为有效地提高插电式燃料电池汽车的经济性,实现燃料电池和动力电池的功率最优分配,考虑到行驶工况、电池荷电状态(State of charge,SOC)、等效因子与氢气消耗之间的密切联系,制定融合工况预测的里程自适应等效氢耗最小策略.通过基于误...为有效地提高插电式燃料电池汽车的经济性,实现燃料电池和动力电池的功率最优分配,考虑到行驶工况、电池荷电状态(State of charge,SOC)、等效因子与氢气消耗之间的密切联系,制定融合工况预测的里程自适应等效氢耗最小策略.通过基于误差反向传播的神经网络来实现未来短期车速的预测,分析未来车辆需求功率变化,同时借助全球定位系统规划一条通往目的地的路径,智能交通系统便可获取整个行程的交通流量信息,利用行驶里程和SOC实时动态修正等效消耗最小策略中的等效因子,实现能量管理策略的自适应性.基于MATLAB/Simulink软件,搭建整车仿真模型与传统的能量管理策略进行仿真对比验证.仿真结果表明,采用基于神经网络的工况预测算法能够较好地预测未来短期工况,其预测精度相较于马尔可夫方法提高12.5%,所提出的能量管理策略在城市道路循环工况(UDDS)下的氢气消耗比电量消耗维持(CD/CS)策略下降55.6%.硬件在环试验表明,在市郊循环工况(EUDC)下的氢气消耗比CD/CS策略下降26.8%,仿真验证结果表明了所提出的策略相比于CD/CS策略在氢气消耗方面的优越性能,并通过硬件在环实验验证了所提策略的有效性.展开更多
新能源汽车智能化能量管理是先进汽车技术研究的重要领域,是进一步提升整车燃油经济性能的关键。针对插电式混合动力汽车(Plug-in hybrid electric vehicle,PHEV)能量全局化管理与控制的实时性和最优性难以兼顾的难题,开展了基于能耗预...新能源汽车智能化能量管理是先进汽车技术研究的重要领域,是进一步提升整车燃油经济性能的关键。针对插电式混合动力汽车(Plug-in hybrid electric vehicle,PHEV)能量全局化管理与控制的实时性和最优性难以兼顾的难题,开展了基于能耗预测的全路径自适应能量管理研究,提出了以等效燃油消耗最小化为目标的全规划路径PHEV自适应控制算法。最后,基于MATLAB/Simulink的建模与仿真分析验证了所提控制算法对实际行驶工况、里程和整车能量状态的变化具有较好的跟随性和自适应性,全路径近似全局性优化控制效果明显,较好地改善了整车的燃油经济性。展开更多
文摘为有效地提高插电式燃料电池汽车的经济性,实现燃料电池和动力电池的功率最优分配,考虑到行驶工况、电池荷电状态(State of charge,SOC)、等效因子与氢气消耗之间的密切联系,制定融合工况预测的里程自适应等效氢耗最小策略.通过基于误差反向传播的神经网络来实现未来短期车速的预测,分析未来车辆需求功率变化,同时借助全球定位系统规划一条通往目的地的路径,智能交通系统便可获取整个行程的交通流量信息,利用行驶里程和SOC实时动态修正等效消耗最小策略中的等效因子,实现能量管理策略的自适应性.基于MATLAB/Simulink软件,搭建整车仿真模型与传统的能量管理策略进行仿真对比验证.仿真结果表明,采用基于神经网络的工况预测算法能够较好地预测未来短期工况,其预测精度相较于马尔可夫方法提高12.5%,所提出的能量管理策略在城市道路循环工况(UDDS)下的氢气消耗比电量消耗维持(CD/CS)策略下降55.6%.硬件在环试验表明,在市郊循环工况(EUDC)下的氢气消耗比CD/CS策略下降26.8%,仿真验证结果表明了所提出的策略相比于CD/CS策略在氢气消耗方面的优越性能,并通过硬件在环实验验证了所提策略的有效性.
文摘新能源汽车智能化能量管理是先进汽车技术研究的重要领域,是进一步提升整车燃油经济性能的关键。针对插电式混合动力汽车(Plug-in hybrid electric vehicle,PHEV)能量全局化管理与控制的实时性和最优性难以兼顾的难题,开展了基于能耗预测的全路径自适应能量管理研究,提出了以等效燃油消耗最小化为目标的全规划路径PHEV自适应控制算法。最后,基于MATLAB/Simulink的建模与仿真分析验证了所提控制算法对实际行驶工况、里程和整车能量状态的变化具有较好的跟随性和自适应性,全路径近似全局性优化控制效果明显,较好地改善了整车的燃油经济性。