用于公交车辆行驶油耗优化的工况预测模型及其自学习策略

《用于公交车辆行驶油耗优化的工况预测模型及其自学习策略》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、天津大学博士学位论文用于公交车辆行驶油耗优化的工况预测模型及其自学习策略DrivingCyclePredictiveModelwithSelf-learningStrategyforBusFuelConsumptionOptimization一级学科：动力工程及工程热物理学科专业：动力机械及工程作者姓名：黄登高指导教师：赵华教授天津大学机械工程学院二零一七年五月万方数据2万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论

2、文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解

3、密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日万方数据4万方数据中文摘要车辆行驶工况对其油耗有重要影响。车辆控制策略常基于标准工况进行匹配标定，然标准工况和实际工况的差异易导致车辆实际行驶油耗偏高。为此，本研究拟发展一种基于线路特征的公交线路工况预测模型及其自学习策略，利用与实际工况更相似的预测工况优化车辆控制策略，以实现公交车辆节油自趋优运行。首先，利用车载数据采集系统，对6辆公交客车在2条典型公交线路上进行长达1年的实际运行数据采集。采集数据系统地覆盖了典型地

4、域类型、运行季节和时段、车辆载荷、司机熟练程度和气候等工况影响因素。为合理评价预测工况与实际行驶工况的相似程度，提出了基于速度和加速度分布秩相关的工况相似度概念。工况相似度与油耗相关性的研究表明：工况相似度可以有效表征公交车辆因工况差异引起油耗偏差的程度。其次，系统研究了公交线路的站间密度、红绿灯密度、弯道密度、平均坡度和线路类型等公交线路特征对行驶工况的影响规律，采用多元线性回归方程建立了用于预测站间平均车速、站间最高车速、站间公里停车次数和工况激进程度等工况特征参数的站间工况特征模型。采用工况

5、特征参数对车辆运动学片段进行分类，统计建立不同运动学片段类型下基于速度加速度转移概率矩阵的站间工况类型库。采用马尔科夫链迭代算法，建立了基于站间工况特征模型和站间工况类型库的线路工况预测模型。采用503线路运行工况数据标定工况预测模型，并应用该模型对516线路典型工况进行预测，结果表明预测工况与实际工况的相似度达78.69%。再次，为提高工况预测模型的预测精度，提出基于在线运行数据的工况预测模型自学习策略，即：采用最小二乘法对站间工况特征模型的回归方程系数进行周期性更新，并采用遗忘因子法对站间工况

6、类型库中速度加速度转移概率矩阵的学习速率进行动态修正。结果表明，利用1400趟运行数据建立的工况预测模型，再通过180趟数据的自学习，可将工况相似度从78.69%提高到85.6%。最后，针对插电式混合动力公交运行线路的全局能量规划问题，建立基于油电等效系数的全局能量规划模型，提出了基于工况预测模型自学习的混合动力全局能量规划策略。在仿真平台上，采用516线路400圈实际运行车速曲线对该策略进行验证，结果表明：基于该策略优化的车辆前300圈油耗和电耗分别降低1.03%和61.44%，节油概率为63%

7、；激活自学习策略继续运行100圈之后，油耗和电耗分别降低2.25%和54%，节油概率提高到73%。万方数据综上所述，本研究提出了基于线路特征的工况预测模型及自学习策略，可使公交车辆具有节油自趋优能力。关键词：工况预测、自学习、行驶节油、公交、混合动力II万方数据ABSTRACTThedrivingcyclehasanimportantimpactonthevehiclefuelconsumption.Theexistingcontrolstrategy,off-linecalibratedbase

8、donstandarddrivingcycles,usuallyleadstohigherfuelconsumptionsinthereal-worldoperation.Inordertooptimizethefuelconsumptionofcitybuses,apredictivemodelforbusroutedrivingcycleisproposedinthisstudy,basedongeographicalfeaturesandself-learningoptimi