具体实施方式

下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

请参照图1，本发明提出了一种用于混合储能的信息物理融合系统，用于氢氧燃料电池汽车；其中，包括，

混合储能单元，所述混合储能单元包括蓄电池、超级电容、制动能量回收装置、高压空气罐、氢气压力能量回收装置；具体地，在车辆上使用蓄电池、超级电容进行能量回收，为现有技术，在此不作过多阐述，本领域技术人员能够实现。同样，制动能量的回收也属于现有技术。不同的是，氢气压力能量回收装置，是指氢气由于受压而积累的能量，是一种物理能，在释放的过程中，会有能量产生，当氢气氢罐中被释放时，其产生的动能，可以利用氢气压力能量回收装置来回收。具体地，让氢气通过一气轮，气轮上连接一发电机，利用氢气的动能就能够实现驱动气轮，进而带动电机进行发电。

所述制动能量回收装置用于回收制动能量，并将回收的能量转化为电能给所述蓄电池或超级电容充电。

所述高压空气罐用于回收多余的高压空气，并将用于转向助力或制动助力，或用于通过一气轮带动发电机产生电能，并给所述蓄电池或所述超级电容充电。对于空气助力转向或制动，在客车或货车上已有应用，在此不再赘述。而对于利用压缩空气产生电能，其原理与氢气压力能量回收相同，在此，也不作赘述，本领域技术人员能够实现。所述氢气压力能量回收装置用于在供氢的管路上设置一气轮，以利用氢气压力驱动气轮进而带动发电机工作，为所述蓄电池或超级电容充电；

具体地，所述信息物理融合系统还包括，

第一传感器，所述第一传感器安装在所述蓄电池上，用于获取能够表征所述蓄电池的第一数据信息；所述第一传感器并不仅为一种传感器，是用于对蓄电池进行检测的多种传感器的统称，同理，第二传感器、第三传感器、第四传感器和第五传感器也是如此。具体地，所述第一数据信息包括所述蓄电池的内部温度、环境温度、所述蓄电池的电量、所述蓄电池的充电效率和放电效率。

第二传感器，所述第二传感器安装在所述超级电容上，用于获取能够表征所述超级电容的第二数据信息；具体地，所述第二数据信息包括所述超级电容的内部温度、环境温度、所述超级电容的电量、所述超级电容的充电效率和放电效率。

第三传感器，所述第三传感器安装在所述制动能量回收装置上，用于获取能够表征所述能量回收装置的第三数据信息；具体地，所述第三传感器包括所述制动能量所述回收的电能。

第四传感器，安装在所述高压空气罐内，用于获取能够表征所述高压空气罐的第四数据信息；具体地，所述第四传感器包括所述高压空气罐内的压力、所述高压空气罐的体积、所述高压空气罐中高压空气用于转向助力时的效率、所述高压空气罐中高压空气用于制动助力时的效率和所述高压空气罐中高压空气用于发电时的效率。

第五传感器，安装在氢氧燃料电池汽车的氢罐内，用于获取能够表征所述氢罐的第五数据信息；具体地，所述第五数据信息包括氢罐的压力、所述氢气的压力能转化为电能效率。

特征提取模块，所述特征提取模块与所述第一传感器、所述第二传感器、所述第三传感器、所述第四传感器和所述第五传感器电连接；所述特征提取模块用于获取所述第一传感器、所述第二传感器、所述第三传感器、所述第四传感器和所述第五传感器的检测数据，并提取对应数据的特征，形成特征向量。具体实施时，由于各数据信息内的数据量不等，每个数据信息所形成的特征向量也不相同。

数据融合模块，与所述特征提取模块连接，所述数据融合模块用于将各个特征向量进行融合，以得到一决策向量；所述数据融合模块为一神经网络模型，其输入为第一数据信息、第二数据信息、第三数据信息、第四数据信息和第五数据信息对应和特征向量，其输出为决策向量。在对该神经网络模型进行训练时，其目的函数为能量利用率最高。

决策模块，所述决策模块与所述数据融合模块电连接，所述决策模块根据所述决策向量产生一控制指令。

控制单元，所述控制单元与所述决策模块电连接，所述控制单元接收所述控制指令，并按所述控制指令控制所述蓄电池的充电和放电、所述超级电容的充电和放电、所述制动能量回收装置的工作状态、高压空气罐的充气和放气、所述氢气压力能量回收装置的工作状态。

以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果，以上所述仅为本发明的较佳实施例，但本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。