为了减少插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)的燃油消耗,设计了基于预测控制的PHEV能量管理策略。通过对整车能量分析,建立了PHEV的纵向动力学模型,考虑电压的动态特性建立了电池组的等效电路模型。建立了基于...为了减少插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)的燃油消耗,设计了基于预测控制的PHEV能量管理策略。通过对整车能量分析,建立了PHEV的纵向动力学模型,考虑电压的动态特性建立了电池组的等效电路模型。建立了基于马尔可夫链的加速度预测模型,结合纵向动力学模型进而计算出需求转矩变化。以燃油消耗量最小为目标构建PHEV能量管理的预测控制模型,在预测时域内采用动态规划(DP)求解带约束的优化问题,将控制序列的首值施加至系统完成转矩分配并更新优化问题。仿真结果表明,基于随机模型预测控制的能量管理策略的燃油消耗量与基于规则的能量管理策略相比降低22.53%,与采用Rint等效电路模型的能量管理策略相比降低13.64%。展开更多
为了降低插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)在驾驶过程中的能耗,本文对插电式混合动力汽车绿色路径规划问题(Plug-in Hybrid Electric Vehicle Green Routing Problem,PHEVGRP)进行了研究。基于脉冲耦合神经网...为了降低插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)在驾驶过程中的能耗,本文对插电式混合动力汽车绿色路径规划问题(Plug-in Hybrid Electric Vehicle Green Routing Problem,PHEVGRP)进行了研究。基于脉冲耦合神经网络提出了用时间依赖中继神经网络求解时间依赖车辆路径规划问题。基于可实时获取的道路交通状态量建立PHEV能耗计算模型。采用硬参数共享多任务学习建立道路交通状态量的预测模型。结合两个模型,将时间依赖中继神经网络应用于PHEVGRP的求解。采用真实数据进行试验,结果表明所提出的方法能够求得PHEVGRP的基于预测模型的最优解且求解速度优于启发式算法。展开更多
文摘为了减少插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)的燃油消耗,设计了基于预测控制的PHEV能量管理策略。通过对整车能量分析,建立了PHEV的纵向动力学模型,考虑电压的动态特性建立了电池组的等效电路模型。建立了基于马尔可夫链的加速度预测模型,结合纵向动力学模型进而计算出需求转矩变化。以燃油消耗量最小为目标构建PHEV能量管理的预测控制模型,在预测时域内采用动态规划(DP)求解带约束的优化问题,将控制序列的首值施加至系统完成转矩分配并更新优化问题。仿真结果表明,基于随机模型预测控制的能量管理策略的燃油消耗量与基于规则的能量管理策略相比降低22.53%,与采用Rint等效电路模型的能量管理策略相比降低13.64%。
文摘为了降低插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)在驾驶过程中的能耗,本文对插电式混合动力汽车绿色路径规划问题(Plug-in Hybrid Electric Vehicle Green Routing Problem,PHEVGRP)进行了研究。基于脉冲耦合神经网络提出了用时间依赖中继神经网络求解时间依赖车辆路径规划问题。基于可实时获取的道路交通状态量建立PHEV能耗计算模型。采用硬参数共享多任务学习建立道路交通状态量的预测模型。结合两个模型,将时间依赖中继神经网络应用于PHEVGRP的求解。采用真实数据进行试验,结果表明所提出的方法能够求得PHEVGRP的基于预测模型的最优解且求解速度优于启发式算法。