智能混合動力汽車動力控制I：汽車最優功率的機器學習

智能混合動力汽車動力控制I：汽車最優功率的機器學習

主要對混合動力汽車（HEV）的智能能量管理策略進行了研究。研究了混合動力汽車能量流的建模、能量管理優化的數學背景、機器學習框架、機器學習算法和實時能量流最優控制等方面內容。

研究了混合動力汽車最優能量管理的機器學習算法。針對混合動力汽車的能量管理系統，建立基于機器學習算法的系統框架（ML_EMO_HEV）。試驗基于美國阿貢國家實驗室提供的福特混合動力車輛模型的動力總成系統分析工具包（PSAT）。

ML_EMO_HEV包括預測道路類型、交通擁堵情況和駕駛趨勢的機器學習算法，然后根據預測的數值確定能量的最優分配。采用神經網絡NN_RT&TC（路面類型和交通堵塞的神經網絡）預測道路類型和交通擁堵情況。這是一個多級的神經網絡，其包含11個標準的FS（特定場所）循環工況（包括當前的道路類型和交通擁堵情況）。在循環工況下測試10次的精度達到了91.6%～98.7%。神經網絡可以預測5種駕駛趨勢：①怠速；②低速行駛；③高速行駛；④加速；⑤減速。神經網絡得到的11種道路類型和交通堵塞情況的最優發動機轉速的MSE（均方誤差）為0.0002～0.0012。神經網絡得到的最優電池電量的MSE為0.0004～0.0015。

在今后的研究中，將在目標車輛上對所建立的最優能量控制算法進行實時的工況驗證。

刊名：IEEE Transactions on Vehicular Technology（英）

刊期：2012年第8期

作者：Yi Lu Murphey et al

編譯：劉曉瑩