基于交通预测信息的电动汽车充电路径规划

针对电动汽车充电路径规划问题,以行程时间为优化目标,以荷电状态作为硬性约束,基于预测交通状态标定的动态异构交通网及车辆动力学模型,构建最优控制问题。为了在线求解,基于模型预测控制和强化学习方法,构建混合学习优化算法(hybrid learning optimization algorithm, HLOA),依托竞争深度Q网络(Dueling deep Q-networks, Dueling DQN),设计离线、在线模块,来实现参数的混合多步训练,并结合预测交通状态、网络拓扑及车辆动力学模型,输出在线行驶策略。采用某市局部路网构建交通仿真实验,分析预测交通信息的价值、HLOA算法可行性及结构必要性。结果表明,预测信息存在价值,HLOA在线结果可拟合最优策略且较其他算法精度提高33.65%。该研究可协助电动汽车用户导航,为自动驾驶电动汽车提供技术支撑。

高温暴晒和火灾服役条件下高强钢DP800的力学性能变化规律

为了揭示极端高温暴晒服役条件和火灾服役条件下DP800钢的力学性能,采用“加热-保温-空冷”与“加热-保温-水冷”方法分别模拟两种高温服役条件,通过显微组织观测和静载拉伸试验研究高温服役后DP800钢的微观组织形貌特征和力学性能变化规律。结果表明:不同高温空冷条件下(室温~200℃),DP800钢的组织均为铁素体和分布在其晶界上的岛状马氏体,随着服役温度的升高和时间的增加,其力学性能得到明显改善;高温水冷对DP800钢的微观组织和力学性能影响显著,随着服役温度的不断升高,两种保温时间下DP800钢的微观组织均经历了“马氏体铁素体化(300~700℃)→铁素体+马氏体双相组织(700~900℃)”的变化规律,其抗拉强度和屈服强度均呈现出“不断下降(300~700℃)→持续增大(700~850℃)→再次下降(850~900℃)”的变化规律。采用非线性回归法,构建了服役时间不超过60 min时高温水冷条件下DP800钢的抗拉强度、屈服强度随服役温度变化的经验预测模型,最大预测误差仅为7.88%,该模型可为高温服役后DP800钢力学性能变化评价提供理论参考。