[word格式] 基于支持向量机的新能源汽车状态评估 .docVIP

基于支持向量机的新能源汽车状态评估 第29卷第2期 2011年O3月 佳木斯大学(自然科学版) JournalofJiamusiUniversity(NaturalScienceEdition) Vo1.29No.2 Mar.2011 文章编号:1008—1402(2011)02—0228—04 基于支持向量机的新能源汽车状态评估 方竹 (同济大学汽车学院.上海201804J 摘要:目前,燃料电池汽车正处于试验试制阶段,为了避免故障带来的安全隐患,有必要实时 掌握车辆的运行状态.本文在研究燃料电池汽车运行特点的基础上,选取了合理的评估参数,并 利用最小二乘支持向量机建立了其零部件评估模型.该模型需要的数据量少,泛化能力强,并通 过多个现场实例分析证明了该模型的正确性和有效性. 关键词:状态评估;支持向量机;燃料电池汽车;运行参数 中图分类号:U469.7文献标识码:A O引言 发展新能源汽车可以系统地解决能源安全问 题,减低对石油资源依赖程度;实现节能目标,降低 环境污染.燃料电池汽车更是未来汽车工业发展的 战略方向,作为一种新兴技术车辆,其各项技术均 未达到成熟可靠.为了保证车辆的安全运行,适时 维护以及故障的及时解决,必须时刻了解车辆的运 行状态.由于燃料电池汽车信号数量繁多,现场情 况复杂,而驾驶员一般不具备车辆专业知识和故障 判断能力,这就会造成故障无法及时解决的问题. 因此,对试验车辆必须进行实时监控.目前,我国在 这方面的研究还处于起步阶段,尚无一套有效的解 决方案. 基于此,本文利用支持向量机理论建立了一种 燃料电池汽车零部件状态评估模型,试验结果表明 了该模型的正确性和有效性.该模型可以评估车辆 各主要部件的工作情况,它能使我们直观的了解到 车辆的实时状态,对潜在的故障问题及时做出回 应,并且在车辆维修中能帮助维修人员判断故障来 源,减轻工作量,特别在例如世博会这样的重大活 动中,对燃料电池汽车的正常行驶提供了保障, 1LS—SVM的分类算法 SVM的基本思想为:设样本集s={(, )}(=1,2,…,z),戈为输人矢量,为对应的目 标输出矢量,f为样本数.首先选择一个非线性变化 (),把该样本向量集从原空间映射到高维特征 空间,在F中构造最优线性决策函数)= sgn(∞()+6),式中∞为超平面的权值矢量,6为 偏置常熟.构造最优决策函数时,利用结构风险最 小化原则寻找和b,同时引入间隔的概念,并巧 妙利用空间的核函数取代F的内积运算,避免了复 杂计算. 将式-『=IlII/2+c尺./2最小化(式中 IlC_OIl为控制模型的复杂度,c为正规化参数,R 为误差控制函数,即s一不敏感损失函数,其中为 该函数的参数),选取不同的损失函数,可构造不 同形式的SVM,LS—SVM选择了误差的二次项, ,1 其优化问题为:min=+∑,与SVM一;=l 不同的等式约束条件为: Yi(?q~(xi)+b)=1一,=1,2,…,f(1) 通过其对偶形式可求解最优解,对偶形式可根 据目标函数和约束条件建立拉格朗日函数: ff (,6,,口)=弓+寺c∑一∑ai(,,(∞-i1’=l ()+b)一1+i)(2) 其中,a为拉格朗日乘子,根据库恩一塔克条件有: OL/Ow=0,OL/ab=0,oL/o(=0,aL/aa=0 可得: ①收稿日期:2011—02—03 作者简介:方竹(1985一),男,浙江杭州人,同济大学汽车学院硕士研究生,研究方向为汽车电子 第2期方竹:基于支持向量机的新能源汽车状态评估229 ,0 00 O0 zY 0一zT 0—.yr el—l ,O 其中,z=[(.),…,(戈)Y];Y=[Y,…, ];=[1,…,z];=[,…,]. 消去Ca)和,并用最小二乘法求出口和b,由此 得到分类决策函数为: ()=sgn(∑(Zi(())()+6)(3)S 式中,Js为支持向量集合】. 2基于LS—SVM的健康状态评估 燃料电池汽车各子系统及其性能参数如图1 所示,鉴于燃料电池汽车各子系统模型构建的相似 性,本文将以其中的蓄电池子系统为例详细说明. 2.1模型输入向量的确定 系统评估的首要工作就是对车辆进行系统的 分析,科学,合理地选取所要研究的性能参数.新能 源动力系统复杂,相关的性能参数非常多,如图1 所示.而且从不同的角度评估,就有不同的评估指 标.本文通过统计的方法整理,分类和综合,筛选出 与车辆动力系统健康状态密切相关的性能参数. 燃料电池发动机 控制子系统(FCE) 电源变换控制子 系统(DCF) 电机控制子系统 (MOTO) 蓄电池控制 子系统(BM) 氢气供给控制器 系统(HMS) [二垂亘荩二] [亘噩耍亟] [重亚墅] 口雯亘西回 [二亟豆耍二] [二区亟口 [二亟雯口 []盈亟蔓二] [