首页|插电式混合动力汽车车速预测能量管理策略

插电式混合动力汽车车速预测能量管理策略

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
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.
Energy management strategy for speed prediction of plug in hybrid electric vehicles

energy managementspeed predictionwavelet decompositionCNNLSTM

赵爽、罗勇、孙强

展开 >

重庆理工大学 汽车零部件先进制造技术教育部重点实验室,重庆 400054

宁波圣龙(集团)有限公司 技术中心,浙江 宁波 315199

能量管理 车速预测 小波分解 卷积神经网络 长短期神经网络

国家自然科学基金重庆市教委科学技术研究项目重庆市自然科学基金面上项目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

51305475KJQN201801143cstc2019jcyjmsxmX03082022TBZ003

2023

10.3969/j.issn.1674-8425(z).2023.09.009

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2023.37(17)
  • 11