典型文献
基于速度预测与自适应差分进化算法的混合动力汽车能量管理策略
文献摘要：
为提高单行星排构型的混合动力汽车(hybrid electric vehicle,HEV)的燃油经济性,降低车辆燃油消耗量,提出了一种基于门控循环单元神经网络(gated recurrent unit neural network,GRU-NN)速度预测模型与自适应差分进化(adaptive differ-ential evolution,A-DE)算法的能量管理策略,在模型预测控制(model predictive control,MPC)框架下预测未来车辆的行车速度,将整个工况内的全局优化求解问题转化为在预测时域内的局部优化求解,以发动机燃油消耗量最低与行车过程电池荷电状态(state of charge,SOC)平衡为目标,利用A-DE算法实现预测域内的最优控制序列求解.仿真结果表明:在实车采集的道路工况下,基于GRU-NN与A-DE算法的能量管理策略相较于等效燃油消耗最小策略(equivalent consumption minimization strategy,ECMS)燃油消耗量减少了4.55％,相较于动态规划燃油经济性达到了93.04％.
文献关键词：
混合动力汽车;能量管理策略;自适应差分进化算法(A-DE);门控循环单元神经网络 (GRU-NN);速度预测
中图分类号：
作者姓名：
韦福敏;刘鑫;许恩永;吴雨轮
作者机构：
广西大学机械工程学院, 南宁530004;华中科技大学机械科学与工程学院,武汉430074;东风柳州汽车有限公司,柳州545005
文献出处：
引用格式：
[1]韦福敏;刘鑫;许恩永;吴雨轮-.基于速度预测与自适应差分进化算法的混合动力汽车能量管理策略)[J].科学技术与工程,2022(24):10726-10736
A类：
B类：
速度预测,自适应差分进化算法,混合动力汽车,汽车能量管理,能量管理策略,单行星排,hybrid,electric,vehicle,HEV,燃油经济性,燃油消耗量,门控循环单元神经网络,gated,recurrent,unit,neural,network,GRU,NN,adaptive,differ,ential,evolution,DE,模型预测控制,model,predictive,control,MPC,预测未来,来车,行车速度,全局优化,优化求解,问题转化,预测时域,局部优化,电池荷电状态,state,charge,SOC,算法实现,最优控制,控制序列,道路工况,等效燃油消耗最小策略,equivalent,consumption,minimization,strategy,ECMS,动态规划
AB值：
0.366058
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
