机械工程学报

作者：胡晓松, 陈科坪, 唐小林, 王斌

单位：1. 重庆大学机械传动国家重点实验室 重庆 400044;2. 重庆大学汽车工程学院 重庆 400044;3. 北京新能源汽车股份有限公司 北京 100176

关键词：并联混合动力汽车,机器学习,LSTM,预测能量管理,模型预测控制；

基金：国家自然科学基金（51875054，51705044）和重庆市杰出青年基金（cstc2019jcyjjq0010）资助项目。

针对当前混合动力汽车模型预测控制（Model predict control，MPC）能量管理中预测域速度预测不精准问题，进行基于机器学习的速度预测研究。首先建立基于无极变速（Continuously variable transmission，CVT）的单轴并联混合动力汽车模型，其次采用机器学习方法对未来时间窗内的行车速度进行预测，得到三种不同预测方法下的方均根误差（Root mean squared error，RMSE）精度，其中长短期记忆（Long short term memory，LSTM）神经网络最佳，前馈神经网络次之，支持向量机最差。然后，利用模型预测控制策略对车辆进行能量流分配，验证不同预测方法对燃油消耗、SOC的影响，且分析对比不同预测时间窗长度下的能量管理性能，找到不同预测方法下的最小油耗预测域。最后将预测控制与传统动态规划（Dynamic programming，DP）、等效燃油消耗（Equivalent consumption minimization strategy，ECMS）能量管理策略进行性能比较，发现机器学习预测控制对减少油耗具有良好的潜力，同时对模型预测控制算法预测域内的扰动量预测具有重要指导意义。

来源：2020年第16期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2020年第16期