一、专利发明主要核心内容

针对汽车混合动力系统设计中能源管理情况复杂的问题，采用多学科集成优化方法，设计了一种基于梯度增强神经网络辅助的高维昂贵多目标优化算法。其中针对神经网络模型需要梯度等重要信息的缺陷，设计了通过克里金方法对样本数据进行模型预训练，获取优化问题函数的近似梯度，即使用样本数据训练梯度增强神经网络获得系统真实物理模型的近似拟合。

二、拟解决的技术问题

汽车混合动力系统中涉及高维昂贵优化问题，该类问题是黑盒优化问题，是涉及多个目标相互冲突的多目标优化问题。常用优化方法包含有限元分析法、实验模态分析法等模态分析方法。模态分析方法虽然能够较好地逼近系统真实物理模型，但是建立的模型非常复杂，评估非常耗时，后续的求解器求解获得的最优设计方案无法满足性能要求。本项目主要拟解决汽车混合动力系统设计中涉及的以上问题。

三、专利应用场景

在汽车混合动力系统设计中，能源控制管理器作为一个关键元素在保证混合动力性能方面发挥着关键的作用。一般地，混合动力汽车能源控制管理系统主要由内燃机、动力控制系统、电池和电动机组成，其中电池状态作为内燃机系统的输入来确定其具体控制。在混合动力控制系统设计中，需要同时综合考噪音、强度耐久、行驶性能、排放等多领域性能要求。多学科集成优化技术能够平衡不同指标要求、实现高效搜索最优设计，是提高汽车混合动力系统质量、缩短开发周期的一条重要途径。