摘要
针对混合动力汽车预测型能量管理策略中车速预测精度不足,使得燃油经济性降低问题,提出一种基于小波分解(wavelet decomposition,WD)和双通道卷积神经网络(convolu-tional neural network,CNN)的车速预测方法,以提高车速预测精度.采用小波分解将原始车速序列分解为多个分量,以降低原始车速序列的非平稳性;将各分量送入 2 个并行的卷积神经网络进行特征提取,经特征融合后送入长短期神经网络(long short-term memory neural network,LSTM)进行预测;将各分量预测结果叠加,得到最终的车速预测结果.最后,基于车速预测结果,以燃油经济性最优为目标,建立了基于模型预测控制的能量管理策略,对预测时域内动力源输出进行滚动优化.仿真结果表明:在 CLTCP 工况下,所提出的车速预测方法预测精度比CNN-LSTM神经网络模型高58.96%;比动态规划策略的油耗增加 13.3%,比基于规则的策略油耗降低了18.98%,从而验证了该车速预测方法和预测能量管理策略的有效性.
基金项目
国家自然科学基金(51305475)
重庆市教委科学技术研究项目(KJQN201801143)
重庆市自然科学基金面上项目(cstc2019jcyjmsxmX0308)
重庆理工大学重大科研项目同步开展基础及应用基础研究项目(2022TBZ003)
国家科技期刊平台
NSTL
万方数据