基于神經(jīng)網(wǎng)絡(luò)的混合動(dòng)力汽車(chē)的能源控制策略

基于神經(jīng)網(wǎng)絡(luò)的混合動(dòng)力汽車(chē)的能源控制策略

發(fā)展混合動(dòng)力汽車(chē)是解決污染問(wèn)題的有效方法之一。然而，混合動(dòng)力汽車(chē)的動(dòng)力系統(tǒng)包含不同種類(lèi)的車(chē)載動(dòng)力能源，這些能源自身有不同的動(dòng)力學(xué)特性，因此需要采取一些策略以根據(jù)不同的特性來(lái)進(jìn)行動(dòng)力分配。

提出了一種新型實(shí)時(shí)能源控制策略，應(yīng)用于超級(jí)電容蓄電式混合動(dòng)力汽車(chē)。該策略將總動(dòng)力在車(chē)載動(dòng)力系統(tǒng)（即電池和超級(jí)電容）之間進(jìn)行分配，采用非線(xiàn)性汽車(chē)自回歸中樞神經(jīng)網(wǎng)絡(luò)作為一種時(shí)間預(yù)測(cè)模型，而采用離散小波變換作為一種時(shí)間濾波器。該策略的目的是延長(zhǎng)電池的使用壽命。傳統(tǒng)的連續(xù)時(shí)間模型，如采用自回歸式協(xié)調(diào)平均數(shù)法建立的連續(xù)時(shí)間模型是線(xiàn)性的。由于所有實(shí)際應(yīng)用的設(shè)備在使用過(guò)程中都遭受高頻變化和瞬態(tài)轉(zhuǎn)化的影響，這樣連續(xù)時(shí)間模型不能用線(xiàn)性模型建模，所以提出一種非線(xiàn)性連續(xù)時(shí)間模型來(lái)滿(mǎn)足建模要求。

進(jìn)行仿真時(shí)，輸入一個(gè)實(shí)際的動(dòng)力需求信號(hào)，通過(guò)非線(xiàn)性自回歸中樞神經(jīng)網(wǎng)絡(luò)法進(jìn)行建模和預(yù)測(cè)之后，采用離散小波變換對(duì)頻率段進(jìn)行分離。仿真結(jié)果表明，該策略能有效地保護(hù)電池，即當(dāng)電池不再遭受動(dòng)力需求中的高頻損害時(shí)，其壽命和性能都會(huì)提高。為了證明該策略的魯棒性，與自回歸式協(xié)調(diào)移動(dòng)平均數(shù)法模型進(jìn)行了對(duì)比。結(jié)果表明，非線(xiàn)性自回歸中樞神經(jīng)網(wǎng)絡(luò)法具有更快、更精確的特點(diǎn)。

未來(lái)的研究需要包括燃料電池，并且提升3種動(dòng)力源（電池、超級(jí)電容和燃料電池）之間的能源管理水平。同時(shí)，需要尋找比離散小波變換更好的方法，以實(shí)時(shí)獲得燃料電池合理的頻率段，因?yàn)殡x散小波變換只能在低頻變化下傳遞動(dòng)力。

刊名：Electric Power Systems Research（英）

刊期：2016年第136期

作者：Mona Ibrahim et al

編譯：馬曉宇