[发明专利]一种面向工况的混合动力汽车控制参数标定方法

摘要

本发明公开了一种面向工况的混合动力汽车控制参数标定方法，涉及混合动力汽车技术领域。方法主要包括建立工况样本、基于粒子群算法对各独立工况下的控制参数优化、基于相关性的工况特征指标筛选、多元线性回归分析、新工况的最佳控制参数标定等五个步骤。充分考虑工况特征与最佳控制参数之间的关系，建立最佳控制参数与工况特征指标之间的多元线性回归模型，对于不同工况都能迅速标定控制参数，一方面有助于理解工况对最佳控制参数的影响，一方面便于标定人员快速确定最佳控制参数，缩短标定周期。

主权项

1.一种面向工况的混合动力汽车控制参数标定方法，其特征在于，包括以下内容：第一，建立工况样本，具体包括以下步骤：①首先选定若干个标准循环工况，然后提取每个标准循环工况的所有动力学片段，将每一动力学片段看作一个独立的工况，所述动力学片段的划分方法为以工况起始点作为第一个动力学片段的起始点，以起始点后车速经历大于零后的第一个零车速点作为第一个动力学片段的结束点，以上一动力学片段的结束点作为下一动力学片段的起始点，以此类推，若最后一个动力学片段起始点后车速始终为零，则舍弃该段，所有循环工况的动力学片段数之和即为样本数，计为N；②计算各独立工况的20个特征指标C₁,C₂,C₃......C₂₀，所述20个特征指标依次指停车比例、停车次数、加速比例、减速比例、巡航比例、平均加速度、最大加速度、加速度标准差、平均减速度、最大减速度、减速度标准差、平均行驶车速、车速标准差、车速均方根、最高车速、0‑20km/h车速比例、20‑40km/h车速比例、40‑60km/h车速比例、60‑80km/h车速比例、80‑100km/h车速比例，每个特征指标C_x为一元素数为N的向量，x为下角标，代表1,2,3......20；第二，各独立工况的控制参数优化，具体包括以下步骤：①确定要优化的控制参数P；②使用粒子群算法在每一独立工况下对P进行优化，以燃油消耗量最小为适应度函数，以电池SOC平衡为约束条件，以P作为粒子位置，设定迭代次数K作为优化终止条件，最终得到各独立工况下使燃油消耗量最小的最佳控制参数P_b，P_b为一元素为N的向量；第三，基于相关性的工况特征指标筛选，具体包括以下步骤：①使用线性回归分析中的相关性公式计算各特征指标之间的相关系数如式(1)所示，各特征指标与最佳控制参数之间的相关系数如式(2)所示：式中下角标x、y均表示特征指标代号，为1,2,3......20；②筛选出与最佳控制参数相关性较高的工况特征指标，设置阈值R₁，保留所有的特征指标，其余的剔除；③依据各工况特征指标之间的相关性继续缩减特征指标数量，设置阈值R₂，在步骤②中保留的工况特征指标中，寻找所有的特征指标对C_x、C_y，视为重复的工况特征指标，保留与最佳控制参数相关性较高的，即与中的较大值对应的工况特征指标，剔除较小值对应的工况特征指标；经过以上所述筛选步骤后保留下来的工况特征指标个数记为M，M≤20；第四，多元线性回归分析，具体包括以下步骤：①设置模型的显著性水平α，建立最佳控制参数P_b与M个工况特征指标之间的多元线性回归模型，模型如式(3)所示：P_b＝β₀+β₁·C₁+β₂·C₂+......+β_M·C_M+ε   (3)式中，β₀为常数项，β₁、β₂……β_M为回归系数，ε为随机误差；②残差分析，根据所述多元线性回归模型得到各样本的残差r₁、r₂……r_N及对应的置信区间rint₁、rint₂……rint_N，若某样本的置信区间不包含零点，则认为该样本数据异常，将其剔除，然后重新建立式(3)所示多元线性回归模型；③对模型开展T检验，设进入该步骤时的工况特征指标个数为M_e，先更新M_e，若存在未通过T检验的回归系数β_w，则剔除下标号最小的β_w对应的C_w并进入步骤④，此时剩余工况指标个数为M_o，M_o＝M_e‑1；若不存在未通过T检验的回归系数，则剩余工况指标个数为M_e，进入步骤⑤；④保持显著性水平α不变，建立最佳控制参数P_b与M_o个工况特征指标之间的多元线性回归模型并进行F检验，若F检验通过，则进入步骤③；若F检验未通过，则还原最新被剔除的一个工况特征指标并进入步骤⑤，此时剩余工况指标个数为M_e；⑤以最终保留的M_e个工况特征指标与P_b之间的多元线性回归模型作为最终模型，如式(4)所示：第五，对于要标定的新工况，计算所述最终保留的M_e个工况特征指标，并将其代入式(4)，得到该工况对应的最佳控制参数。