基于马尔可夫链的汽车行驶工况预测

城市道路中汽车的行驶工况复杂多变。本文首先基于统计学方法探究不同地理特征对车辆速度行为的影响规律,建立不同地理特征的车辆行为数据库,详细阐述了试验数据的处理与转移概率矩阵的求解。在此基础上,利用马尔可夫链对未来行驶路线已知的汽车行驶工况进行预测。最后,以实测数据对工况的预测精度进行分析和验证,验证结果表明特征参数中平均速度的相对误差最小仅1.1%,匀速时间比的相对误差最大为14.7%,此预测方法可行。

基于流挖掘HEV复合电源能量管理策略研究

以蓄电池-超级电容混合动力电动汽车(HEV)复合电源系统为研究对象,针对传统马尔可夫模型的状态转移矩阵难以根据行驶工况实时在线更新的问题,提出一种基于流挖掘技术的实时行驶工况预测方法,实现能量管理策略的实时更新与优化。该策略根据车辆行驶工况对应的速度和功率需求进行状态划分,采用流挖掘技术及马尔可夫模型建立动态转移概率矩阵,进行动力电池和超级电容间功率分配的自适应调节。不同控制策略的仿真结果表明,所提出的算法能根据工况的预测结果实时优化能量源的功率分配,延长蓄电池使用寿命,节省临时记录的存储空间,降低对车载硬件的要求。