基于MAS组网技术的EREV能量管理策略

为改善增程式电动汽车(EREV)燃油经济性,提出一种基于多智能体MAS(multi-agent system)组网技术的增程式电动汽车能量管理策略。在Simulink环境中搭建EREV整车动力学模型,利用JADE(Java development framework)平台构建各动力部件智能体以实现组网,采用MAS组网技术对恒温器式能量管理策略进行改进,通过MACSimJX组件将动力部件多智能体组网系统与Simulink整车动力学模型连接,并在WLTC工况下进行仿真验证。仿真结果表明:与动态规划控制策略相比,MAS组网技术的整车节油率为3.3%,电能消耗高出1.7%,总能量消耗率减少1.4%;与传统电辅助控制策略相比,整车节油率为18.2%,电能损耗减少12.4%,总能量消耗率减少16.6%。MAS组网技术可以有效改善整车能量控制效果,并为混合动力汽车能量管理策略提供理论支撑和新的研究方法。

EREV-C型质子旋进磁力仪性能测试分析

为了分析国产质子旋进磁力仪的整体性能,根据实际测试环境条件和《质子旋进磁力仪野外测试大纲》,使用128套EREV-C型质子旋进磁力仪采集野外数据。通过对比分析地磁总场数据、标准偏差、相关系数等,对EREV-C型质子旋进磁力仪的一致性、稳定性等性能进行评价。分析表明,EREV-C型质子旋进磁力仪性能良好,可满足相关测试要求,符合野外磁法测量和地磁相对观测的使用需求。

EREV-C质子旋进磁力仪在红山基准地震台的比测检验

红山基准地震台作为全国地震监测专业设备的比测台站,多次承担地震观测仪器的比测工作。2021年11月23日,以该比测站GSM-90F Overhauser磁力仪作为标准仪器,基于数据一致性、差值均方差和仪器差等,对16台EREV-C质子旋进磁力仪性能进行测试检验。测试结果显示,该质子旋进磁力仪与标准仪器具有较好的一致性,地磁场总强度F值均方差<0.10 nT、仪器差≤±0.50 nT,各项指标均满足测试要求,表明该磁力仪性能稳定、精度高,可用于地震台站常规观测以及磁测和探矿等工作。

考虑油耗和电池寿命的EREV双模式切换ACC策略

为了进一步降低增程式电动汽车(extended range electric vehicle,EREV)在自适应巡航过程中的驱动成本,针对增程模式下自适应巡航控制(adaptive cruise control,ACC)系统在不同巡航工况下需求功率不同的特点,提出了一种考虑油耗和电池寿命的EREV双模式切换ACC策略。针对ACC系统设计了模式切换逻辑,制定了基于PID和模型预测控制(model predictive control,MPC)算法的上层控制策略;针对增程模式制定了基于最优工作点和最低燃油消耗曲线的增程器单点恒温控制和功率跟随控制策略;基于MATLAB/Simulink搭建了控制策略模型,通过ACC系统定速或跟车模式下单点恒温控制和功率跟随控制的仿真分析,结合油耗和充电功率制定了增程器双模式切换控制策略;最后,在考虑油耗和电池寿命的情况下,进行了3种增程器控制策略的驱动成本对比。结果表明,双模式切换控制相比单模式控制最高可实现驱动成本15.63%的降低。

理想汽车公司的全球专利分析

【目的】明确理想汽车公司的专利申请情况和技术研究重点。【方法】通过检索专业数据库,从全球专利申请量趋势、专利类型、专利地域分布、专利技术构成和重点专利技术5个方面对理想汽车的专利进行分析。【结果】理想汽车公司的专利申请快速增长,主要为实用新型专利和发明专利,绝大部分仅在国内申请,专利主要围绕电力动力装置、电子器件和乘坐舒适性相关附件,重点专利主要涉及车载系统、驾驶辅助和热管理方面的技术。【结论】行业可以参照理想汽车的专利申请进行研发参考,促进新能源汽车市场的健康发展。

基于两类学习模型的多主体人工股票市场研究

构造了一个由采取基于惯例的学习模型(Roth-Erev模型)和信念学习模型(分类器系统)的两类主体种群组成的人工股票市场模型,该模型的模拟运行结果表明,学习过程是影响资产市场的价格特征的重要因素,当采取不同学习机制的主体数量比例变化时,价格时间序列会表现出不同的统计特征:随机游走过程或异方差性等"格式化的事实".具有创新性的理性更高的主体比例增加未必导致类似理性预期均衡的出现.

随机数对基于代理的电力市场仿真实验影响分析

基于代理的仿真已成为电力市场研究的重要方法。目前,强化学习算法在代理中应用的研究已较为深入,通过随机数进行策略选择是强化学习算法的一个重要环节,因此对随机数在其中的影响研究十分必要。文中以Roth-Erev学习算法为例,分析了随机数对电力市场仿真结果的影响,比较了几种随机数生成方法在仿真中应用的优劣。同时,通过深入研究电力市场仿真中随机数与代理的关系,探讨了对随机数性质的要求,提出一种改进方法生成了可重复、高效、均匀的随机数,从而提高了基于代理的电力市场仿真实验的效率和质量。

基于代理的电力市场仿真的实验设计方法探讨

基于代理的计算经济学已经成为电力市场研究的一种重要方法,但是,作为一种新的方法,还有许多问题没有解决,其中一个基本的问题是研究方法的问题,包括仿真实验的设计方法、仿真结果的分析方法等。文中首先给出了电力市场仿真中一些关键概念的定义,然后以电力市场研究中常用的一种代理学习算法——Roth-Erev法为例,基于一个拥有4个发电商的日前电力市场,进行了市场模型、智能代理模型、实验目的及实验方案的设计。设计了3组实验,根据前2个实验的结果,对基于代理的电力市场仿真实验轮数的设定、实验盘数的设定等问题进行了分析和讨论,最后一个实验对Roth-Erev算法中一些参数的选取问题进行了探讨,展示了其在选取时的矛盾性,并从加强学习法的机理上分析了其原因。

基于用户接受度的增程式混合动力汽车控制策略研究

介绍了一种能够克服电池低能量密度瓶颈的增程式混合动力电动汽车(EREV)控制策略。同时,在基于欧洲法规和真实的长距离路面工况下,进行了3种控制策略的仿真,以此来确定EREV最能被用户接受的控制策略。通过比较各控制策略下整车的CO2排放、价格、NVH性能以及行驶里程,可以看出最优的控制策略不仅应重视改善燃油经济性,更需要重视改善用户的使用性能。

EWA算法在电力市场仿真中的应用

基于代理的计算经济学已成为电力市场研究的一种重要方法,构建智能代理的学习模型是其中的重要研究内容之一。常用的强化学习和信念学习算法各有弊端,为此引进了一种综合了强化学习和信念学习的经验权重魅力值(EWA)算法,将其应用于电力市场仿真研究中,模拟发电商决策行为。基于混合代理和单一代理系统的仿真结果表明,EWA学习算法对市场参与者的行为有更好的描述,在参与者众多的大系统中较Roth-Erev算法更为先进、智能,具备更好的学习性能;EWA算法具备更高的捕捉博弈均衡的能力。

基于全局优化算法的增程式电动汽车模糊控制策略

针对传统模糊控制中规则库制定单一、动力系统与控制策略参数协调性不高等问题,提出一种基于全局优化算法的增程式电动汽车模糊控制策略。根据增程器最优效率曲线,分析并提取动态规划算法在不同需求及动力部件状态下的多能源分配规则,并结合传统工程经验作为模糊控制规则库制定依据;以燃油经济性为优化目标,利用粒子群算法优化整车动力部件与隶属度参数,获取具有全局优化性的EREV能量分配。最后,在MATLAB/Simulink中建立整车模糊控制策略模型,嵌入到ADVISOR中仿真并进行硬件在环测试。结果表明:所提出的控制策略适用于多种工况,与原车功率跟随控制策略相比,能控制动力电池SOC在合理范围内,同时提高整车燃油经济性。

基于学习行为的科技数据库用户策略研究

从学习行为的角度探索了科技数据库用户的信息检索行为,分析了信息检索过程中影响用户学习行为的个人因素和环境因素;通过Roth-Erev强化学习模型分析了科技数据库用户的学习机理,并设计了控制实验来量化分析不同因素对用户检索行为的影响;在实验分析的基础上,为数据库产品的完善提出了新的策略建议。

增程式电动汽车动力系统参数匹配与研究

通过对增程式电动汽车(Extended Range Electric Vehicle,EREV)动力系统的参数进行匹配,提出运用动力电池组端电压与荷电状态(State of Charge,SOC)之间的对应关系来控制增程器的开关,提高电动汽车的续航能力,为EREV/EV的动力系统的设计提供参考。

基于动态规划与神经网络的增程式电动汽车能量管理策略研究

设计了一种具有实时控制能力的增程式电动汽车混合型能量管理策略。首先建立了面向能量管理策略优化的增程式电动汽车整车模型。根据能量管理策略特点,将优化目标设置为增程器系统燃油消耗及动力电池当前SOC值与目标值之间差值的总和。再采用动态规划算法求解增程式电动汽车在给定行驶工况下的能量管理优化问题,从而获得了增程器开启时刻与输出功率优化结果。但由于动态规划算法需要已知详细的工况信息,很难应用于实车实时控制,而且从动态规划优化结果中不易提取控制规则,因此利用BP神经网络算法对优化结果进行离线训练,建立了增程器输出功率与车辆行驶状态参数间的非线性映射关系,得到了具有实时控制能力的神经网络控制模型。在采用BP神经网络训练时,根据车辆各个状态参数在CAN总线中的传输精度,对神经网络输入层、输出层参数的精度进行了修正。仿真结果表明:神经网络模型能够获得类似动态规划的最优控制效果,能够控制动力电池SOC在目标值的3%误差带以内。采用NEDC工况对混合型能量管理策略进行了硬件在环仿真试验,试验结果表明:与实车采用的电能消耗-电能维持型控制策略相比,所提出的混合型能量管理策略使汽车的燃油经济性提高了9.5%。

基于模糊控制的增程式电动汽车能量分配策略

增程式电动汽车可以有效地解决纯电动汽车续驶里程不足的问题。以增程式电动汽车为研究对象,设计基于模糊控制的能量分配策略,利用Cruise与MATLAB/Simulink进行联合仿真,通过NEDC工况试验验证该策略的有效性。研究表明:基于模糊控制的能量分配策略具有较强的鲁棒性,控制效果较好,可有效降低排放,维持电池SOC在理想范围内,避免过冲、过放。

基于专利地图技术的增程式电动车产业专利竞争情报研究

绘制增程式电动车专利地图,从技术研发规模、技术及产业发展趋势、重点技术领域、地域分布和竞争机构等方面展开专利分析。结果表明:增程式电动车产业技术从1995年左右开始高速发展并持续至今;充电控制和增程器控制技术为国际产业研发的焦点;技术热点向安全和监测、电量测量和可行驶里程指示、牵引电机、车辆微处理器系统等技术迁移;美日韩等国竞相在中国进行专利布局,形成较强专利壁垒,为突破专利壁垒,中国公司可考虑与电装、马自达、现代、三菱等技术实力较强但在中国专利布局力度较弱的公司合作。

基于有限理性的期望强化学习算法在电力市场中的应用

在分析电力市场时,一般有效的工具是博弈论知识,经典博弈论研究的是理性的决策者.但实际上发电公司在决策时不可能采取完全理性的行为,即决策者的行为总是有限理性的,这是与现实相接近的,能更好的解释现实情况.因此以有限理性为分析前提,用期望强化学习算法来研究发电商行为的多样性给市场带来不同的均衡状态是有意义的.

中国电动汽车出行情景研究

电动汽车产业在快速发展的同时,电动汽车受续驶里程和充电基础设施的局限,推广进展缓慢。消费者的出行需求是影响电动汽车产品导向以及商业模式的重要因素。文章提出出行情景的概念,通过总结分析电动汽车技术性能指标,再划分不同的消费者人群,对消费者出行需求进行统计分析,研究针对中国消费者可能的电动汽车出行情景。最终得出基于6种不同出行需求消费者人群的4种电动汽车出行情景,为电动汽车的推广指明了方向。

增程式电动环卫车发动机双工作点的控制策略

为了响应环保节能的号召,开发设计了一款新型的增程式电动环卫汽车。由于增程式电动环卫车具有其特殊的动力传动系统,增程器中的发动机只是带动发电机发电,不直接与驱动桥机械连接,故对增程器中发动机的运行控制策略设置相对负载功率需求可以有一定的独立性。针对目前存有的控制策略进行分析研究,找出其优缺点,提出了增程器中发动机双工作点的控制策略。根据发动机的万有特性曲线,结合整车行驶过程中的功率需求、车速、动力电池SOC,选择了2个合适的工作点,并合理设计2个工作点间的切换逻辑。运用Matlab/Simulink软件对控制策略进行建模,联合AVL.Cruise仿真平台进行进行试验仿真。仿真结果表明:设计的控制策略在保证车辆的动力性能、经济性的基础上,减少了发动机转速的波动,避免了电池大电流的充放电,同时具有良好的NVH性能。

增程式电动车用永磁同步电机弱磁控制仿真研究

考虑到增程式电动车(EREV)电驱动系统的特点和特殊要求,在永磁同步电机数学模型的基础上,研究了永磁同步电机的弱磁控制原理及其控制策略。在基速以下,采用最大转矩/电流控制(MTPA),使电机运行于恒转矩区,以获得最大电磁转矩;当转速增至基速后,则采用弱磁控制策略,以拓宽电机的调速范围,实现高速恒功率运行。在Matlab/Simulink中,基于电压空间矢量脉宽调制(SVPWM)技术对永磁同步电机弱磁控制系统进行了建模仿真,验证了该弱磁控制算法正确性。