-
公开(公告)号:CN112810503A
公开(公告)日:2021-05-18
申请号:CN202110072633.3
申请日:2021-01-20
Applicant: 同济大学
IPC: B60L58/40
Abstract: 本发明涉及一种考虑动态响应能力的基于神经网络的汽车动力控制方法,包括:S1:实时获取汽车的整车工况特征速度、动力系统的需求功率、能量源的功率和蓄电池SOC;S2:根据蓄电池SOC判断燃料电池是否开启,若燃料电池开启则执行步骤S3;S3:将整车工况特征速度、动力系统的需求功率和能量源的功率载入神经网络中,获取能量源的当前最优功率分配参数;S4:根据燃料电池系统的动态响应能力曲线,对能量源的当前最优功率分配参数进行修正;S5:根据修正后的能量源的当前最优功率分配参数,对能量源的输出功率进行分配控制。与现有技术相比,本发明考虑了燃料电池的动态响应能力,而且具有燃油经济性好、结构简单、易于实车实现等优点。
-
公开(公告)号:CN112810504B
公开(公告)日:2023-03-31
申请号:CN202110072634.8
申请日:2021-01-20
Applicant: 同济大学
IPC: B60L58/40
Abstract: 本发明涉及一种基于非线性预测模型控制的燃料电池汽车能量管理方法,包括:1)实时采集汽车行驶的工况信息,判断当前时间内汽车行驶的工况状态;2)将步骤1)中的当前工况状态参数输入到建立的预测模型中,确定未来预测时域内汽车运行状态;3)根据步骤2)中的车辆未来预测时域内运行状态,按照经济性和电源系统耐久性的要求利用动态规划算法优化汽车有限时域内的控制序列;4)将步骤3)求出的有限时域最优控制序列的第一个元素作用给车辆,在下一时刻从步骤1)开始重复。与现有技术相比,本发明具有性能可靠、经济性和电源系统耐久性综合较优、实用性强等优点。
-
公开(公告)号:CN112810503B
公开(公告)日:2023-02-10
申请号:CN202110072633.3
申请日:2021-01-20
Applicant: 同济大学
IPC: B60L58/40
Abstract: 本发明涉及一种考虑动态响应能力的基于神经网络的汽车动力控制方法,包括:S1:实时获取汽车的整车工况特征速度、动力系统的需求功率、能量源的功率和蓄电池SOC;S2:根据蓄电池SOC判断燃料电池是否开启,若燃料电池开启则执行步骤S3;S3:将整车工况特征速度、动力系统的需求功率和能量源的功率载入神经网络中,获取能量源的当前最优功率分配参数;S4:根据燃料电池系统的动态响应能力曲线,对能量源的当前最优功率分配参数进行修正;S5:根据修正后的能量源的当前最优功率分配参数,对能量源的输出功率进行分配控制。与现有技术相比,本发明考虑了燃料电池的动态响应能力,而且具有燃油经济性好、结构简单、易于实车实现等优点。
-
公开(公告)号:CN112810504A
公开(公告)日:2021-05-18
申请号:CN202110072634.8
申请日:2021-01-20
Applicant: 同济大学
IPC: B60L58/40
Abstract: 本发明涉及一种基于非线性预测模型控制的燃料电池汽车能量管理方法,包括:1)实时采集汽车行驶的工况信息,判断当前时间内汽车行驶的工况状态;2)将步骤1)中的当前工况状态参数输入到建立的预测模型中,确定未来预测时域内汽车运行状态;3)根据步骤2)中的车辆未来预测时域内运行状态,按照经济性和电源系统耐久性的要求利用动态规划算法优化汽车有限时域内的控制序列;4)将步骤3)求出的有限时域最优控制序列的第一个元素作用给车辆,在下一时刻从步骤1)开始重复。与现有技术相比,本发明具有性能可靠、经济性和电源系统耐久性综合较优、实用性强等优点。
-
公开(公告)号:CN111880100A
公开(公告)日:2020-11-03
申请号:CN202010790065.6
申请日:2020-08-07
Applicant: 同济大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明涉及一种基于自适应扩展卡尔曼滤波的燃料电池剩余寿命预测方法,包括以下步骤:1)通过自适应扩展卡尔曼滤波算法,获取燃料电池当前时刻的平均单片电压估计值;2)采集燃料电池在各工况下的时间比例和衰减速率,计算燃料电池的总衰减速率;3)根据当前时刻的平均单片电压估计值与当前时刻的平均单片电压实际值,计算环境因子;4)根据当前时刻的平均单片电压估计值、总衰减速率和环境因子,通过剩余使用寿命计算公式,得到燃料电池当前时刻的剩余使用寿命的预测结果。与现有技术相比,本发明具有精度高、稳定性好和大大减小了计算量等优点。
-
-
-
-