买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】一种顺序选择遗传算法的分布式驱动汽车能效优化方法_常熟理工学院_201911093322.4 

申请/专利权人:常熟理工学院

申请日:2019-11-11

公开(公告)日:2021-04-06

公开(公告)号:CN110834548B

主分类号:B60L15/20(20060101)

分类号:B60L15/20(20060101);B60L58/12(20190101);G06Q10/04(20120101);G06N3/12(20060101)

优先权:

专利状态码:有效-授权

法律状态:2021.04.06#授权;2020.03.20#实质审查的生效;2020.02.25#公开

摘要:本发明公开了一种顺序选择遗传算法的分布式驱动汽车能效优化方法,其工作于分布式驱动汽车,由车辆需求转矩和动力电池剩余电量SOC确定电机转矩分配系数,并以各电机转矩分配系数限定各电机转矩,采用顺序选择遗传算法优化各个车轮的驱动电机转矩。本发明根据每个车轮的负载力矩的调节驱动力矩大小而不限定于需要每个车轮具有相同的电机构型,节约电能。

主权项:1.一种顺序选择遗传算法的分布式驱动汽车能效优化方法,其特征在于,所述能效优化方法基于分布式驱动汽车进行,所述分布式驱动汽车包括:左前轮驱动电机、右前轮驱动电机、左后轮驱动电机和右后轮驱动电机,所述左前轮驱动电机与左前车轮机械连接,所述右前轮驱动电机与右前车轮机械连接,所述左后轮驱动电机与左后车轮机械连接,所述右后轮驱动电机与右后车轮机械连接,所述左前轮驱动电机与左前轮驱动电机控制器电气连接,所述右前轮驱动电机与右前轮驱动电机控制器电气连接,所述左后轮驱动电机与左后轮驱动电机控制器电气连接,所述右后轮驱动电机与右后轮驱动电机控制器电气连接;动力电池组分别与左前轮驱动电机控制器、右前轮驱动电机控制器、左后轮驱动电机控制器和右后轮驱动电机控制器电气连接,整车控制器分别与左前轮驱动电机控制器、右前轮驱动电机控制器、左后轮驱动电机控制器、右后轮驱动电机控制器和动力电池组电气连接;所述能效优化方法包括以下步骤:步骤1、在汽车行驶过程中,实时监测动力电池剩余电量SOC、车辆行驶速度及油门踏板开度,由所述车辆行驶速度和油门踏板开度计算车辆需求转矩,进入步骤2;步骤2、由所述动力电池剩余电量SOC确定电机转矩分配系数,所述动力电池剩余电量SOC大于第一限值时,所述电机转矩分配系数为第一值,所述动力电池剩余电量SOC小于等于所述第一限值且大于第二限值时,所述电机转矩分配系数为第二值,所述动力电池剩余电量SOC小于等于所述第二限值时,所述电机转矩分配系数为第三值;所述第一限值所述第二限值,所述第三值所述第二值所述第一值≤1;步骤3、以顺序选择遗传算法优化所述左前驱动电机转矩Tm1,所述右前轮毂电机转矩Tm2、所述左后轮毂电机转矩Tm3、所述右后轮毂电机转矩Tm4,所述Tm1、Tm2、Tm3和Tm4的范围由对应的电机技术参数确定,具体依次包括以下步骤;步骤301、种群初始化,采用十进制编码方法对汽车四个电机转矩Tm1,Tm2,Tm3和Tm4进行编码,种群规模定义为N,交叉率为Pc,变异率为Pm,最好的个体的选择概率为q,迭代最大代数为Tmax;步骤302、随机产生N个个体,组成初始种群V={v1,v2,...,vi,...,vN},其中第i个个体为vi=vi,1,vi,2,vi,3,vi,4,vi,1表示第i个个体第k时刻左前轮毂电机转矩Tm1ki大小,vi,2表示第i个个体第k时刻右前轮毂电机转矩Tm2ki大小,vi,3表示第i个个体第k时刻左后轮毂电机转矩Tm3ki大小,vi,4表示第i个个体第k时刻右后轮毂电机转矩Tm4ki大小,将当前优化代数设置为t=1;步骤303、计算V中的每个个体vi的适应度值大小,即第i个个体第k时刻汽车实施总效率ηki大小;步骤4、判断当前优化代数t是否等于Tmax,若为是则停止计算,取V中适应度值最大的个体,即第i个个体第k时刻实时总效率ηki最高的个体vi作为所求结果并根据对应的Tm1ki、Tm2ki、Tm3ki和Tm4ki控制所述左前轮毂电机、右前轮毂电机、左后轮毂电机和右后轮毂电机,然后根据以下公式计算四个电机的转矩之和Tmki,然后结束流程,如果tTmax,进入步骤5;Tmki=ψ1×Tm1ki+ψ2×Tm2ki+ψ3×Tm3ki+ψ4×Tm4ki;ψ1为第i个个体第k时刻左前轮毂电机的转矩分配系数, ψ2为第i个个体第k时刻右前轮毂电机的转矩分配系数, ψ3为第i个个体第k时刻左后轮毂电机的转矩分配系数, ψ4为第i个个体第k时刻右后轮毂电机的转矩分配系数, 步骤5、按照适应度值大小对个体进行排序;步骤6、定义最好的个体的选择概率为q,则排序后的第i个个体第k时刻的选择概率为: 其中,i=1,2,...,N,然后按照上述概率所决定的选中机会选择再生个体;步骤7、根据交叉率Pc到新的群体V2;步骤8、由V2按照变异率Pm根据基本的单点变异方法得到群体V3;步骤9、将群体V3作为新一代种群,用V3代替V,并令t=t+1,并返回步骤303。

全文数据:

权利要求:

百度查询: 常熟理工学院 一种顺序选择遗传算法的分布式驱动汽车能效优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。