BP神经网络在电动车充放电控制中应用.docVIP

BP神经网络在电动车充放电控制中应用 　　摘要：纯电动车作为一种节能环保的交通工具已成为各国研发的热点，纯电动车的续航能力问题是电动车发展中的重要因素，针对电动车在使用过程中由于受电池有限电量的限制以及外界环境因素的影响，导致电动车的续航能力短的问题，依据电动车工作原理结合BP神经网络技术，通过综合分析电动车驱动策略和电动车工作模式，提出一种新的基于BP神经网络充放电控制策略-使用LabVIEW结合驾驶仿真平台建立了电动车仿真模型，并进行仿真实验.通过仿真实验验证了基于BP神经网络控制策略的合理性，达到了提高电动车的续航能力的目的. 　　关键词：纯电动车；充放电控制；BP神经网络 　　DOI：10.15938/j.jhust.2015.05.016 　　中图分类号：U469. 72 　　文献标志码：A 　　文章编号：1007-2683（2015）05-0080-05 　　0 引言 　　电动车动力电池组的性能直接关系到电动车的各种性能及电动车的使用寿命，因此必须对电动车电池组中存储的电能进行有效利用以提高电动车性能降低电动车运行成本.由于电动车在运行过程中受到多方面不确定的因素的影响，因为神经网络可以学习和储存大量的输入和输出设置的映射关系，它不需要揭示的映射关系的数学表达.因此本文提jl的基于BP神经网络的纯电动车电池充放电控制策略可以更好的应对电动车在运行过程中遇到的各种不确定因素. 　　1 充放电控制策略分析 　　电动车充放电控制策略实际上是根据电池当前SOC状态和驾驶员的操作行为以及车辆的当前状态对电池进行充放电控制，从而达到对电动车车速的控制.由于电动车的运行受到电池状态的影响与限制，因此驾驶员操作电动车以一定的状态运行时，充放电控制系统会根据电池当前的状态确定能不能满足驾驶员的操作.如果在电池允许的工作范围内则满足驾驶员对车辆的操作，否则充放电管理系统会按照自己的判断给出对车辆的控制信号. 　　1.1 充放电控制系统结构与控制策略 　　纯电动车充放电控制系统结构图如图1所示，其中电池组状态监测模块用于监测并显示电池组的状态参数，充放电控制模块是算法处理与发送控制指令的机构，该模块通过串行总线接收电池检测模块的实时电池状态信息和驾驶员操作信息，并按照指定的方法进行推理和计算，能够给出满足电动车动力性能和平稳性能的最佳控制命令， 　　纯电动车充放电控制系统的主要任务就是结合驾驶员的操作指令以及电池当前的状态信息，在实现整车动力性能的前提下达到节能的目的.其具体日标是：低耗能、响应快、实时性好、限制电池SOC的范围等，本文提出的控制策略的输入主要有加速踏板行程Kacc，制动踏板行程Kbre以及SOC.输出为电池输出功率Pout.电池输出功率首先取决于驾驶员的操作命令同时受到到电池当前状态的影响，电池SOC直接影响电池的最大输出功率.电动车在正常行驶过程中电池soc和电池输出功率以及电机输出功率要满足以下约束条件，储能系统SOC约束：为了延长电池的寿命，车辆在行驶过程中电池SOC尽量要保持在一定的范围之内，即： 　　在制动过程中，如果SOC太高，为了防止电池过充就不能对电能进行回收.同样如果SOC太低，再继续放电则会造成电池过放，从而影响电池寿命和电动车的动力性能.因此电池的SOC -般应保持在[0.2，0.9]. 　　功率约束：为了满足驾驶员对车辆的动力性能要求，一般情况下电动车的输出功率Pout都会等于驾驶员的请求功率Preq，如果电池当前能输出的最大功率Psoc不能满足驾驶员的请求功率则输出功率应等于电池当前支持最大输出功率，即： 　　综合以上分析本文给出的纯电动车的充放电控制流程图如图2所示.因为电池的输出功率功率与电池当前SOC值以及电池效率有关，考虑到计算的复杂和参数难以估计，所以会导致时效性较差，而且难以应用到实际的控制系统中去.为此本文通过离线仿真的方法将充放电控制策略的控制规律提取出来，这些控制规律的集合可以作为一组多输入单输出的非线性映射.因为神经网络能够以最小的精确度切近任何复杂的非线性映射集合，并且神经网络的最大特点是有很强的学习能力和归纳总结能力.因此可以通过训练相应的神经网络来实现本文所提出的充放电控制策略. 　　1.2 基于神经网络的充放电控制策略 　　1.2.1 神经网络控制器结构 　　只要BP神经网络中神经元的点数合理，那么该神经网络就具有模拟任何复杂的非线性映射的功能，基于神经网络的这种特点，本文所设计的神经网络结构图如图3所示，该神经网络是一个含有2个隐含层的4层BP神经网络，其中SOC、Kbre、Kacc作为该神经网络的输入层，Pout作为该网络的输出层，在本文中隐含层的神经元的个数的确定采用试凑法确定，输出层神经元可以表达为 　　式中：Pou