[发明专利]机电复合传动系统需求转矩的自适应递归多步预测方法

摘要

本发明公开了一种机电复合传动系统需求转矩的自适应递归多步预测方法，它涉及一种自适应递归多步预测方法。本发明基于有外界输入的自回归模型(ARX)，应用自适应递归预测算法实现机电复合传动系统需求转矩的在线多步实时预测。预测算法中采用原始的驾驶员油门踏板信号和经过信号变换计算得到的实际需求转矩信号作为模型的输入，实现需求转矩的直接预测，从而降低预测的累积误差。同时，引入两个权重系数，以保证预测算法的准确性和自适应性。本发明通过引入的自适应权重系数实现预测模型的在线实时更新，在保证预测算法实时性和准确性的同时，完成机电复合传动系统需求转矩信息的在线预测。

主权项

1.机电复合传动系统需求转矩的自适应递归多步预测方法，其特征在于，其包括以下步骤：基于ARX模型的自适应递归多步预测算法，算法的表达式如下：其中，y_p(k+m)为预测算法基于时刻数据对之后m步，即对k+m步的预测值；Θ_2n(k)＝[a₀(k),a₁(k),...,a_n‑1(k),b₀(k),b₁(k),...,b_n‑1(k)]^T为第k步采样时的ARX模型回归向量，其中2n是向量的维度；表示k时刻通过采样获取的驾驶员踏板实际数据向量，其中2n是向量的维度数据向量；具体定义为可以通过各采样时刻需求转矩y(k)和驾驶员踏板位置u(k)获得；定义以下向量：自适应多步预测定义如下：其中，α∈(ξ,1](ξ＞0)和β≥1为迭代回归预测算法的权重系数；为了计算每步的回归系数，定义以下价值函数:应用最小二乘法求解可得：预测求解过程中的矩阵求逆计算：[A+BCD]‑1＝A‑1‑A‑1B[DA‑1B+C‑1]‑1DA‑1令A＝α²Φ^T(k‑m‑1)Φ(k‑m‑1),C＝I,可得：已知Θ2n(k‑1)＝[ΦT(k‑m‑1)Φ(k‑m‑1)]‑1ΦT(k‑m‑1)Y(k‑1)同时，令P(k‑1)＝[ΦT(k‑m‑1)Φ(k‑m‑1)]‑1因为为了保证数值计算中p(k)对称，式(6)可以改写为：综上所述，自适应预测算法可以总结如下：利用预先收集的数据信息，通过固定增益预测算法可以得到Θ2n(1)和P(1)的初始值；通过公式(7)可知，P(k)半正定对称矩阵；因为P(k)单调递减，若α＝β＝1，当k趋近于无穷大时，矩阵P(k)趋近于0，回归向量Θ2n(k)为常值，此时自适应递归算法变为固定增益算法。