基于粒子群优化支持向量机算法的行驶工况识别及应用

摘要

实车采集4种典型行驶工况数据,采用随机数法提取并扩充行驶工况识别训练及测试样本,利用多元统计理论对数据进行处理,基于粒子群优化的支持向量机(PSO-SVM)算法来进行行驶工况识别,分析了识别周期及更新周期对行驶工况在线识别精度的影响.将行驶工况识别技术应用在插电式混合动力汽车的能量管理策略中.仿真结果表明,相对于未采用行驶工况识别技术以及采用传统SVM算法进行工况识别的能量管理策略,基于PSO-SVM算法工况识别的能量管理策略使整车燃油经济性分别提高9.836％和4.348％,并且电池荷电状态(SOC)变化相对平稳,有利于提高系统效率和延长电池寿命.