买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆交通大学

摘要：本发明提供的一种基于MPC和Q‑Learning算法的混合动力汽车分层控制方法，包括以下步骤：S1.采集行车队列参数以及行车队列中第i辆车的车辆参数；其中：行车队列参数包括第i辆车的前车位置信息和前车速度信息；第i辆车的车辆参数包括车速和加速度；S2.构建MPC预测控制模型，并根据行车队列参数和自身车辆参数确定出第i辆车的期望加速度；S3.根据第i辆车的期望加速度确定出第i辆车的期望速度；S4.构建Q‑Learning网络，将第i辆车的期望速度、需求功率以及电池电量状态输入Q‑Learning网络中进行处理，输出第i辆车的电机的最优转矩，并基于最优转矩控制混合动力汽车工作，能够有效提升混合动力汽车的燃油经济性。

主权项：1.一种基于MPC和Q-Learning算法的混合动力汽车分层控制方法，其特征在于：包括以下步骤：S1.采集行车队列参数以及行车队列中第i辆车的车辆参数；其中：行车队列参数包括第i辆车的前车位置信息和前车速度信息；第i辆车的车辆参数包括车速和加速度；S2.构建MPC预测控制模型，并根据行车队列参数和自身车辆参数确定出第i辆车的期望加速度；S3.根据第i辆车的期望加速度确定出第i辆车的期望速度；S4.构建Q-Learning网络，将第i辆车的期望速度、需求功率以及电池电量状态输入Q-Learning网络中进行处理，输出第i辆车的电机的最优转矩，并基于最优转矩控制混合动力汽车工作；步骤S2中具体包括：S21.构建第i辆车的状态变量x和动作变量u，其中：x＝[esevaivi]T，u＝ades，es为第i辆车与前车的车间距误差，ev为第i辆车与前车的速度误差，ai为第i辆车的加速度，vi为第i辆车的速度，ades为第i辆车的期望加速度；S22.根据步骤S21确定的状态变量和动作变量建立第i辆车的状态方程： 其中，A和B为系数矩阵，且： th为第i辆车与前车的车头时距，τ表示车辆动力部件的时间常数；S23.采用前向欧拉法对步骤S22中的状态方程进行离散处理，得到离散状态方程： 其中，k为当前采样时刻，k+1位下一采样时刻，Ts为采样周期； 令状态向量ξk|k＝[xk|kuk-1]T，将公式2转换为： 其中，Im为单位矩阵，m＝4,n＝1,且：uk+i＝uk+i-1+△uk；S24.基于公式3建立MPC预测输出状态方程：Yk＝Φξk|k+Θ△U4； △U＝[△uk△uk+1…△uk+Nc]T5其中：Nc为控制时域，Np为预测时域且Nc≤Np；S25.构建性能指标函数为： 其中，yrefk+i|k为k时刻的k+i步的参考输出，Q为误差加权矩阵，R为输入加权矩阵，ypk+i|k表示k时刻第k+i步的预测输出；将公式4代入至公式6中后化简得到： Hk＝ΘTQΘ+R,f＝ΘTQΦξk-Yrefk；S26.基于公式7构建如下方程： 采用MATLAB软件中的二次规划求解器对公式8进行求解，得到最优可行解： 其中，公式9中的各项即为第i辆车的各个时刻的期望加速度，并将其中第一项u*k输入至Q-Learning网络中。

全文数据：

权利要求：

百度查询： 重庆交通大学 基于MPC和Q-Learning算法的混合动力汽车分层控制方法