利用神经网络进行了电动汽车用的磷酸铁锂(LiFePO4)电池荷电状态(state of charge,SOC)预测研究。在分析磷酸铁锂电池充放电机理的基础上,采用levenberg-marquardt(LM)算法建立了磷酸铁锂电池的BP(back propagation)神经网络模型,并进...利用神经网络进行了电动汽车用的磷酸铁锂(LiFePO4)电池荷电状态(state of charge,SOC)预测研究。在分析磷酸铁锂电池充放电机理的基础上,采用levenberg-marquardt(LM)算法建立了磷酸铁锂电池的BP(back propagation)神经网络模型,并进行了电池SOC值的预测。结果表明,基于神经网络的电池SOC预测方法具有较高的精度,可用来预测磷酸铁锂电池的SOC值。展开更多
针对混合动力电动汽车(hybrid electric vehicle,HEV)控制系统CAN总线在调度信号时的不确定性和低优先级信号易死锁等问题,设计了基于截止期公差递增区分策略的混合调度算法进行优先级分配,并应用于HEV控制系统中。最后利用Truetime和dS...针对混合动力电动汽车(hybrid electric vehicle,HEV)控制系统CAN总线在调度信号时的不确定性和低优先级信号易死锁等问题,设计了基于截止期公差递增区分策略的混合调度算法进行优先级分配,并应用于HEV控制系统中。最后利用Truetime和dSPACE硬件在环平台进行实例HEV的CAN测试和功能仿真分析,验证了该混合调度算法的有效性,从而为研究新能源汽车(包括纯电动汽车、插电式混合动力汽车)的CAN总线数据通信提供一种新方法。展开更多
文摘利用神经网络进行了电动汽车用的磷酸铁锂(LiFePO4)电池荷电状态(state of charge,SOC)预测研究。在分析磷酸铁锂电池充放电机理的基础上,采用levenberg-marquardt(LM)算法建立了磷酸铁锂电池的BP(back propagation)神经网络模型,并进行了电池SOC值的预测。结果表明,基于神经网络的电池SOC预测方法具有较高的精度,可用来预测磷酸铁锂电池的SOC值。
文摘针对混合动力电动汽车(hybrid electric vehicle,HEV)控制系统CAN总线在调度信号时的不确定性和低优先级信号易死锁等问题,设计了基于截止期公差递增区分策略的混合调度算法进行优先级分配,并应用于HEV控制系统中。最后利用Truetime和dSPACE硬件在环平台进行实例HEV的CAN测试和功能仿真分析,验证了该混合调度算法的有效性,从而为研究新能源汽车(包括纯电动汽车、插电式混合动力汽车)的CAN总线数据通信提供一种新方法。