【技術實現(xiàn)步驟摘要】
本申請涉及車輛熱管理，尤其涉及一種車輛熱管理控制方法、裝置、車輛、電子設備及存儲介質。
技術介紹
1、近年來，以純電動汽車為首的新能源汽車行業(yè)正在急速發(fā)展，新能源汽車取代燃油車將成為必然趨勢。然而，傳統(tǒng)汽車的熱管理系統(tǒng)并不適用于新能源汽車，新能源汽車熱管理系統(tǒng)包括乘員艙、電池、電機、電控等多個系統(tǒng)，并且多系統(tǒng)之間相互影響，對控制策略提出了更高的要求。并且，電動汽車在低溫下的續(xù)航里程問題也對整車熱管理系統(tǒng)提出了更嚴峻的挑戰(zhàn)。
2、熱管理系統(tǒng)主要依靠水泵、風扇、壓縮機、閥體等執(zhí)行部件的協(xié)同動作，控制三電系統(tǒng)溫度、駕駛艙溫度和系統(tǒng)能耗等參數(shù)，這是一個復雜的多輸入-多輸出問題。目前，常用的控制方法包括開關控制和比例-積分-微分控制(proportional-integral-derivative，pid)。開關控制原理簡單，通過比較當前時刻的輸入值和設定值，控制執(zhí)行部件的啟停，主要應用于風扇、閥體等部件，但是頻繁啟停會影響零部件壽命和行車安全；相比之下，pid控制能提供更加精確的控制，依據(jù)實際輸出值與設定目標值的差異自動調節(jié)冷卻部件的輸出轉速，有效降低系統(tǒng)能耗，但存在對工況變化的響應不及時的問題；綜合pid反饋控制和前饋控制方法可以改善冷卻系統(tǒng)的控制，但是系統(tǒng)響應性速度仍存在缺陷，需要考慮更加智能化的預測控制。
3、車輛熱管理系統(tǒng)的運行受外部環(huán)境、車輛性能以及行駛狀態(tài)等多種因素的影響，具有瞬時性和動態(tài)變化的特性。特別是在溫度和工況變化幅度較大的情況下，當前的控制方式存在一些問題，例如，反應滯后、溫度超調及能耗過高
4、例如，cn117673580b公開了一種用于新能源電池的溫度控制設備，涉及電池組管理
，其中該設備包括數(shù)據(jù)采集器和控制器；數(shù)據(jù)采集器用于針對新能源電池包中的各個電池單元，采集電池單元的運行工況數(shù)據(jù)，并結合各多個歷史運行工況數(shù)據(jù)組成電池工況時序數(shù)據(jù)，根據(jù)電池工況時序數(shù)據(jù)和電池單元的空間位置數(shù)據(jù)，構建對應電池單元的輸入數(shù)據(jù)；基于各個電池單元所對應的輸入數(shù)據(jù)，組建輸入數(shù)據(jù)序列；控制器用于利用時空循環(huán)神經(jīng)網(wǎng)絡各個預測電池單元對應未來時間段的熱管理風險概率，并根據(jù)熱管理風險概率確定相應的溫度調控策略。該方案基于時空循環(huán)神經(jīng)網(wǎng)絡的預測結果確定溫度調整方向，從而根據(jù)遺傳算法確定參數(shù)調整幅值，依舊存在反應滯后的問題，從而導致溫度超調，能耗過高。
技術實現(xiàn)思路
1、本專利技術提供一種車輛熱管理控制方法、裝置、車輛、電子設備及存儲介質，以解決上述熱管理系統(tǒng)的控制存在反應滯后、溫度超調及能耗過高的技術問題。
2、于本申請一實施例中，本申請?zhí)峁┮环N車輛熱管理控制方法，包括：獲取車輛熱管理系統(tǒng)的當前監(jiān)測數(shù)據(jù)和理想控制數(shù)據(jù)，所述當前監(jiān)測數(shù)據(jù)包括當前控制數(shù)據(jù)和當前狀態(tài)數(shù)據(jù)；將所述當前監(jiān)測數(shù)據(jù)輸入熱管理預測模型進行預測，得到預測控制數(shù)據(jù)；根據(jù)所述預測控制數(shù)據(jù)、所述理想控制數(shù)據(jù)和所述當前控制數(shù)據(jù)確定實際控制數(shù)據(jù)，以對所述車輛熱管理系統(tǒng)進行控制；其中，所述熱管理預測模型基于歷史監(jiān)測數(shù)據(jù)和遺傳算法對長短期記憶網(wǎng)絡訓練得到，所述車輛熱管理系統(tǒng)包括乘員艙熱管理系統(tǒng)、電驅熱管理系統(tǒng)和電池熱管理系統(tǒng)至少之一。
3、于本申請一實施例中，將所述當前監(jiān)測數(shù)據(jù)輸入熱管理預測模型進行預測之前，所述方法還包括：獲取所述車輛熱管理系統(tǒng)的歷史監(jiān)測數(shù)據(jù)；對所述歷史監(jiān)測數(shù)據(jù)進行聚類分析，得到聚類監(jiān)測數(shù)據(jù)；根據(jù)所述聚類監(jiān)測數(shù)據(jù)和預設熱管理系統(tǒng)約束關系生成初始種群，所述初始種群用于表征所述長短期記憶網(wǎng)絡中不同的網(wǎng)絡配置；根據(jù)所述初始種群和所述歷史監(jiān)測數(shù)據(jù)對所述長短期記憶網(wǎng)絡進行迭代訓練，得到熱管理預測模型。
4、于本申請一實施例中，根據(jù)所述聚類監(jiān)測數(shù)據(jù)和預設熱管理系統(tǒng)約束關系生成初始種群，包括：根據(jù)所述聚類監(jiān)測數(shù)據(jù)和預設熱管理系統(tǒng)約束關系隨機生成初始監(jiān)測數(shù)據(jù)；根據(jù)蟻群算法對所述初始監(jiān)測數(shù)據(jù)的關系求解，得到一組隨機解；將所述一組隨機解轉化為遺傳算法對應的初始種群。
5、于本申請一實施例中，根據(jù)所述初始種群和所述歷史監(jiān)測數(shù)據(jù)對所述長短期記憶網(wǎng)絡進行迭代訓練，得到熱管理預測模型，包括：根據(jù)預設比例將所述歷史監(jiān)測數(shù)據(jù)劃分為訓練集數(shù)據(jù)和測試集數(shù)據(jù)；將所述訓練集數(shù)據(jù)輸入所述初始種群中每一初始個體對應的長短期記憶網(wǎng)絡進行網(wǎng)絡訓練，得到每一初始個體的訓練損失函數(shù)值和網(wǎng)絡參數(shù)；將最優(yōu)個體和最優(yōu)參數(shù)對應的長短期記憶網(wǎng)絡確定為初始預測模型，并根據(jù)測試集數(shù)據(jù)對所述初始預測模型進行驗證，得到驗證損失函數(shù)值，所述最優(yōu)個體基于最小訓練損失函數(shù)值對應的初始個體得到，所述最優(yōu)參數(shù)用于表征所述最優(yōu)個體對應的網(wǎng)絡參數(shù)；若遺傳迭代滿足預設迭代條件，則將所有遺傳迭代中最小驗證損失函數(shù)值對應的初始預測模型作為熱管理預測模型；若遺傳迭代不滿足預設迭代條件，則根據(jù)所有訓練損失函數(shù)值的排序對各所述初始個體進行選擇、交叉和變異，得到下一代種群，將所述下一代種群作為初始種群，并將所述初始預測模型作為長短期記憶網(wǎng)絡，重復執(zhí)行將所述訓練集數(shù)據(jù)輸入所述初始種群中每一初始個體對應的長短期記憶網(wǎng)絡進行網(wǎng)絡訓練，得到每一初始個體的訓練損失函數(shù)值和網(wǎng)絡參數(shù)，將最優(yōu)個體和最優(yōu)參數(shù)對應的長短期記憶網(wǎng)絡確定為初始預測模型，并根據(jù)測試集數(shù)據(jù)對所述初始預測模型進行驗證，得到驗證損失函數(shù)值，若遺傳迭代不滿足預設迭代條件，則根據(jù)所有訓練損失函數(shù)值的排序對各所述初始個體進行選擇、交叉和變異，得到下一代種群，將所述下一代種群作為初始種群，并將所述初始預測模型作為長短期記憶網(wǎng)絡的步驟，直至遺傳迭代滿足預設迭代條件，并將所有遺傳迭代中最小驗證損失函數(shù)值對應的初始預測模型作為熱管理預測模型。
6、于本申請一實施例中，將所述訓練集數(shù)據(jù)輸入一初始個體對應的長短期記憶網(wǎng)絡進行網(wǎng)絡訓練，得到一初始個體的訓練損失函數(shù)值和網(wǎng)絡參數(shù)，包括：將所述訓練集數(shù)據(jù)分批次輸入一初始個體對應的長短期記憶網(wǎng)絡進行網(wǎng)絡訓練，得到滿足預設訓練條件的網(wǎng)絡參數(shù)和預測集數(shù)據(jù)；將所述訓練集數(shù)據(jù)和所述預測集數(shù)據(jù)間的均方誤差作為一初始個體的訓練損失函數(shù)值。
7、于本申請一實施例中，根據(jù)所述預測控制數(shù)據(jù)、所述理想控制數(shù)據(jù)和所述當前控制數(shù)據(jù)確定實際控制數(shù)據(jù)，包括：根據(jù)所述預測控制數(shù)據(jù)和所述當前控制數(shù)據(jù)的第一差值對所述預測控制數(shù)據(jù)進行校正，得到校正控制數(shù)據(jù)；根據(jù)所述校正控制數(shù)據(jù)和所述理想控制數(shù)據(jù)的第二差值確定實際控制數(shù)據(jù)。
8、于本申請一實施例中，所述預測控制數(shù)據(jù)包括所述電驅熱管理對應的預測電機溫度集、所述電池熱管理對應的預測電池溫度、所述乘員艙熱管理對應的預測乘員艙溫度和預測風量至少之一。
9、于本申請一實施例中，本申請?zhí)峁┮环N車輛熱管理控制裝置，包括：數(shù)據(jù)獲取模塊，用于獲取車輛熱管理系統(tǒng)的當前監(jiān)測數(shù)據(jù)和理想控制數(shù)據(jù)，所述當前監(jiān)測數(shù)據(jù)包括當前控制數(shù)據(jù)和當前狀態(tài)數(shù)據(jù)；控制預測模塊，用于將所述當前監(jiān)測數(shù)據(jù)輸入熱管理預測模型進行預測，得到預測控制數(shù)據(jù)；控制調整模塊，用于根據(jù)所述預測控制數(shù)據(jù)、所述理想控制數(shù)據(jù)和所述當前控制數(shù)據(jù)確定實際控制數(shù)據(jù)，以對所述車輛熱管理系統(tǒng)進行控制；其中，本文檔來自技高網(wǎng)...
【技術保護點】
1.一種車輛熱管理控制方法，其特征在于，所述方法包括：
2.根據(jù)權利要求1所述的車輛熱管理控制方法，其特征在于，將所述當前監(jiān)測數(shù)據(jù)輸入熱管理預測模型進行預測之前，所述方法還包括：
3.根據(jù)權利要求2所述的車輛熱管理控制方法，其特征在于，根據(jù)所述聚類監(jiān)測數(shù)據(jù)和預設熱管理系統(tǒng)約束關系生成初始種群，包括：
4.根據(jù)權利要求2所述的車輛熱管理控制方法，其特征在于，根據(jù)所述初始種群和所述歷史監(jiān)測數(shù)據(jù)對所述長短期記憶網(wǎng)絡進行迭代訓練，得到熱管理預測模型，包括：
5.根據(jù)權利要求4所述的車輛熱管理控制方法，其特征在于，將所述訓練集數(shù)據(jù)輸入一初始個體對應的長短期記憶網(wǎng)絡進行網(wǎng)絡訓練，得到一初始個體的訓練損失函數(shù)值和網(wǎng)絡參數(shù)，包括：
6.根據(jù)權利要求1-5任一項所述的車輛熱管理控制方法，其特征在于，根據(jù)所述預測控制數(shù)據(jù)、所述理想控制數(shù)據(jù)和所述當前控制數(shù)據(jù)確定實際控制數(shù)據(jù)，包括：
7.根據(jù)權利要求1-5任一項所述的車輛熱管理控制方法，其特征在于，所述預測控制數(shù)據(jù)包括所述電驅熱管理對應的預測電機溫度集、所述電池熱管理對應的預測電池
8.一種車輛熱管理控制裝置，其特征在于，所述裝置包括：
9.一種車輛，其特征在于，所述車輛包括：如權利要求8所述的車輛熱管理控制裝置。
10.一種電子設備，其特征在于，所述電子設備包括：
11.一種計算機可讀存儲介質，其特征在于，其上存儲有計算機程序，當所述計算機程序被計算機的處理器執(zhí)行時，使計算機執(zhí)行權利要求1至7中任一項所述的車輛熱管理控制方法。
...【技術特征摘要】
1.一種車輛熱管理控制方法，其特征在于，所述方法包括：
2.根據(jù)權利要求1所述的車輛熱管理控制方法，其特征在于，將所述當前監(jiān)測數(shù)據(jù)輸入熱管理預測模型進行預測之前，所述方法還包括：
3.根據(jù)權利要求2所述的車輛熱管理控制方法，其特征在于，根據(jù)所述聚類監(jiān)測數(shù)據(jù)和預設熱管理系統(tǒng)約束關系生成初始種群，包括：
4.根據(jù)權利要求2所述的車輛熱管理控制方法，其特征在于，根據(jù)所述初始種群和所述歷史監(jiān)測數(shù)據(jù)對所述長短期記憶網(wǎng)絡進行迭代訓練，得到熱管理預測模型，包括：
5.根據(jù)權利要求4所述的車輛熱管理控制方法，其特征在于，將所述訓練集數(shù)據(jù)輸入一初始個體對應的長短期記憶網(wǎng)絡進行網(wǎng)絡訓練，得到一初始個體的訓練損失函數(shù)值和網(wǎng)絡參數(shù)，包括：
6.根據(jù)權利要求1-5任一項所述的車輛熱管理控...
【專利技術屬性】
技術研發(fā)人員：梁曉艷，廖嬌，鐘川，
申請(專利權)人：深藍汽車科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。