基于神經(jīng)網(wǎng)絡(luò)的混合動力汽車的能源控制策略

發(fā)展混合動力汽車是解決污染問題的有效方法之一。然而，混合動力汽車的動力系統(tǒng)包含不同種類的車載動力能源，這些能源自身有不同的動力學(xué)特性，因此需要采取一些策略以根據(jù)不同的特性來進行動力分配。

提出了一種新型實時能源控制策略，應(yīng)用于超級電容蓄電式混合動力汽車。該策略將總動力在車載動力系統(tǒng)（即電池和超級電容）之間進行分配，采用非線性汽車自回歸中樞神經(jīng)網(wǎng)絡(luò)作為一種時間預(yù)測模型，而采用離散小波變換作為一種時間濾波器。該策略的目的是延長電池的使用壽命。傳統(tǒng)的連續(xù)時間模型，如采用自回歸式協(xié)調(diào)平均數(shù)法建立的連續(xù)時間模型是線性的。由于所有實際應(yīng)用的設(shè)備在使用過程中都遭受高頻變化和瞬態(tài)轉(zhuǎn)化的影響，這樣連續(xù)時間模型不能用線性模型建模，所以提出一種非線性連續(xù)時間模型來滿足建模要求。

進行仿真時，輸入一個實際的動力需求信號，通過非線性自回歸中樞神經(jīng)網(wǎng)絡(luò)法進行建模和預(yù)測之后，采用離散小波變換對頻率段進行分離。仿真結(jié)果表明，該策略能有效地保護電池，即當(dāng)電池不再遭受動力需求中的高頻損害時，其壽命和性能都會提高。為了證明該策略的魯棒性，與自回歸式協(xié)調(diào)移動平均數(shù)法模型進行了對比。結(jié)果表明，非線性自回歸中樞神經(jīng)網(wǎng)絡(luò)法具有更快、更精確的特點。

未來的研究需要包括燃料電池，并且提升3種動力源（電池、超級電容和燃料電池）之間的能源管理水平。同時，需要尋找比離散小波變換更好的方法，以實時獲得燃料電池合理的頻率段，因為離散小波變換只能在低頻變化下傳遞動力。

刊名：Electric Power Systems Research（英）

刊期：2016年第136期

作者：Mona Ibrahim et al

編譯：馬曉宇