10.16413/j.cnki.issn.1007-080x.2022.z1.005
基于LSTM车速预测的在线优化能量管理策略研究
为充分挖掘48 V混合动力汽车的节油潜力,提出了基于长短期记忆神经网络(LSTM)车速预测的混合动力汽车在线优化能量管理策略.首先,引入LSTM建立了车速预测模型,并综合考虑模型输入、输出序列长度对预测精度的影响,实现对车速的准确预测;然后,为了实现能量管理的在线最优化并提高控制策略的实时性,提出了采用快速动态规划算法的预测控制策略(FDPS);最后,分别以标准循环工况WTVC和实车工况进行测试,验证了所提策略的有效性.研究结果表明,相比于径向基神经网络(RBF)预测模型,所建立的LSTM的车速预测模型可提高29.06％～35.31％预测精度;在WTVC工况和实车工况下,所提出的FDPS策略可使燃油经济性相比于常用的规则策略(RB)分别提高5.62％和12.86％,计算时间相比于传统的预测控制策略(MPC-DP)缩短65.84％以上.
48、V混合动力汽车、长短期记忆神经网络、预测性能量管理策略、快速动态规划
28
U469.7;TP391;TP183
国家自然科学基金51875339
2022-09-20（万方平台首次上网日期，不代表论文的发表时间）
共12页
37-48
