买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏大学

摘要：本发明公开了一种智能网联环境下混合动力客车智能能量管理方法及系统，融合车边云协同、工况类别、车速规划以及城市客车载客数量变化等，城市公交在行驶过程中将数据上传到云端，云端对数据进行运动学片段划分、特征参数提取、PCA降维以及K‑Means聚类等生成典型行驶工况数据，并划分训练集和测试集，训练XGBoost工况识别模型，实现工况类别的实时判别。云计算将识别结果下放到边缘计算，边缘计算设计不同车间距下基于动态规划算法的实时车速规划，并根据不同工况类别以及实时载客量利用粒子群算法求解最优等效因子，该策略能根据不同工况类型切换合适的模式以及对应最优的能量管理策略，最大化利用能量降低混合动力城市客车的燃油消耗，提高燃油经济性。

主权项：1.一种智能网联环境下混合动力客车智能能量管理方法，其特征在于，包括如下步骤：S1、道路交通信息上传云端，包括实时采集车辆所处的道路交通信息以及自车的行驶状态信息；S2、云端计算：通过大数据分析优化输出结果并将其下放到边缘侧：包括在云端对数据存在的质量问题进行处理，然后对数据进行运动学片段划分、特征参数提取、PCA降维以及K-Means聚类计算，最后利用聚类生成的典型行驶工况数据划分训练集和测试集，训练基于XGBoost算法的工况识别模型，实现实时的工况类别的识别；S3、边缘侧基于云端下放的结果进行快速求解并将结果实时返回车端：包括云计算将识别结果下放到边缘计算，边缘计算基于云计算的结果，根据不同工况类别设计不同车间距，并基于动态规划算法实现实时的车速规划，另外一方面根据不同的工况类别以及实时的载客量利用粒子群算法求解能量管理策略中的核心控制参数实现自适应的能量管理策略；所述S3的粒子群优化算法的具体设计过程包括：将等效燃油消耗最小策略ECMS看成基于庞特里亚金极小值原理Pontryagin’sminimumprinciple,PMP的能量管理策略在应用于瞬时优化过程中的简化，等效油耗理论的基本思想认为脱离电池电量平衡点的电能都将来自于燃油，因此在进行寻优计算时将当前计划要消耗的电能转化为未来为弥补这些电能而消耗的燃油，其转化系数称为等效因子，即在某一时刻根据车辆当前的行驶工况，遍历不同的发动机和电机的扭矩组合，总会存在一个总能耗最小的点，该点便为当前条件下的最优解，对应着该时刻下燃油和电能的最佳分配关系为： 其中为瞬时总等效油耗，fpen为与耗电量相关的惩罚系数，为与电机相关的瞬时等效油耗，pel为电机功率，ηel为电机效率，HLHV为燃料低热值，st为等效因子；γ为与电机正负功率相关系数；为瞬时燃油消耗量；利用粒子群优化算法设计适应度函数针对不同工况以及载客量求解最优等效因子，其中在粒子群优化算法ParticleSwarmOptimizationPSO求最优解的过程中，每个寻优解都看做是一只鸟，也被称为“粒子”，而每个粒子都有确定的适应度值；当d维空间内有n个粒子；粒子的位置：Xi＝Xi1,Xi2,…Xid，将Xi带入适应度函数fXi；粒子i的速度：Vi＝Vi1,Vi2,…Vid；粒子i个体经历过的最好位置：pbesti＝pi1,pi2,…pid；种群经历过的最好位置：gbest＝g1,g2,…gd；每个粒子位置和速度的更新方式如下式所示： 其中ω为惯性权因子；c1c2为学习因子；rand为随机函数，pgd为粒子群体最佳位置，xit为当前时刻粒子的位置；vit为当前时刻粒子的速度；其中对应ECMS控制策略的适应度函数如式所示 其中Je为燃油消耗，SOCref为参考SOC，SOCend为行程最终SOC，γ为考虑SOC变化的权重系数；所述S3中，边缘计算基于云计算的结果根据不同工况类别设计不同车间距基于动态规划算法实现实时的车速规划的具体过程包括：首先按20s为一时间间隔在距离域将全局问题划分阶段，更新时间为5s，全程距离为D，区间数为n，每个区间距离为Di,下标i表示第i个区间i＝1,2,3……n，在每一阶段分别利用动态规划进行车速优化，定义每一阶段离散距离间隔为sk，则第i阶段问题可按照sk离散为Ni步k＝1,2,3……Ni，动态规划过程如下：首先优化问题在距离域上离散化，按照sk离散为N步k∈1,N，其中控制变量为加速度ak，状态变量为vk代表对应车速，能量消耗为E，vlim,k为对应路段最高限速，tk代表从开始持续的时间，ltime为与时间相关的惩罚系数，下一时刻的时间和速度可以通过当前时刻时间速度计算得来： 其中加速度为ak，状vk代表对应车速，tk代表从开始持续的时间，sk为离散的距离；根据纵向动力学模型有Fwheel＝ma+Ff+Fw+Fi其中m代表整车质量；a代表加速度；Ff代表滚动阻力、Fw代表空气阻力、Fi代表坡道阻力具体如下所示 其中，g表示重力加速度；f表示滚动阻力系数；θ表示道路坡度；ρ表示空气密度；CD表示空气阻力系数；A表示迎风面积；v表示纵向速度；瞬时成本Eck为行驶过程中所消耗的能量，计算公式为：Eck＝Fwheelksk+1-skηtr其中，Fwheel表示纵向力，ηtr表示效率，sk为离散距离间隔，有关时间限制计算过程： tk，max＝tk，min+tend-tN，min其中tk，max为时间上限，tk，min为时间下限，vk，max为在不超过最大加速度限制的前提下所能达到的最大速度，tend为基于历史数据以及实际情况完成路线所需的最大时长，每一步代价函数定义为当前能量消耗与之前能量消耗之和，为了使得整个行驶过程中的成本最低，需要对每个离散阶段的成本进行叠加，使得总成本最低，因此目标函数及相关约束条件可表示为： 约束方程 其中控制变量为加速度ak，vk代表对应车速，vlim，k为当前时刻限速，tk代表从开始持续的时间，能量消耗为E，ltime为限制在一定时间内完成站点区间路程的惩罚系数；两种跟车距离的车速规划方法分别为ACCmax_min以及ACCmin，根据对不同工况类别提出最佳的安全时距限制，当工况类型为拥堵类型即为ACCmax_min时，边缘计算MEC根据动态规划滚动优化得到优化后的速度，然后根据反馈的前车动态计算当前的车间距，如果当前车间距属于最大车间距与最小车间距之间时，则采用当前路段动态规划优化后的速度作为规划速度，如果超出该范围则需要重新规划车速，在一定时间内调整与前车的车间距到规定范围内；当工况类型属于通畅路段或郊区类型时即为ACCmin时，只需要满足车间距大于最小车间距，因此边缘计算MEC根据动态规划滚动优化得到优化后的速度，然后根据反馈的前车动态计算当前的车间距，如果当前车间距大于最大车间距时，则采用当前路段动态规划优化后的速度作为规划速度，如果小于最小车间距则需要重新规划车速，在一定时间内调整与前车的车间距到规定范围内，定义k时刻本车与前车的距离为sdiff,k，其具体计算方法可以通过将已知的前车时间-速度曲线通过坐标转换生成时间-里程曲线，通过第k步对应的行驶时间tk插值得到当前前车的行驶里程sleader，定义k时刻本车与前车的距离为： 最小车间距为： 最大车间距为： 其中S0为安全距离，vk为当前车速，vleader为前车车速，T为反应时间，amin为加速度最小值，amax为加速度最大值，即边缘计算MEC应用动态规划通过离散距离将车速规划问题划分为多阶段的优化问题，前一阶段的末速度为本阶段的初速度，然后根据每一阶段的初速度穷举全部可能实现的末速度，通过求解目标函数能耗最小值获得最优车速，求得第i阶段的动态规划后得到初始优化后的车速，然后边缘计算MEC通过当前前车与本车实时车速与位置信息以及云端分析处理得到的工况类型判断是否满足当前时刻的安全时距限制，即若该区间为拥堵路况则需同时满足最大最小安全时距对初始优化车速进行调节，若为城市通畅路段或郊区则只考虑最小车间距对初始车速进行调节，当优化速度使得与前车距离不在对应的约束范围内时，即对速度进行调整获得最终规划车速，其中fs_max为当前车间距与约束最大车间距的差值，fs_min为前车间距与约束最小车间距的差值，当sdiff，k＞Smax,kfs_max＝sdiff,k-Smax,k当sdiff,kSmin,kfs_min＝sdiff,k-Smin,k。

全文数据：

权利要求：

百度查询： 江苏大学 一种智能网联环境下混合动力客车智能能量管理方法及系统