多源多特征速度预测器

能效提升近两成

将白鲨优化器与极限学习机结合，以更低计算成本实现接近理想的控制效果。

Zhu, Pengxing · 胡建军 · Zhu, Zhennan · Xiao, Feng · 李佳佳 · Peng, Hang

Applied Energy 2025

参数信息

行驶成本降低

73.4 %

排放降低

78.4 %

优化性能提升

19.6 %

计算效率提升

64.6 %

优化性能下降

4.5 %

技术优势

成本大幅下降

与规则式方法相比，行驶成本降低73.4%，同时排放降低78.4%。

计算负担轻

引入成本估算模型后，计算效率提升64.6%，使实时优化成为可能。

优化性能更优

在5秒预测时域内，本文方法的优化性能比常规MPC方法提升19.6%。

预测更精准

多源多特征速度预测器利用驾驶员、车辆和道路信息，预测精度优于现有方法。

应用场景

• 插电式混合动力汽车能量管理：替代现有规则或MPC控制策略，降低实际行驶成本与排放。
• 智能车辆预测控制：作为预测模块，为车辆提供未来车速预测以支撑预测控制。
• 车联网与智能交通：利用车联网提供的多源信息，在智能交通环境中提升能效。
• 端侧模型部署：改进的极限学习机模型轻量且计算效率高，适合车载端侧部署。