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！

申请/专利权人：吉林大学

摘要：本发明公开了基于MatlabSimulink飞行汽车工况识别系统，包括：利用传感器采集的飞行汽车工作状态信息和工作环境信息，生成离线数据集，离线训练应用改进遗传算法优化的BP神经网络模型，在飞行汽车行驶过程中根据飞行汽车的速度、海拔高度和升降舵角度判断出飞行汽车当前所处的运行工况。本发明完善了工况识别研究体系，为混合动力能量管理策略的制定提供依据；利用BP神经网络可以有效改善混合动力能量管理策略中基于瞬时优化计算量过大、基于全局优化与基于规则自适应能力缺失及基于强化学习要求大量训练数据等问题；应用改进遗传算法优化所构建的BP神经网络能有效解决BP神经网络收敛速度慢、易陷入局部极小值和鲁棒性较差等问题，提高了陆空工况识别的准确度。

主权项：1.基于MatlabSimulink的飞行汽车陆空工况识别系统，包括以下步骤：1利用Avl-Cruise软件中已有的地面行驶工况信息，并采集飞行汽车的飞行状态信息及飞行环境信息，生成离线数据集；所述的飞行状态信息为飞行汽车速度和升降舵角度，所述的飞行环境信息为飞行汽车海拔高度；2基于Simulink建立联合仿真模型，以离线数据集中的速度信号作为输入，经数学模型计算，输出工况相关特征参数，所得特征参数与飞行汽车的升降舵角度和海拔高度共同组成行驶工况训练样本，通过聚类方法将行驶工况分为七类；3初始化BP神经网络，利用训练样本训练BP神经网络工况识别模型；4基于改进的遗传算法优化BP神经网络工况识别模型，其中遗传算法的交叉概率随着迭代次数的增加而减小，使种群中优良个体的基因型得以保留延续；遗传算法的变异概率随着迭代次数的增加而增加，鼓励新个体的出现；对步骤3训练完成的BP神经网络的权值和阈值编码得到初始种群，解码得到权值和阈值，并赋值给新建的BP神经网络，训练并测试该网络，误差值作为适应度，选择操作选用几何规划排序选择来选择适应度高的染色体进行复制，交叉、变异后得到新的种群，交叉概率为： 式中，Pc为交叉概率，f′为将要交叉的两个个体中，较好个体的适应度函数值，是当前群体适应度函数的平均值，fmax是当前群体最大的适应度函数值，Pc1、Pc2是大于0小于1的常数，且有Pc1＞Pc2，δ是可随进化过程的进行而改变的调节项，Gt是总进化代数，Gi是当前进化代数；变异概率为： 式中，Pm为变异概率，f为将要变异个体的适应度，Pm0是大于0小于1的常数，τ是变异梯度常数，变异梯度常数τ的取值满足迭代至最大迭代次数，将得到最佳的神经网络权值和阈值，其中改进遗传算法方案如上述公式所示，随着迭代次数的增加，交叉概率将适当减小，使种群中优良个体的基因型得以保留延续，变异概率将适当增加，鼓励新个体的出现；5基于Simulink建立基于改进遗传算法优化的BP神经网络工况识别模型，并以混合动力飞行汽车的工作状态信息和工作环境信息作为输入，完成车辆的工况识别。

全文数据：

权利要求：

百度查询： 吉林大学 基于Matlab/Simulink飞行汽车工况识别系统