一种适用于换挡规律多性能综合优化的驾驶意图识别方法与流程

技术特征：

1.一种适用于换挡规律多性能综合优化的驾驶意图识别方法，其特征是，包括以下步骤：

采用动力性期望模糊推理器和经济性期望模糊推理器分别对驾驶员的动力性期望和经济性期望进行量化，并在对驾驶员的动力性期望和经济性期望进行量化的基础上确定排放性能期望；针对动力性期望和经济性期望模糊推理器的构造，分别确定模糊推理器的输入参数和模糊推理器的输出参数，然后确定各输入、输出参数的隶属函数，最后建立经济性期望模糊推理规则库、动力性期望模糊推理规则库；以各性能期望量化值为加权系数，构造作为换挡规律多性能指标综合优化目标函数的换挡性能综合评价函数；

所述的在对驾驶员的动力性期望和经济性期望进行量化的基础上确定排放性能期望，是指所有排放性期望量化值与动力性期望量化值和经济性期望量化值之和为1，且各排放性能指标的期望量化值均取相同的值；

所述的模糊推理器的输入参数，是指油门开度、油门开度变化率和发动机转速；所述的模糊推理器的输出参数，针对动力性和经济性期望模糊推理器分别为动力性期望和燃油经济性期望的量化值，取值范围均为[0，1]；

所述的确定各输入、输出参数的隶属函数，是根据优秀驾驶员的操作经验确定油门开度、油门开度变化率、发动机转速以及输出的驾驶员对动力性和燃油经济性的期望值的模糊子集和论域，并确定表示各参数的各模糊语言对应的隶属度；

所述的建立模糊推理规则库，是根据优秀驾驶员的操作经验、专家知识以及发动机特性，以油门开度、油门开度变化率以及发动机转速为输入，驾驶员对动力性和经济性的期望量化值为输出，建立动力性期望模糊推理规则和经济性期望模糊推理规则；

所述的以各性能期望量化值为加权系数，构造作为换挡规律多性能指标综合优化目标函数的换挡性能综合评价函数，是指将动力性、经济性和各排放性能期望的量化值，分别与归一化后的动力性分目标函数、经济性分目标函数和各排放性能分目标函数相乘，然后采用线性加权方法累加求和作为换挡性能综合评价函数；最后采用适当的方法对换挡规律进行多性能指标综合优化。

2.根据权利要求1所述的适用于换挡规律多性能综合优化的驾驶意图识别方法，其特征是，所述油门开度α分为5个模糊子集，其模糊语言为：{很小(VS)，小(S)，中(M)，大(B)，很大(VB)}；

所述门开度变化率dα/dt分为5个模糊子集，其模糊语言为{负大(NB)，负小(NS)，保持(0)，正小(PS)，正大(PB)}；

所述发动机转速n_e分为5个模糊子集，其模糊语言为{很小(VS)，小(S)，中(M)，大(B)，很大(VB)}；

所述驾驶员对动力性和经济性的期望值均分为7个模糊子集，其模糊语言均为{很差(VB)，差(B)，较差(LB)，中(Z)，较高(LH)，高(H)，很高(VH)}；

所述动力性期望模糊推理规则库中的动力性期望推理规则为125条，见下表

所述经济性期望模糊推理规则库中的经济性期望推理规则为125条，见下表

3.根据权利要求1所述的适用于换挡规律多性能综合优化的驾驶意图识别方法，其特征是，将所述油门开度及其变化率、发动机转速在其论域内等分并构造输入组合：油门开度分别取20％、40％、60％、80％和100％；油门开度变化率分别取-8、-4、0、4和8；发动机转速分别取1500、2500、3500、4500和5500；共125种输入组合；然后针对每一种输入组合，分别调用动力性和经济性期望模糊推理器，计算出动力性期望量化值和经济性期望量化值；驾驶员对排放性指标的期望值即排放性期望量化值按下式计算

ω_co＝ω_hc＝ω_nox＝(1-ω_d-ω_fc)/3

式中，ω_co、ω_hc、ω_nox以及ω_d和ω_fc分别表示一氧化碳排放量、碳氢化合物排放量、氮氧化物排放量、动力性和经济性期望量化值(即加权系数)。

4.根据权利要求3所述的适用于换挡规律多性能综合优化的驾驶意图识别方法，其特征是，所述动力性分目标函数f_d(u_a)采用同一油门开度下相邻两挡加速度之差的绝对值表示，如下式所示

$f_d\left(u_a\right)=\left|\frac{{\mathrm{du}}_{ai}}{dt}-\frac{{\mathrm{du}}_{a(i+1)}}{dt}\right|$

式中，u_a为车速，为行驶加速度，i表示挡位。

所述经济性分目标函数f_fc(u_a)采用同一油门开度下相邻两挡燃油消耗率之差的绝对值表示，如下式所示

f_fc(u_a)＝|b_ei-b_e(i+1)|

式中，b_e为发动机的燃油消耗率，i表示挡位，u_a为车速。

所述各排放性能分目标函数采用同一油门开度下相邻两挡污染物比排放量之差的绝对值表示，CO、HC和NOx排放目标函数分别如下所示

f_co(u_a)＝|b_coi-b_co(i+1)|

f_hc(u_a)＝|b_hci-b_hc(i+1)|

f_nox(u_a)＝|b_noxi-b_nox(i+1)|

式中，b_co、b_hc、b_nox分别为CO、HC和NOx比排放量，i表示挡位，

上述各个分目标函数值按以下公式做归一化处理，转换到[0,1]的范围内，归一化公式如下

$x^{\′}=\frac{x-x_{\min }}{x_{max}-x_{\min }}$

式中，x′表示归一化后的数据，x为样本原始数据，x_max为样本数据中的最大值，x_min为样本数据中的最小值；

所述采用线性加权方法按以下公式构造多性能指标综合评价函数f(u_a)，

$\left\{\begin{array}{c}f\left(u_a\right)={\mathrm{\ω}}_d{f}_d^{\′}\left(u_a\right)+{\mathrm{\ω}}_{fc}{f}_{fc}^{\′}\left(u_a\right)+{\mathrm{\ω}}_{co}{f}_{co}^{\′}\left(u_a\right)+{\mathrm{\ω}}_{hc}{f}_{hc}^{\′}\left(u_a\right)+{\mathrm{\ω}}_{nox}{f}_{nox}^{\′}\left(u_a\right)\\ {\mathrm{\ω}}_d+{\mathrm{\ω}}_{fc}+{\mathrm{\ω}}_{co}+{\mathrm{\ω}}_{hc}+{\mathrm{\ω}}_{nox}=1\end{array}\right.$

式中，f′_d(u_a)、f′_fc(u_a)、f′_co(u_a)、f′_hc(u_a)、f′_nox(u_a)分别为归一化后的动力性分目标函数，经济性分目标函数，CO、HC和NOx排放分目标函数；ω_d、ω_fc、ω_co、ω_hc、ω_nox分别为动力性分目标函数、经济性分目标函数、CO排放分目标函数、HC排放分目标函数以及NOx排放分目标函数的加权系数；

所述对换挡规律进行多性能指标综合优化采用的适当方法为模拟退火算法或遗传算法，以得到125种多性能指标综合优化的换挡规律。