买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉龙门实验室;河南科技大学申请的专利一种基于坡度预测的混合动力汽车智能能量管理方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118219935B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310841484.1，技术领域涉及：B60L58/40；该发明授权一种基于坡度预测的混合动力汽车智能能量管理方法是由陶发展;付致高;龚慧贤;周遥;朱龙龙;王楠;李梦杨;马浩翔;毕淑慧;冀保峰;张中才;吴红海;唐小林;李帅永;杨艺;陈灵峰设计研发完成，并于2023-07-10向国家知识产权局提交的专利申请。

本一种基于坡度预测的混合动力汽车智能能量管理方法在说明书摘要公布了：本发明提供了一种基于坡度预测的混合动力汽车智能能量管理方法，包括以下步骤：建立混合动力汽车中各能量源模型和整车模型；根据车辆当前时刻的坡度及速度信息，通过长短期记忆网络进行预测获取总需求功率，采用模糊控制的自适应低通滤波器和等效消耗最小策略的构建思想对功率分层处理，构建一种基于坡度预测的混合动力汽车能量管理系统，以各能量源的总等效氢耗，燃料电池的寿命情况以及预测坡度下储能系统的SoC为学习目标，设计高效的混合经验回放技术对智能算法中网络进行更新。本发明可在考虑道路坡度信息的基础上，对混合动力汽车的能量管理进行在线优化调节，通过实时预测道路坡度，在复杂、随机的驾驶环境下更好的更新最优策略。

本发明授权一种基于坡度预测的混合动力汽车智能能量管理方法在权利要求书中公布了：1.一种基于坡度预测的混合动力汽车智能能量管理方法，包括以下步骤： 步骤S1：建立混合动力汽车中各能量源模型和整车模型； 步骤S2：根据车辆当前时刻的坡度及速度信息，通过长短期记忆网络进行预测获取总需求功率，采用模糊控制的自适应低通滤波器和等效消耗最小策略的构建思想对功率分层处理，构建一种基于坡度预测的混合动力汽车能量管理系统； 步骤S3：以各能量源的总等效氢耗，燃料电池的寿命情况以及预测坡度下储能系统的SoC为学习目标，设计高效的混合经验回放技术对网络进行更新，通过改进的双延迟深度确定性策略梯度智能算法对混合动力汽车进行实时能量管理； 所述步骤S2中根据车辆当前时刻的坡度及速度信息，通过长短期记忆网络进行预测获取总需求功率，采用模糊控制的自适应低通滤波器和等效消耗最小策略的构建思想对功率分层处理，构建一种基于坡度预测的混合动力汽车能量管理系统的方法如下： 1将车辆当前加速踏板的变化幅值及道路坡度信息作为输入变量，通过长短期记忆网络进行短时间预测，并基于建立的整车系统模型，得到对应的负载总需求功率Pdemand； 2获得储能系统的加权SoC，其中包括锂电池和超级电容，超级电容SoC计算和锂电池SoC计算原理相同，均采用积分法； 3将总需求功率Pdemand和储能系统的加权SoC作为输入变量输入至设计好的模糊推理系统，经过模糊化、模糊推理和去模糊化，得到可调频率fs； 4将可调频率fs和总需求功率Pdemand输入到低通滤波器中，对需求功率Pdemand进行频率分离，输出量为高频功率Pdemand.h和中低频功率Pdemand.ml，其中高频功率由超级电容承担，中低频功率由燃料电池和锂电池共同承担； 5根据模糊控制自适应低通滤波器解耦获得的中低频功率Pdemand.ml，在等效消耗最小策略思想的基础上，以各能量源的总等效氢耗，燃料电池的寿命情况以及预测坡度下储能系统的SoC为学习目标，设计多目标优化问题： minCtotalt＝λFCCFCt+λBATCBATt+λUCCUCtminΔPFC＝n·|PFCt‑PFCt‑1|‑10％PFC_max式中，minCtotalt为总的瞬时最小氢消耗量，主要由燃料电池直接氢消耗量CFCt,锂电池等效氢消耗量CBATt和超级电容等效氢消耗量CUCt组成，λFC为确保燃料电池在高效率区间工作的惩罚因子,λBAT和λUC为锂电池和超级电容的等效因子，ΔSoCBAT为锂电池当前SoC与预测坡度下由动态规划策略求得的参考值SoCref之间的偏差，ΔPFC表示燃料电池大功率波动的情况，n表示燃料电池输出功率波动超过其额定功率10％的次数，PFCt和PFCt‑1分别为当前时刻和上一时刻FC的输出功率，PFC_max为FC的最大输出功率，即额定功率； 6将上述步骤中的多目标优化问题作为改进深度强化学习算法中的奖励函数，因为强化学习的目标是最大化回报期望，所以奖励函数R取为： R＝‑[Ctotalt+αΔPFC+βΔSoCBAT2]式中，α和β是使Ctotalt，ΔPFC和ΔSoCBAT2具有相同数量级的调节系数； 所述步骤S3中以各能量源的总等效氢耗，燃料电池的寿命情况以及预测坡度下储能系统的SoC为学习目标，设计高效的混合经验回放技术对网络进行更新，通过改进的双延迟深度确定性策略梯度智能算法对混合动力汽车进行实时能量管理的方法为： a采用5种不同的历史道路坡度数据模拟多种驾驶场景对神经网络进行训练，利用动态规划多次求解，得到对应工况下的最优经验样本并将其存储在用于辅助深度强化算法学习的最优经验池OER中； b在车辆行驶过程中实时的收集坡度数据，并将其与智能体交互得到的经验样本st,at,rt,st+1存储在实时经验池IER中； c在网络训练阶段，针对IER中的经验采用基于排序机制的优先级采样方法，而对OER中的经验由于其本身固有的最优性，则采用常规的随机均匀采样方法，通过混合经验回放技术，对网络参数进行高效率更新； d以步骤S2中的各能量源总等效氢耗最小，燃料电池大功率波动次数最少以及预测坡度下储能系统SoC维持为优化目标，将锂电池和超级电容的SoC、总的需求功率Pdemand、工况的速度v、道路坡度、动态规划求得的锂电池参考SoC以及超级电容的功率作为状态，采用改进的双延迟深度确定性策略梯度TD3算法，对神经网络参数进行优化，得到对应的动作输出，即为对应时刻燃料电池和锂电池的输出功率比； e利用上一步的输出功率比，通过计算，在线得到当前时刻燃料电池的功率PFC和锂电池的功率PBAT，根据以上步骤就可以实现对混合动力汽车的主动能量管理，实时得到对应的燃料电池功率PFC、锂电池功率PBAT和超级电容功率PUC。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人龙门实验室;河南科技大学，其通讯地址为：471000 河南省洛阳市伊滨区科技大道1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。