智能混合動力汽車動力控制I：汽車最優(yōu)功率的機(jī)器學(xué)習(xí)

主要對混合動力汽車（HEV）的智能能量管理策略進(jìn)行了研究。研究了混合動力汽車能量流的建模、能量管理優(yōu)化的數(shù)學(xué)背景、機(jī)器學(xué)習(xí)框架、機(jī)器學(xué)習(xí)算法和實時能量流最優(yōu)控制等方面內(nèi)容。

研究了混合動力汽車最優(yōu)能量管理的機(jī)器學(xué)習(xí)算法。針對混合動力汽車的能量管理系統(tǒng)，建立基于機(jī)器學(xué)習(xí)算法的系統(tǒng)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(tǒng)分析工具包（PSAT）。

ML_EMO_HEV包括預(yù)測道路類型、交通擁堵情況和駕駛趨勢的機(jī)器學(xué)習(xí)算法，然后根據(jù)預(yù)測的數(shù)值確定能量的最優(yōu)分配。采用神經(jīng)網(wǎng)絡(luò)NN_RT&TC（路面類型和交通堵塞的神經(jīng)網(wǎng)絡(luò)）預(yù)測道路類型和交通擁堵情況。這是一個多級的神經(jīng)網(wǎng)絡(luò)，其包含11個標(biāo)準(zhǔn)的FS（特定場所）循環(huán)工況（包括當(dāng)前的道路類型和交通擁堵情況）。在循環(huán)工況下測試10次的精度達(dá)到了91.6%～98.7%。神經(jīng)網(wǎng)絡(luò)可以預(yù)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(jīng)網(wǎng)絡(luò)得到的11種道路類型和交通堵塞情況的最優(yōu)發(fā)動機(jī)轉(zhuǎn)速的MSE（均方誤差）為0.0002～0.0012。神經(jīng)網(wǎng)絡(luò)得到的最優(yōu)電池電量的MSE為0.0004～0.0015。

在今后的研究中，將在目標(biāo)車輛上對所建立的最優(yōu)能量控制算法進(jìn)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