日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機(jī)站
  • 小程序

    汽車(chē)測(cè)試網(wǎng)

  • 公眾號(hào)

    • 汽車(chē)測(cè)試網(wǎng)

    • 在線課堂

    • 電車(chē)測(cè)試

淺析丨基于優(yōu)化算法的能量管理控制策略（二）

2018-11-02 21:45:29·  來(lái)源：中國(guó)汽研新能源汽車(chē)測(cè)試評(píng)價(jià)  作者：中國(guó)汽研  
　
做新能源汽車(chē)相關(guān)研究，能量管理控制策略是一個(gè)繞不開(kāi)的話題，特別是基于優(yōu)化算法的能量管理控制策略。1. 基于優(yōu)化算法的能量管理控制策略概述優(yōu)化算法可分為全
做新能源汽車(chē)相關(guān)研究，能量管理控制策略是一個(gè)繞不開(kāi)的話題，特別是基于優(yōu)化算法的能量管理控制策略。
 
1. 基于優(yōu)化算法的能量管理控制策略概述
優(yōu)化算法可分為全局優(yōu)化和實(shí)時(shí)優(yōu)化，受算法本身的限制以及采樣時(shí)間、模型精度、參數(shù)定義等因素的影響，目前這種區(qū)分尚不明顯。目前主要的優(yōu)化算法包括下列11種，上期介紹前5種，本期介紹后6種：
  • 動(dòng)態(tài)規(guī)劃（Dynamic Programming，DP）
  • 等效燃油消耗最小策略（Equivalent Consumption Minimization Strategy，ECMS）
  • 模型預(yù)測(cè)控制（Model Predictive Control，MPC）
  • 神經(jīng)網(wǎng)絡(luò)算法（NeuralNetworks，NN）
  • 滑模控制（Sliding ModeControl，SMC）
  • 無(wú)導(dǎo)數(shù)優(yōu)化算法——模擬退火（Simulated Annealing，SA）
  • 無(wú)導(dǎo)數(shù)優(yōu)化算法——遺傳算法（Genetic Algorithm，GA）
  • 無(wú)導(dǎo)數(shù)優(yōu)化算法——粒子群算法（Particle Swarm Optimization，PSO）
  • 無(wú)導(dǎo)數(shù)優(yōu)化算法——DIRECT算法
  • 博弈論（Game Theory，GT）
  • 凸規(guī)劃（Convex Programming，CP）
2. 無(wú)導(dǎo)數(shù)優(yōu)化算法——模擬退火
模擬退火是一種受金屬退火過(guò)程啟發(fā)的方法，該方法通過(guò)隨機(jī)搜索，顯示目標(biāo)函數(shù)優(yōu)化的可能最優(yōu)解的同時(shí)保留了符合標(biāo)準(zhǔn)定義的次優(yōu)解，這樣可以防止算法陷入局部極小值，并增強(qiáng)其向全局最優(yōu)的演化。模擬退火算法相對(duì)容易實(shí)現(xiàn)，計(jì)算結(jié)果較好，計(jì)算量小，這使得它可以實(shí)時(shí)應(yīng)用。由于模擬退火是為解決組合問(wèn)題而開(kāi)發(fā)的，因而在有限仿真時(shí)間內(nèi)與動(dòng)態(tài)規(guī)劃算法相比是有競(jìng)爭(zhēng)力的，同時(shí)也很容易擴(kuò)展到連續(xù)優(yōu)化問(wèn)題。
 
3. 無(wú)導(dǎo)數(shù)優(yōu)化算法——遺傳算法
 
遺傳算法是受自然選擇和遺傳進(jìn)化啟發(fā)的隨機(jī)方法，也是進(jìn)化算法的一個(gè)特例。它由三個(gè)階段組成：復(fù)制，交叉信息和變異。在處理復(fù)雜問(wèn)題時(shí)，該算法具有良好的性能。此外，遺傳算法只會(huì)保存當(dāng)前狀態(tài)和最后種群，需要內(nèi)存資源較少。與其他優(yōu)化策略相比，遺傳算法的主要優(yōu)勢(shì)之一是不同代理之間的并行性檢測(cè)能力，有利于計(jì)算帕累托解。遺傳算法包含精英主義，以確保最優(yōu)解被傳遞到下一個(gè)迭代步驟而不發(fā)生重大變化。
 
4. 無(wú)導(dǎo)數(shù)優(yōu)化算法——粒子群算法
 
粒子群算法來(lái)自群體中社會(huì)有機(jī)體的行為，例如蜂群、蟻群和鳥(niǎo)群這些群體在成員之間共享信息。粒子群優(yōu)化由于解的種群特征與遺傳算法中的交叉機(jī)制類(lèi)似，因而被認(rèn)為是進(jìn)化算法的一個(gè)特例。該算法填充粒子狀態(tài)、位置和速度。粒子之間可以互相交換信息，并可以存儲(chǔ)他們最后的最佳位置和組群的最優(yōu)解，以改善下一種群。粒子群優(yōu)化對(duì)復(fù)雜的目標(biāo)函數(shù)具有魯棒性，只需要每個(gè)粒子的兩個(gè)變量（即位置和速度）進(jìn)行迭代。與其他啟發(fā)式優(yōu)化算法相比，少量的調(diào)諧參數(shù)有助于其實(shí)現(xiàn)并降低其對(duì)初始解的敏感性。
 
5. 無(wú)導(dǎo)數(shù)優(yōu)化算法——DIRECT算法
 
DIRECT是一種抽樣無(wú)導(dǎo)數(shù)方法，將搜索空間縮放到具有立方體形狀的固定區(qū)域中，并在每個(gè)區(qū)域的中心點(diǎn)搜索最優(yōu)解。最優(yōu)解需要按照每個(gè)立方分區(qū)的最長(zhǎng)坐標(biāo)方向重新采樣和確認(rèn)。直到達(dá)到終止條件該算法完成，可以用解的精確度和迭代次數(shù)來(lái)表示。結(jié)果的適用性通過(guò)成本函數(shù)進(jìn)行評(píng)估。圖1說(shuō)明了DIRECT方法的三次迭代。與其他元啟發(fā)式優(yōu)化算法相比，DIRECT方法相對(duì)簡(jiǎn)單，既不需要調(diào)整參數(shù)，也可以處理等式和不等式約束。此外，它在非線性和干擾的情況下具有魯棒性。
圖1DIRECT方法的三次迭代的表示
 
6. 博弈論
 
博弈論處理決策者（也稱(chēng)為玩家）之間的互動(dòng)。根據(jù)玩家與其他玩家的行為，游戲可以分為兩組。一方面，游戲是“非合作”，玩家采取個(gè)人行動(dòng)，以最大限度地提高自己的回報(bào)。另一方面，游戲是“合作”，當(dāng)采取行動(dòng)時(shí)最大限度地實(shí)現(xiàn)群體目標(biāo)。非合作博弈的一個(gè)例子是駕駛員和傳動(dòng)系統(tǒng)之間的互動(dòng)，可以理解為沖突目標(biāo)之間的競(jìng)爭(zhēng)，駕駛員期望性能和燃料經(jīng)濟(jì)性。發(fā)動(dòng)機(jī)和電動(dòng)機(jī)合作，旨在最大限度地提高他們的綜合性能和節(jié)省燃料，為一個(gè)合作博弈。能量管理中最常見(jiàn)的是雙人非合作博弈。駕駛員的意圖是獲得期望的車(chē)輛性能，這導(dǎo)致低效的工作條件，而動(dòng)力總成本身有油耗優(yōu)化的目標(biāo)。該應(yīng)用突出了博弈論的一個(gè)主要優(yōu)點(diǎn)，即將駕駛員視為控制策略的一部分，預(yù)計(jì)駕駛風(fēng)格與燃料消耗。

7. 凸規(guī)劃
 
由于車(chē)輛模型的復(fù)雜性，上述能量管理策略必須處理數(shù)學(xué)困難，例如非線性、各種約束和計(jì)算負(fù)擔(dān)。一些文獻(xiàn)還探討了簡(jiǎn)化能量管理策略實(shí)施的簡(jiǎn)化技術(shù)，包括線性化，二次規(guī)劃，凸規(guī)劃和解析方程推導(dǎo)。這些公式適用于強(qiáng)大求解器，可以在較短的時(shí)間內(nèi)獲得最優(yōu)解，并有可能提高魯棒性。但解的質(zhì)量受到簡(jiǎn)化后模型保真度下降的影響，從而得到近似最優(yōu)解。
凸規(guī)劃是線性規(guī)劃和二次規(guī)劃的推廣。只有在問(wèn)題可以嚴(yán)格表示為凸項(xiàng)時(shí)，該算法才可適用，需要將成本函數(shù)和不等式約束以凸函數(shù)形式表示。車(chē)輛模型需要簡(jiǎn)化以符合凸性要求：
（1）消除整數(shù)決策：發(fā)動(dòng)機(jī)開(kāi)關(guān)，換擋等;
（2）如果平等約束不是仿射的，平等約束必須放寬;
（3）使用新變量來(lái)保持凸面性，如電池能量而不是SOC;
（4）離散時(shí)間的問(wèn)題編碼。
 
8. 小結(jié)和展望
 
這兩期我們介紹了當(dāng)前11種基于優(yōu)化算法的能量管理控制策略。多數(shù)優(yōu)化目的也是想將更多的工況信息能夠?qū)崟r(shí)運(yùn)用到能量管理控制策略中。隨著智能手機(jī)日益普及使用GPS、無(wú)線連接，可以更便捷地通過(guò)網(wǎng)絡(luò)可獲取實(shí)時(shí)交通環(huán)境，將這些獲取的信息與模型預(yù)測(cè)控制相結(jié)合，吸收實(shí)時(shí)交通信息，從而使能量管理策略更加優(yōu)化。那么能量管理策略與智能交通系統(tǒng)可以有怎樣的結(jié)合呢？請(qǐng)關(guān)注后續(xù)文章的介紹：
■ 能量管理控制策略與智能交通系統(tǒng)的結(jié)合
■ 測(cè)試評(píng)價(jià)過(guò)程針對(duì)能量管理控制策略的研究
■ 能量管理控制策略未來(lái)發(fā)展趨勢(shì)分析 
分享到：
 
反對(duì) 0 舉報(bào) 0 收藏 0 評(píng)論 0
滬ICP備11026917號(hào)-25