均滤波法处理，然后存储一定时间的速度并进行计算，再把计算结果代入神经网络计算公式便可以得到汽车当前的行驶状态。本发明对汽车行驶状态识别效果明显，因此可以帮助电动汽车控制器合理有效地调节控制参数，从而进一步提高电动汽车的燃油经济性和排放件。

主权项

1、一种混合动力电动汽车行驶状态的智能识别方法，其特征在于：采用神经网络识别汽车行驶工况，其工作过程主要分为两个阶段：第一个阶段为学习期，主要通过在PC机中用matlab编写程序来实现，其方法步骤为：步骤1：首先输入现有汽车主干道、快速路等的国家或者地方标准行驶工况，然后分别对汽车主干道、快速路等的行驶工况进行分段，每一小段作为一个样本，而且每个样本的时间可以重叠；若设定每个小样本的采样时间为ts秒，每隔tf秒钟进行一次采样，ts＝nitf，则其划分结果为0～ts秒为一段工况，tf～(tf+ts)秒为一段工况，2tf～(2tf+ts)秒为一段工况，......，(n·tf)～(n·tf+ts)秒为一段工况，并把每种工况分段后的结果进行存储；若主干道工况分为n1段，则把主干道工况的存储为数组vz1，vz2，......vzn1；若快速路工况分为n2段，快速路工况存储为数组vk1，vk2，......，vkn2；步骤2：对每一小段工况数组进行处理，首先通过工况的速度计算加速度，当加速度为正时存储为数组az1，az2，......，azn1，ak1，ak2，......，akn2，......，当加速度为负时存储为数组rz1，rz2，......，rzn1，rk1，rk2，......，rkn2，......，以及每个采样点的速度和加速度的乘积存储为数组vaz1，vaz2，......，vazn1，vak1，vak2，......，vakn2，......，再对速度和正加速度的数组计算其数据的最大值、平均值以及标准差，对负加速度的数组计算其数据的最小值、平均值和标准差，对加速度和速度乘积的数组计算其数据的平均值；再对速度、正加速度、负加速度、速度和加速度的乘积的数组进行节点划分和数据统计，并计算每部分占总时间的百分比；步骤3：采用上述步骤2中计算得到的参数，作为神经网络学习的训练样本x1、x2……xk，即输入层；采用y1代表主干道工况，y2代表快速路工况，……，ym代表第m种工况，作为神经网络的输出层；然后采用公式(1)进行计算，求得神经网络各连接权上的权值wim、bm；第二个阶段为工作期，主要通过在PC机中采用C编写行驶状态智能识别程序，然后下载到智能识别控制器中实现，其方法步骤为：步骤4：首先对速度进行限幅滤波法处理：当前采集到车速与前一次求得的车速进行对比，若变化量大于vc，则取前一次计算得到的车速，若变化小于vc，则取当前采集得到的车速；然后对速度进行递推平均滤波法处理：若在第一阶段中速度的采样频率为tf秒钟一次，则取前nc次的车速的平均值作为当前车速；步骤5：存储一定时间的车速，形成车速数组；若在第一阶段中选用ts秒的样本进行神经网络权值计算，则在汽车行驶过程中在每次采样后存储前ts秒内的车速，形成一个具有ni个速度值的数组作为一个速度片断；步骤6：对上述速度片断按照第一阶段中的步骤2进行计算，得到表1中的各项参数；步骤7：然后采用公式(1)进行神经网络计算，即得到当前汽车行驶状态ym。