基于粒子群优化支持向量机算法的行驶工况识别及应用

• 作者: 仇多洋 刘炳姣 吴冰 李一鸣 石琴
• 来源期刊: 中国机械工程
• 学科: 交通运输
• 关键词: 行驶工况识别 粒子群优化 支持向量机(SVM) 插电式混合动力汽车
• 年，卷（期）: 2018,（15）
• 所属期刊栏目: 智能感知
• 页码范围: 1875-1883
• 页数: 9页
• 分类号: U467
• 字数: 7322字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2018.15.016

摘要

实车采集4种典型行驶工况数据,采用随机数法提取并扩充行驶工况识别训练及测试样本,利用多元统计理论对数据进行处理,基于粒子群优化的支持向量机(PSO-SVM)算法来进行行驶工况识别,分析了识别周期及更新周期对行驶工况在线识别精度的影响.将行驶工况识别技术应用在插电式混合动力汽车的能量管理策略中.仿真结果表明,相对于未采用行驶工况识别技术以及采用传统SVM算法进行工况识别的能量管理策略,基于PSO-SVM算法工况识别的能量管理策略使整车燃油经济性分别提高9.836％和4.348％,并且电池荷电状态(SOC)变化相对平稳,有利于提高系统效率和延长电池寿命.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	石琴	合肥工业大学汽车与交通工程学院	95	1950	25.0	40.0
2	仇多洋	合肥工业大学汽车与交通工程学院	7	93	4.0	7.0
3	吴冰	合肥工业大学汽车与交通工程学院	7	57	4.0	7.0
4	刘炳姣	合肥工业大学汽车与交通工程学院	3	22	2.0	3.0
5	李一鸣	合肥工业大学汽车与交通工程学院	3	27	3.0	3.0