[发明专利]一种基于工况重构的车辆行驶能耗预测方法

权利要求书

1.一种基于工况重构的车辆行驶能耗预测方法，其特征在于，包括以下步骤，

S1、对车辆历史工况数据进行特征参数提取和聚类分析，建立工况特征参数数据库，并选出典型工况片段；

S2、采集车辆工况数据，构建工况特征数据与道路和交通特征参数之间的映射关系，建立基于道路和交通特征的车辆工况特征参数的预测模型；

S3、根据规划的行车路线获取道路和交通的量化特征参数，利用所述预测模型进行道路和交通工况特征参数预测；

S4、将预测得到的车辆工况特征参数与数据库进行比较，确定未来行驶路线的工况，并用典型工况曲线重构未来行驶路线的车速-时间曲线；

S5、根据车速-时间曲线估计未来行驶路程所需的能量。

2.根据权利要求1所述的车辆行驶能耗预测方法，其特征在于，步骤S1中对车辆历史工况数据进行特征参数提取之前还包括，对所述车辆历史工况数据进行汽车行驶片段划分，将片段时间长度划分为100-200s。

3.根据权利要求1所述的车辆行驶能耗预测方法，其特征在于，步骤S1中提取的特征参数为相对正加速度、振荡次数/100m、加速时间比、减速时间比和时速低于15km/h的时间比。

4.根据权利要求3所述的车辆行驶能耗预测方法，其特征在于，步骤S1中所述聚类分析和所述建立工况特征参数数据库具体为，采用高斯混合模型的最大期望聚类分析方法对提取的特征参数进行聚类分析并建立数据库；所述数据库包括四类典型工况，分别为拥堵工况、城市工况、郊区工况和高速工况。

5.根据权利要求4所述的车辆行驶能耗预测方法，其特征在于，步骤S1中所述典型工况片段为最靠近高斯分布的中心的片段。

6.根据权利要求1所述的车辆行驶能耗预测方法，其特征在于，步骤S2中道路和交通特征参数包括道路类型、位置信息和交通状态，其中道路类型包括高速道路、城市道路和郊区道路，位置信息为GPS/GIS提供的经纬坐标，交通状态包括畅通、轻度拥堵、中度拥堵、严重拥堵四种状态，与所述道路类型共同表示交通量化状态。

7.根据权利要求1所述的车辆行驶能耗预测方法，其特征在于，所述预测模型为GA-BP神经网络预测模型。

8.根据权利要求1所述的车辆行驶能耗预测方法，其特征在于，步骤S3中所述根据规划的行车路线获取道路和交通的量化特征参数具体为，在车辆出发前选择行车路线，通过云服务端GIS/ITS模块来计算其所选择路线上的道路信息和交通信息，将所述道路信息和所述交通信息传输给所述预测模型。

9.根据权利要求4所述的车辆行驶能耗预测方法，其特征在于，步骤S4中所述确定未来行驶路线的工况具体为，

S41、将4种典型工况的特征参数表达成一个矩阵；

S42、采用最值归一化方法对S1中提取的车辆工况特征参数进行去量纲处理；

S43、基于预测得到的车辆工况特征参数进行工况模糊识别时，根据不同特征量对工况应用指标影响程度的不同，以减少汽车能耗为目标对5个所述车辆工况特征参数设定权重系数；

S44、将待识别对象以矢量形式表示，识别原则采用遵循择近原则的间接法，贴进度采用距离贴近度，根据距离的最小值，即可确定待识别对象的工况类型。

10.根据权利要求4所述的车辆行驶能耗预测方法，其特征在于，步骤S5中所述车速-时间曲线为采用典型工况类型序列重新构建的车速时间序列，具体为，车辆在行驶过程中，利用式(1)和(2)对车辆行驶能量消耗进行计算，得到预测能量消耗

其中，P_d为驱动需求功率；E为行车能量消耗；g为重力加速度；M为整车质量；u_a为车速；a为道路坡度；C_d空气阻力系数；A为车辆迎风面积；f为滚动阻力系数；δ为旋转惯量系数，du/dt为直线加速度，η_T为传动系的机械效率，根据预测的工况类型采用相应的η_T。