【作者】

陆宇航; 刘军恒; 包舒钺; 嵇乾

【单位】

江苏大学;

【摘要】

文章以一搭载功率分流混合动力系统的车辆模型为对象，基于控制器在环试验，以ARM cortex M7处理器为控制核心，以CAN总线经串口实现与Simulink内虚拟车辆模型通讯，验证了以LSTM神经网络为核心的能量管理策略在车载控制器上在线应用的能力。计算用时统计结果表明，三种LSTM层规模的能量管理策略均能达到实时性要求。此外还计算了多组算例，考察了LSTM层规模、训练迭代次数、初始ηbat以及训练集对于能量管理策略控制效果的影响。随后分析了发动机、电机及整车的平均工作效率和燃油消耗率。主要结论有：LSTM神经网络模型对于训练集的驾驶循环类型是不敏感的；最佳的训练量为单个驾驶循环最优能量管理方案的300至500次迭代；过低的迭代次数会导致神经网络模型对于SOC的稳定能力下降；同一模型在不同测试驾驶循环下对于各部件的效率安排是相似的；相对最优的LSTM层规模和训练迭代次数分别为128层与500次，使用这种配置的模型与其他配置相比有3%~10%不等的燃油经济性优势。

【关键词】

混合动力系统;能量管理策略;循环神经网络;长短期记忆神经网络;硬件在环

【论文集名称】

混合动力及先进汽油机

【会议名称】

2023交通能源与智能动力大会

【会议时间】

2023-11-10至2023-11-12

【会议地点】

天津

【下载次数】

3

返回