CN102837696B - 具有在线监测功能的燃料电池叉车混合动力控制系统 - Google Patents
具有在线监测功能的燃料电池叉车混合动力控制系统 Download PDFInfo
- Publication number
- CN102837696B CN102837696B CN201210211486.4A CN201210211486A CN102837696B CN 102837696 B CN102837696 B CN 102837696B CN 201210211486 A CN201210211486 A CN 201210211486A CN 102837696 B CN102837696 B CN 102837696B
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- controller
- control
- motor
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种具有在线监测功能的燃料电池叉车混合动力控制系统,属于燃料电池叉车的控制技术,现有燃料电池叉车的燃料电池、锂电池难以发挥其最佳性能,本发明由燃料电池、辅助锂电池和超级电容3种能量源混合配置的结构形式,采用模糊控制实现能量管理,采用嵌入式系统技术、GPS技术、CAN总线管理技术、CDMA等无线传输技术实现对燃料电池和锂电池的工作性能的控制和调整,让燃料电池和锂电池的性能发挥到最佳。具有燃料电池性能控制、能量输出管理,锂电池能量管理,多种能量输出管理以及无线监测燃料电池叉车运行状态的功能。彻底解决了国内原有混合动力有污染的问题。
Description
技术领域
本发明属于燃料电池叉车的控制技术,具体是具有在线监测功能的燃料电池叉车混合动力控制系统。
背景技术
现有的燃料电池叉车,燃料电池、锂电池难以发挥其最佳性能,系统能量难以自动回收而造成浪费。
发明内容
本发明要解决的技术问题和提出的技术任务是克服现有燃料电池叉车的燃料电池、锂电池难以发挥其最佳性能等缺陷,提供一种具有在线监测功能的燃料电池叉车混合动力控制系统。
为达到上述目的,本发明的具有在线监测功能的燃料电池叉车混合动力控制系统包括:
整车控制器;
电机;
控制电机并受控于所述整车控制器的电机控制器;
燃料电池,其通过燃料电池控制器受控于所述的整车控制器,并通过DC/DC变换器经所述的电机控制器向所述的电机输出功率,所述的DC/DC变换器受控于一DC/DC控制器,所述的DC/DC控制器受控于所述的整车控制器;
锂电池,其通过锂电池管理系统受控于所述的整车控制器,并经所述的电机控制器向所述的电机输出功率或者吸收多余功率;
超级电容,其受控于所述的整车控制器,并经所述的电机控制器回收或输出瞬间大电流;
所述的整车控制器、电机、电机控制器、燃料电池、燃料电池控制器、DC/DC变换器、DC/DC控制器、锂电池、锂电池管理系统、超级电容由CAN总线连接构成分布式控制系统;
远程在线车载信号监测模块,其包括GPS、CDMA通信单元、CDMA传输网络、数据接收模块、监控PC。
作为优选技术手段,所述的分布式控制系统分为3层,最高层为组织层,中间层为协调层,最底层是执行层,所述的组织层为踏板油门,所述的协调层包括踏板挡位处理模块、整车模糊控制器FLC、能量管理模块、所述的电机控制器组成,所述的执行层包括所述的燃料电池、DC/DC、锂电池、超级电容、电机组成;所述踏板油门的信息经踏板挡位处理模块处理转换成驱动系统的扭矩给定量u1i,驱动系统的扭矩给定量u1i与实际扭矩um的偏差uei输入整车模糊控制器FLC,整车模糊控制器FLC的输出由能量管理模块根据所述燃料电池、锂电池、超级电容的当前状况确定能量流向及电源的分配比例实现配比控制,最终将能量管理模块的输出作为电机控制器的电流给定信号去控制电机驱动电流(控制驱动系统扭矩),直到扭矩偏差uei=0为止。进一步的:所述的能量管理模块由SOC分档、工作模式判别、能量配比、配比控制4个模块组成。所述的能量管理模块包括制动能量回收单元,所述的制动能量回收单元包括摩擦制动控制模块、能量回收控制模块。
作为优选技术手段,所述的燃料电池控制器包括嵌入式系统控制单元、电压电流传感器、信号变换处理电路、流量压力传感器、温度湿度传感器、LCD显示器、氢气阀门、氧气阀门以及温度湿度控制模块、超级电容充放电模块,所述的电压电流传感器、流量压力传感器、温度湿度传感器的信号经所述的信号变换处理电路处理后发送给所述的嵌入式系统控制单元,嵌入式系统控制单元控制所述氢气阀门、氧气阀门以及温度湿度控制模块、超级电容充放电模块。
作为优选技术手段,所述的锂电池管理系统包括充/放电器、温度传感器、隔离模块、数据采集器、控制模块、PC、LCD显示器。
作为优选技术手段,所述的DC/DC控制器包括基于DSP的数字化控制系统、模拟控制及接口电路、驱动电路及辅助控制电源模块。
作为优选技术手段,所述的燃料电池及DC/DC变换器、锂电池、超级电容用CAN总线连接至所述的电机控制器。
本发明的有益效果是:
(1)对燃料电池的工作状态、性能和工作参数进行研究测试,引入神经网络+PID控制算法,建立运行控制模型,采用电子技术、计算机智能控制技术对算法进行实现,推出全新的全数字车载控制系统,让燃料电池发挥其最佳性能;
(2)全新的锂电池车载管理系统,让锂电池发挥其最佳性能;
(3)实现以燃料电池和锂电池为混合动力系统的能量管理以及自动能力回收等问题;
(4)针对以燃料电池和锂电池为动力的车辆和备用电源,其动态性能相对比较复杂,基于安全性和使用寿命的考虑,设计以CDMA和CAN总线为基础的无线车辆状态识别和控制系统。
附图说明
图1是本发明的动力控制系统框图;
图2是本发明的燃料电池叉车控制系统框图;
图3是本发明的燃料电池叉车能量管理框图;
图4是本发明的燃料电池控制器硬件框图;
图5是本发明的SOC估计系统硬件系统组成;
图6是本发明的锂动力电池SOC估计原理框图;
图7是本发明的制动能量回收单元框图;
图8是本发明的DC/DC控制器的构成框图。
具体实施方式
以下结合说明书附图对本发明做进一步说明。
本发明的具有在线监测功能的燃料电池叉车混合动力控制系统,如图1所示,其包括:
整车控制器;
电机;
控制电机并受控于整车控制器的电机控制器;
燃料电池,其通过燃料电池控制器受控于整车控制器,并通过DC/DC变换器经电机控制器向电机输出功率,DC/DC变换器受控于一DC/DC控制器,DC/DC控制器受控于整车控制器;
锂电池,其通过锂电池管理系统受控于整车控制器,并经电机控制器向电机输出功率或者吸收多余功率;
超级电容,其受控于整车控制器,并经电机控制器回收或输出瞬间大电流;
整车控制器、电机、电机控制器、燃料电池、燃料电池控制器、DC/DC变换器、DC/DC控制器、锂电池、锂电池管理系统、超级电容由CAN总线连接构成分布式控制系统;
远程在线车载信号监测模块,其包括GPS、CDMA通信单元、CDMA传输网络、数据接收模块、监控PC。
燃料电池作为主能量源提供驱动叉车所需的功率;锂电池则用来提供不足功率或吸收多余功率;超级电容主要用于回收和输出瞬间大电流(比如制动能量回收等)。按照一定的控制策略,由控制系统对三者输出或输入的功率进行合理的优化分配,从而可以在满足动力性能的基础上获得较高的燃料经济性。与传统的燃料电池加动力蓄电池(简称FC+B)或燃料电池加超级电容(简称FC+C)的两种混合方案相比,燃料电池及锂电池加超级电容的混合方案(简称FC+Li+C),超级电容系统用以满足峰值功率要求和紧急功率需要,它也参与吸收汽车的制动能量。超级电容的功率密度大,充放电效率高,接受快速大电流充电能力强,能够保护锂电池组防止过充。与FC +B动力结构相比, FC +LI+C动力结构的优势主要由超级电容系统来体现,FC +LI +C结构改进了回收制动能量的性能,使动力系统的效率和寿命大大提高。
通过CAN总线组成的分布式控制系统,信号传输介质为光纤。
本系统主要是利用CDMA移动通信网络的短信息业务完成数据的无线传输,免去了现场组网的初期建设费用以及日后的网络维护费用。通过数据终端,将采集到的现场数据以短信息的形式发送到监控中心,在监控中心进行燃料电池、锂电池、整车运行状态的监控,为燃料电池的性能跟踪和分析带来最佳的解决方案。利用GPS系统对整车进行定位,为车辆的安全运行提供保障。
系统组成包括混合动力系统CDMA通信单元、CDMA传输网络、数据接收模块、监控PC。
通信单元采用CDMA无线模块来实现。CDMA无线模块作为终端的无线收发模块,把单片机接收到的数据信息进行编码后以短信息的格式发送出去。CDMA的无线模块采用ZT EjT的MG801A模块,MG801A—CDMA模块是内景软件支持CDMA2000 1X REVO标准和GoTa协议的工业级应用模块,工作频段为800 MHz。能完成语音、数据、传真、短信息服务以及多种附加业务的功能。具有容量大、辐射小、低功耗、体积小等特点。模块通过8O脚的插座与外围电路进行接口。该模块的供电电压为3.3~4.25V,典型值为3.8 V。
系统软件设计就在于ARM的编程,通过向MG801A模块发送不同的AT指令来实现不同的功能,如读取短信息的内容,删除短信息、列出模块中还未读的短信息等。AT(Attention)指令最初由Hayes公司推出,主要用于对调制解调器的控制,现在已演化为一种标准,所有移动模块都支持AT指令。虽然不同厂家的手机模块都参照GSM协议,但格式还是有所不同,开发过程中一定要认真参考厂家给的资料。同时在开发过程中发现指令的执行过程需要单片机与手机交互应答完成,每一次发送或接收的字节数有严格的规定,二者必须依据这些规定实现数据交换,否则,通信就是失败的。
燃料电池本体的特性较软,输出电压随负载变化较大,经大功率的DC/DC变换器可转换成稳定、可控的直流电源。辅助电源为锂电源,其作用是: 1)在燃料电池启动时提供电能;2) FCEV加速或爬坡时提供电能; 3)在FCEV再生制动时回收制动反馈能量;4)停车时为控制系统、照明系统、等车载电气设备提供电能。燃料电池发动机和镍氢电池堆并联组成一个48V的高压直流电源。驱动系统由电机(含减速器) 和电机控制器组成。
分布式控制系统分为3层,参见图2,最高层为组织层,中间层为协调层,最底层是执行层:组织层为踏板油门;协调层根据驾驶员的各种操作和汽车当前的状态解释出驾驶员的意图,同时根据执行层的当前状态,做出最优的协调控制,其包括踏板挡位处理模块、整车模糊控制器FLC、能量管理模块、电机控制器组成;执行层有一定的自适应和极限保护功能,包括燃料电池、DC/DC、锂电池、超级电容、电机组成;电机控制器与电机构成的驱动系统类似于传统的车用发动机, 它设置为恒扭矩(恒电流) 工作方式,工作过程如下:踏板油门的信息经踏板挡位处理模块处理转换成驱动系统的扭矩给定量u1i,驱动系统的扭矩给定量u1i与实际扭矩um的偏差uei输入整车模糊控制器FLC,整车模糊控制器FLC(fuzzy logic con t ro ller)的输出由能量管理模块根据燃料电池、锂电池、超级电容的当前状况确定能量流向及电源的分配比例实现配比控制,最终将能量管理模块的输出作为电机控制器的电流给定信号去控制电机驱动电流(控制驱动系统扭矩),直到扭矩偏差uei=0为止。
能量管理模块参见图3,由SOC分档、工作模式判别、能量配比、配比控制4个模块组成。SOC分档:SOC(state of charge,荷电状态) 是一个反映电池剩余电量的参数。锂电池包ECU采用基于抗差UKF的锂动力电池SOC估计测量SOC,测量结果通过CAN总线传输到整车控制器。能量流管理模块则将SOC模糊化为1、2、……10 等10档或10个单点模糊集。FCEV工作模式划分为4 种:①启动\加速\爬坡模式,燃料电池发动机和锂电池都为主能量流;②正常工作模式,燃料电池发动机为主能量流,锂电池为辅助能量流;③锂电源充电模式,在轻载期间,燃料电池发动机在向电机提供所需的能量的同时向锂电池充电;④减速/制动模式,超级电容回收再生制动能量。能量配比:按其工作模式的不同,两电源对负载承担的具体份额不同,即各工作模式的具体配比方案不同;其配比总原则是:让锂电池处于最佳状态,即SOC 在5、6 两档,在这种状态下里锂电池能吞能吐,有利于提高整车效率。配比控制模块:以分配给锂电池的份额为约束条件,调节燃料电池发动机的输出功率,将锂电池电流控制在配额值。
燃料电池控制器参见图4,包括嵌入式系统控制单元、电压电流传感器、信号变换处理电路、流量压力传感器、温度湿度传感器、LCD显示器、氢气阀门、氧气阀门以及温度湿度控制模块、超级电容充放电模块,电压电流传感器、流量压力传感器、温度湿度传感器的信号经信号变换处理电路处理后发送给嵌入式系统控制单元,嵌入式系统控制单元控制氢气阀门、氧气阀门以及温度湿度控制模块、超级电容充放电模块。
根据电池发电系统进行控制策略研究中提出的温度、湿度、压力以及流量的测量要求,选择相应的传感器来实现相应物理量的测量。
为了实时反应速度,采用基于嵌入式系统的处理单元模式。按照相应的策略研究进行测量,并通过相应算法来实现燃料电池发电系统的控制。通过监测电池发电系统的电压值来判定是否对超级电容进行充放电。信号变换处理电路用于对传感器信号的处理与变换;嵌入式系统控制单元完成算法处理,LCD显示电动车和燃料电池的状态信息,包括燃料电池的输出电压/电流和工作温度等。S3C2410按照负载上的电压量控制MOS管堆超级电容进行的充放电。
整个控制系统的核心是基于嵌入式系统的数据采集与反馈控制。在该测试系统需要采集模拟量共有13路,其中热电耦的温度模块有7路电流信号,气体压力有2路电流信号,气体流量有2路电压信号,电池电压与电流采集则各有1路。在设计中,压力传感器采用了高精度的DC1300-DF型压力变送器,测试精度为0.5%,流量计采用D07-9C质量流量控制计,测试精度1%,控制精度1.5%。系统的模拟量输出共有6路,分别为可控硅的温度模块4路、流量计控制输出2路。而本测试系统的数字采集和控制量是跟系统安全运行相关的一些重要参数,包括供气系统各环节中的水位、各电磁阀的关断、氢气泄露监测等信号。根据以上采集与控制量的分析,在本系统的设计中采用了ADLINKTECH的PCI-9112、PCI-6208V数据采集控制卡:
1)PCI-9112主要用于模拟量的采集、数字量的采集和控制。它是12位110KHz采样率多功能数据采集卡,具有16路单端或8路差分模拟输入通道、16路TTL数字输入和16路TTL数字输出通道、2路12位多路切换模拟输出通道、1通道16位通用定时/计数器、3种触发方式、可编程增益控制。
2)PCI-6208V主要用于模拟量的控制。它是16位8通道模拟量输出控制卡,输出范围±10V,输出范围可编程。
由于数字量为24V,模拟量输入有9路为电流信号,所以由PCI-9112数据采集卡配合端子板ACLD-9182(16通道隔离数字输入)、ACLD-9138(16通道模拟量输入)来完成系统的输入要求。而输出方面,PCI-9112的8路数字量输出通过端子板ACLD-9185(16通道继电器输出)实现系统对数字量的控制,PCI-6208V的6路模拟量输出则通过端子板ACLD-9137(8通道模拟量输出)实现系统对模拟量的控制要求。
针对燃料电池的动态性能影响特性,建立燃料电池模型辨识,采用含有一个隐层的基于改进PSO 的BP 神经网络结构,以输入输出模型的方式,建立PEMFC 电特性模型,隐层神经元个数为25 ,神经元激活函数f 采用Sigmoid 函数,误差性能函数为平均平方误差,设定网络误差限为1. 0 ×10 - 5 ,网络训练样本集为不同工作温度下的200组实验数据,随机选取其中的80 组数据作为网络测试样本集。以氢气压力PH(k)、氢气流速VH(k)、空气(或氧气)压力PA(k)、 空气流速VA(k)和反应气体湿度M(k)作为模型输入量,PEMFC 的输出电压U( k)和电流密度J ( k)作为输出量,通过学习、训练和测试,建立在工作温度为40 ℃、50 ℃和60 ℃时的PEMFC 电特性模型。
BP 网络是三层前馈网络,即输入层,隐含层和输出层,如图6 所示。设输入层LA 有m 个节点,输出层LC 有n 个节点,隐含层LB 的节点数目为u, Wir 为输入层神经元到隐含层神经元间的连接权;Vrj 为隐含层神经元到输出层神经元间的连接权。
隐含层中的节点输出函数为:br=f(WTX-θ),r=1,……n
输出层中节点的输出函数为:cj=f(VTB-φ),j=1,……n
激活函数采用Sigmoid 函数:
基本的BP算法是基于最快梯度下降法的,其网络权值的修正可以描述为:
其中,Δω( k+1) 表示k + 1 次修正时权值向量的修正量,η为学习率,ek 为第k 次时的误差函数, n 为神经网络输出节点个数, 和 分别为神经网络的第i 个参考输出和实际输出。
由于基本BP 神经网络的学习算法存在收敛速度慢,易陷入局部极小值。因此,为加快收敛速度,提高BP 网络性能,我们拟采用改进粒子群算法对BP 神经网络的权值进行优化的学习算法。
同时,为了避免粒子出现“聚集”现象,采用了一种简单、实用的自调整方法:粒子群在搜索空间搜索时,当种群的Pg 经过设定的次数仍然得不到提高时,算法在保留Pg 的情况下重新初始化粒子群中部分粒子的位置和速度,使寻优操作达到更广的空间,从而避免过早收敛。用改进PSO优化BP神经网络权值时,定义粒子群的位置向量x 为BP网络的全体连接权值。首先初始化位置向量x,然后用改进PSO 搜索最优位置,使如下均方误差( eMSE) 指标(适应值) 达到最小:
其中,N 使训练集的样本数; 是第i 个样本的第j 个网络输出节点的理想输出值, 是第i 个样本的第j 个网络输出节点的实际输出值;C是网络输出神经元个数。
控制器软件实现如下:
控制系统的整个软件设计过程中采用了面向流程的程序设计思想和模块化的程序结构,将测试系统的软件在结构上分为流程监测模块、控制模块和分析模块、安全监测模块4个部分,语言采用C语言和汇编语言共同完成。流程监测程序实时的显示燃料电池运行中的各类参数,包括反应气的压力、流量、加湿器温度和电堆温度等,并负责实时监测所有电磁阀的状态、水箱水位状态、电子负载的运行状态,以便在发生异常情况时能及时提示用户。控制模块和分析模块主要负责将基于改进PSO 的BP神经网络算法的实现以及分析各个参数所处于的工作状态。安全监测模块实现各个参量的安全监测,如果超过门限值将报警,同时进行必要的处理,如断电保护等。
锂电池管理系统包括充/放电器、温度传感器、隔离模块、数据采集器、控制模块、PC、LCD显示器。其技术的核心是解决市场上准确的SOC算法估计研究,为锂电池能量输出提供准确的管理。锂电池SOC估计系统的硬件电路功能模块组成如图5所示,硬件平台的主要目的是测试锂电池性能,获取SOC算法。充/放电器主要是对电池进行恒流充/放电实验的,这样有利于推算SOC算法。
整个测试系统的核心是基于嵌入式系统的数据采集与反馈控制,嵌入式系统功能采用S3C2410完成,数据采集模块采用了ADLINKTECH的PCI-9112、PCI-6208V数据采集控制卡,相关功能如下:
1)PCI-9112主要用于模拟量的采集、数字量的采集和控制。它是12位110KHz采样率多功能数据采集卡,具有16路单端或8路差分模拟输入通道、16路TTL数字输入和16路TTL数字输出通道、2路12位多路切换模拟输出通道、1通道16位通用定时/计数器、3种触发方式、可编程增益控制。
2)PCI-6208V主要用于模拟量的控制。它是16位8通道模拟量输出控制卡,输出范围±10V,输出范围可编程。
由于锂离子电池特性比较复杂,且影响动力电池性能的因素较多,某种特定的方法在实际应用于电动车上都存在较大的误差。根据我们在电池能量管理系统上原有的研究基础和当前国内外的研究进展,同时综合分析了上述各种方法的优缺点,本项目提出了复合SOC估计算法,新方法结合Ah计量法、开路电压法和改进的无迹Kalman滤波法(抗差UKF),对动力电池的实际容量进行校正,达到准确预测电池的剩余容量的目的。SOC估计系统的原理框图如图6所示。
离子电池SOC估计的主要难点在于电池实际容量的确定,而单纯采用Ah计量法虽能准确计量进出电池的能量,但无法确定电池充放电的原点。开路电压测量法是利用电池的开路电压与电池的放电深度的对应关系,通过测量电池的开路电压来估计电池的初始剩余容量,但不能用于动态的电池剩余容量估计。把标准Kalman滤波法用于估计动力电池剩余容量,输入量是电池的温度、电流、温度、剩余容量等,输出量是工作电压,对电池的状态(包括SOC)能作出足够有效的估计。但是该方法没有考虑到动力电池的荷电状态受电池老化等因素的影响,即粗差引起的误差,因此,在这些条件变化后,标准Kalman滤波法无法精确估计电池的SOC状态。本课题将Ah计量法、开路电压法和抗差UKF滤波法结合起来,由开路电压法测出电池的初始容量,由Ah计量法和抗差UKF计算动态的电池剩余容量,并将两种方法的计算结果进行比较,从而校正电池的实际容量,以达到准确预测估计的目的。本课题设计的估计方法中,同时考虑电池的补偿问题(包括充放电补偿、温度补偿、老化补偿等)和自整定问题。
SOC估计算法设计如下:
在运用UKF滤波法对锂电池进行SOC估计时,要选择一个合适的电路模型来反映电池的特性。目前常用的描述锂电池SOC的模型有以下三种:
(1) Thevenin电池模型,主要缺点是模型中的各个参数都被设为常量,但实际上这些量都是电池状态的函数。
(2) Shepherd电池模型,其中各个参数都为待定参数,需要根据试验数据得到,这样在测量过程中的误差会影响建立模型的正确性。
(3) Peukert经验公式,亦即锂电池容量衰减方程,和是针对具体电池通过实验数据而获得的参数,为提高模型的精确度,通常把放电电流分为大中小三个区域,在各自区域中分别采用不同的和,在实际使用中用此公式准确描述电池模型的困难较大。
综合考虑多种因素,本发明选用Thevenin模型作为抗差UKF算法的电池模型,因为它能较好地体现电池的动态性能,同时阶数不高,减少了处理器的运算,易于工程实现。另外,此模型还能够准确地反映电池电动势与端电压的关系,从而使闭环估计有较高的精度。模型中E(t)描述电池电动势,与电池的SOC有固定的函数关系;R1描述电池的等效欧姆内阻;R2描述电池的极化内阻,它与电容并联用于模拟电池充放电极化过程中表现出的动态特性。其中模型中的参数、、均可以通过试验利用系统参数辨识的方法得到,并且它们的值与工作环境、工作电流及其方向(充、放电)、寿命状态等因素相关。
锂离子电池的非线性模型:
其中(1)分别是状态方程和量测方程。上述方程组中:是某一个时刻的电池,表示初始时刻的值;是放电效率;是放电电流;是电池的初始容量;是采样时间;是输出量(端电压);是初始端电压或者开路电压;是参数;是电池内阻。
UKF滤波算法的基本思想是基于无迹变换(Unscented Transformation, UT) ,即用固定数量的参数去近似一个高斯分布,比近似任意的非线性函数或变换更容易。基本原理为:在原先状态分布中按某一规则(U变换)取一些点,使这些点的均值和协方差等于原状态分布的均值和协方差;将这些点代入非线性函数中,相应得到非线性函数值点集,通过这些点求取变换后的均值和协方差。可见,UKF本质上是一种状态估计方法,其对系统参数的估计是通过联合估计来实现。
UKF实现的基础是U变换,是其区别于其他非线性估计方法的本质特点。U变换的基本原理是,用采样点的分布来近似随机变量的概率分布,由被估计量的“先验”均值和方差,产生一批离散的与被估计量具有相同的概率统计特性的采样点,称为Sigma点,再根据经过非线性方程传播后的Sigma点,生成“后验”的均值和方差。因此,UKF方法最重要的是确定Sigma点的采样策略,也就是确定Sigma点的个数、位置以及相应的权值。目前,最常用的是2n+1个Sigma点对称采样策略,即Sigma点由状态的当前估计值和矩阵方根的列产生,共2n+1个,关于呈对称分布,且其样本均值和方差与状态当前的相应值相同。
能量管理模块包括制动能量回收单元,制动能量回收单元参见图7,包括摩擦制动控制模块、能量回收控制模块。
制动能量回收系统的研究是燃料电池游览车开发过程中一个重要的环节,而其性能则主要依赖于该系统的控制策略。制动能量回收控制策略需根据车辆动力链结构设计,设计的目标一般是提高整车的耗能经济性以及优化驾驶员感受。它们设计的共同特点是电机提供大部分的制动力用于能量回收,特别是在制动强度较小情况下,电机提供全部的制动力制动能量回收系统控制的目标是,在维持车辆原有制动性能和满足驾驶员制动要求的基础上最大程度地回收车辆的动能,其控制逻辑如图7所示。
制动能量回收系统工作时,首先根据制动踏板位移来判别驾驶员的制动需求,然后根据制动要求和车辆以及路面状况来分配前、后轮摩擦制动扭矩和回收制动扭矩。在满足驾驶员要求和车轮不趋于抱死的情况下,在驱动轮上应尽量增大由电机提供的回收制动扭矩。当回收制动扭矩低于驾驶员所需求的制动扭矩的时候,为了满足驾驶员的制动需求,应使用摩擦制动装置产生摩擦制动扭矩。在这种情况下回收制动扭矩和摩擦制动扭矩配合工作,达到制动目的,同时兼顾前、后轮制动力的分配。
在制动能量回收系统中,回收制动控制模块根据电机的扭矩特性,决定可回收制动扭矩的范围,并传递给摩擦制动模块。摩擦制动控制模块根据驾驶员制动需求,按保持汽车的方向稳定性和最大化能量回收的原则来初步决定前、后轮之间的制动力比例和数值,以及回收制动力和摩擦制动力之间的比例和数值。之后,摩擦制动控制模块将计算出来的所需回收制动扭矩的量值传递给回收制动控制模块,回收制动控制模块再据此去控制电机回收制动能量。如果电机的回收制动扭矩已经达到其最大值时还不能满足驱动轮上的制动需求,则剩余部分的制动力矩由作用于该轮的摩擦制动来补充。如果作用于电机的实际回收制动扭矩为零,则驱动轮上所有的制动需求都由该轮的摩擦制动来满足。在制动能量回收系统工作过程中,前、后轮制动力的分配直接影响到整车制动方向稳定性。前驱动轮上回收制动力和摩擦制动力的分配直接影响到可回收的制动能量,这两种制动力的分配是保证制动能量回收控制策略实现的关键。
电动车辆技术主要包括四个方面的关键技术:电池技术、电机及其控制技术、电动车辆整车技术以及能量管理技术。其中,电机及其控制系统是电动车辆的心脏,它是研究电动车辆首先必须解决的问题。电动车辆要求电机及其控制系统具有恒功率输出和高功率密度;在车辆起步和爬坡时具有低速高转矩特性以及车辆巡航时具有高速低转矩特性;具有较大的转速范围;快速的转矩响应特性;在转矩/转速特性的较宽范围内具有高的效率;坚固,能在不同的条件下可靠的工作;成本低。
用于电动车辆的电机主要有直流电机、感应电机、永磁同步电机、永磁无刷直流电机以及开关磁阻电机。由于直流电机在低速时的转矩很高且容易控制,所以早期的电动汽车都采用直流电机驱动系统,但直流电机的换向器和电刷需要定期维护。目前,随着技术的发展,许多先进的电机驱动技术显示优于直流电机的性能。
交流异步电机在额定负载、额定转速区域的运行效率是最高的,但在实际运行过程中,电机往往工作在小负载低速运行状况,此时大量能量消耗在铜损和铁损上,同时,其控制系统一般为变频变压控制(VVVF)和矢量控制(FOC),系统比较复杂,轻载时一般效率较低。
永磁无刷电动机系统可以分为两类,一类是方波驱动的无刷直流电动机系统(BLDC),另一类是永磁同步电动机系统(PMSM)。
永磁同步电动机的结构简单,环境适应性好、性能可靠,体积更小而且质量更轻,响应快。永磁同步电动机在高速转动时有良好的可靠性,运转平稳,工作时电流损耗小、弱磁控制也容易实现,工作噪声低。所以,它非常适用于电动汽车驱动系统。永磁同步电机的控制及其控制策略与感应电机相似,变频变压控制(VVVF)和矢量控制(FOC)。相对来说控制系统比较复杂。
开关磁阻电动机(SRM)是一种双凸极磁阻电动机,基于磁阻最小原理工作。SRM比其他任何一种电动机都要简单,转子的运转是依靠磁引力来运行。SRM的主要特点是起动转矩大,起动电流小,具有较高的功率密度和转矩质量比,动态响应快,在广泛的转速范围内效率都比较高,而且可以方便地实现四象限控制,因而它不仅具有异步电动机矢量控制系统的高效率、高可靠性,也具有直流调速系统的良好控制特性,非常适合于电动车辆动力性能的要求。SRM结构简单坚固,可靠性好,但不足的是转矩脉动大,控制系统较复杂,工作噪声大,比同样功率的感应电动机体积要大一些。
永磁无刷直流电机也采用永磁转子,电机不采用机械式换向器和电刷,而是采用由固态逆变器和转子位置检测器组成的电子换向器。位置传感器用来检测转子在运动过程中的位置,并将位置信号转换为电信号,保证各相绕组的正确换流。永磁无刷直流电动机在工作时,直接将方波电流输入永磁无刷直流电动机的定子中,控制永磁无刷直流电动机运转。永磁无刷直流电动机的优点是效率高,起动转矩大,过载能力强,高速操作性能好,无电刷,结构简单牢固,免维护或少维护,体积小质量轻,控制方便简单;但会产生转矩脉动,电流损耗大,工作噪声大。无刷直流电机已在电动自行车行业得到广泛的应用,电机及其控制系统的生产研制也具有良好的产业基础。综合以上考虑,本课题拟采用永磁无刷直流电机作为驱动电机。
对于电动车辆来说,提高电机控制系统的运行效率具有特殊的意义,一方面可以有效提高车辆行驶距离,另一方面也有利于提高电池的使用寿命。提高运行效率有两种途径,其一是提高电动汽车牵引驱动状态时的效率,其二是回收电动汽车处于制动状态时制动能量。
本课题拟采用一种称为低速能量回馈制动的电气制动方式。低速能量回馈制动技术能够在电机转速低于额定转速时可实现电磁制动,同时向电源回馈能量,这种控制方式制动效果较好,能量回馈效率高,控制方便、安全,是一种较好的电动车辆电气制动方式,其特点如下:
(a)可以实现能量的回馈;
(b)通过调节PWM占空比,可以控制充电电流以及制动转矩的大小;
(c)由于制动转矩和反电势成比例,当电机转速下降时,制动的作用将减弱;
(d)采用这种控制方式产生的转矩只可能为制动性质,也就是说,反电势的方向决定了制动转矩的方向,电机在这种情况下不可能反转。
因此,这种低速能量回馈制动的方式非常适合于电动车辆的制动控制。在驱动控制时,以电机绕组电流(驱动力矩)为控制对象,采用的电机绕组电流闭环控制具有与传统汽车相似的驾驶特性.在再生制动控制时,以回馈到电池的回馈电流为控制对象,所控制的再生电流有效地控制在电池的最大充电电流范围内。再生制动与机械制动联合制动的策略,可提高了车辆的制动性能,在有效地回收能源的基础上,提高了制动的强度、灵敏性和可靠性
综上所述,本课题拟采用无刷直流电机为动力,结合低速能量回馈技术研制新型车辆驱动控制系统。
本系统需要解决的技术关键包括:
(a)依据车辆运行状态,无刷直流电机转矩、转速、电流、功率输出的协调控制;
(b)电池、燃料电池、回馈能量的协调管理与控制;
(c)驱动控制系统与车辆综合控制管理系统的信息交换与协调控制。
DC/DC控制器包括基于DSP的数字化控制系统、模拟控制及接口电路、驱动电路及辅助控制电源模块,参见图8。
其中,基于DSP的数字化控制系统主要用于实现DC/DC变换器控制策略、数据采集及处理、CAN总线远程通讯等功能。控制系统中的DSP选用TMS320LF2407A处理器,该芯片具有高速信号处理和数字化控制功能所必需的结构特点。其优化的外设单元与高性能的DSP内核相结合.可为各种类型的应用提供高速和全变速的先进控制 模拟控制及接口电路用于数字化控制系统与模拟电路控制部分的连接,其功能是实现峰值均流控制、温度继电器开关、过压过流保护等。功率开关管的隔离驱动和控制系统供电则由驱动电路及辅助电源模块来完成。
在控制系统软件设计中.采用循环与中断相结合的总体结构.设计数据采样与处理子程序、控制策略子程序、CAN通讯子程序等功能模块程序。在中断程序中读取采样值.通过控制算法.配合硬件电路.实现输出稳压、稳流。
燃料电池及DC/DC变换器、锂电池、超级电容用CAN总线连接至电机控制器。设计CAN总线协议如下:采用扩展帧格式,波特率250k,通讯周期为100ms;DC/DC上电后接收到控制器控制命令后,输出电压设定值默认为48V,输入电流设定值默认值为75A,输出电流的设定值为上位机设定值;控制器通讯周期为100ms,DC变换器在收到控制器命令后1ms后返回一帧信息。
Claims (7)
1.具有在线监测功能的燃料电池叉车混合动力控制系统,其特征是包括:
整车控制器;
电机;
控制电机并受控于所述整车控制器的电机控制器;
燃料电池,其通过燃料电池控制器受控于所述的整车控制器,并通过DC/DC变换器经所述的电机控制器向所述的电机输出功率,所述的DC/DC变换器受控于一DC/DC控制器,所述的DC/DC控制器受控于所述的整车控制器;
锂电池,其通过锂电池管理系统受控于所述的整车控制器,并经所述的电机控制器向所述的电机输出功率或者吸收多余功率;
超级电容,其受控于所述的整车控制器,并经所述的电机控制器回收或输出瞬间大电流;
所述的整车控制器、电机、电机控制器、燃料电池、燃料电池控制器、DC/DC变换器、DC/DC控制器、锂电池、锂电池管理系统、超级电容由CAN总线连接构成分布式控制系统;
远程在线车载信号监测模块,其包括GPS、CDMA通信单元、CDMA传输网络、数据接收模块、监控PC;
所述的分布式控制系统分为3层,最高层为组织层,中间层为协调层,最底层是执行层,所述的组织层为踏板油门,所述的协调层包括踏板挡位处理模块、整车模糊控制器FLC、能量管理模块、所述的电机控制器组成,所述的执行层包括所述的燃料电池、DC/DC、锂电池、超级电容、电机组成;所述踏板油门的信息经踏板挡位处理模块处理转换成驱动系统的扭矩给定量u1i,驱动系统的扭矩给定量u1i与实际扭矩um的偏差uei输入整车模糊控制器FLC,整车模糊控制器FLC的输出由能量管理模块根据所述燃料电池、锂电池、超级电容的当前状况确定能量流向及电源的分配比例实现配比控制,最终将能量管理模块的输出作为电机控制器的电流给定信号去控制电机驱动电流,直到扭矩偏差uei=0为止。
2.根据权利要求1所述的具有在线监测功能的燃料电池叉车混合动力控制系统,其特征是:所述的能量管理模块由SOC分档、工作模式判别、能量配比、配比控制4个模块组成。
3.根据权利要求1所述的具有在线监测功能的燃料电池叉车混合动力控制系统,其特征是:所述的能量管理模块包括制动能量回收单元,所述的制动能量回收单元包括摩擦制动控制模块、能量回收控制模块。
4.具有在线监测功能的燃料电池叉车混合动力控制系统,其特征是包括:
整车控制器;
电机;
控制电机并受控于所述整车控制器的电机控制器;
燃料电池,其通过燃料电池控制器受控于所述的整车控制器,并通过DC/DC变换器经所述的电机控制器向所述的电机输出功率,所述的DC/DC变换器受控于一DC/DC控制器,所述的DC/DC控制器受控于所述的整车控制器;
锂电池,其通过锂电池管理系统受控于所述的整车控制器,并经所述的电机控制器向所述的电机输出功率或者吸收多余功率;
超级电容,其受控于所述的整车控制器,并经所述的电机控制器回收或输出瞬间大电流;
所述的整车控制器、电机、电机控制器、燃料电池、燃料电池控制器、DC/DC变换器、DC/DC控制器、锂电池、锂电池管理系统、超级电容由CAN总线连接构成分布式控制系统;
远程在线车载信号监测模块,其包括GPS、CDMA通信单元、CDMA传输网络、数据接收模块、监控PC;
所述的燃料电池控制器包括嵌入式系统控制单元、电压电流传感器、信号变换处理电路、流量压力传感器、温度湿度传感器、LCD显示器、氢气阀门、氧气阀门以及温度湿度控制模块、超级电容充放电模块,所述的电压电流传感器、流量压力传感器、温度湿度传感器的信号经所述的信号变换处理电路处理后发送给所述的嵌入式系统控制单元,嵌入式系统控制单元控制所述氢气阀门、氧气阀门以及温度湿度控制模块、超级电容充放电模块。
5.根据权利要求1或4所述的具有在线监测功能的燃料电池叉车混合动力控制系统,其特征是:所述的锂电池管理系统包括充/放电器、温度传感器、隔离模块、数据采集器、控制模块、PC、LCD显示器。
6.根据权利要求1或4所述的具有在线监测功能的燃料电池叉车混合动力控制系统,其特征是:所述的DC/DC控制器包括基于DSP的数字化控制系统、模拟控制及接口电路、驱动电路及辅助控制电源模块。
7.根据权利要求1或4所述的具有在线监测功能的燃料电池叉车混合动力控制系统,其特征是:所述的燃料电池及DC/DC变换器、锂电池、超级电容用CAN总线连接至所述的电机控制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210211486.4A CN102837696B (zh) | 2012-06-25 | 2012-06-25 | 具有在线监测功能的燃料电池叉车混合动力控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210211486.4A CN102837696B (zh) | 2012-06-25 | 2012-06-25 | 具有在线监测功能的燃料电池叉车混合动力控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102837696A CN102837696A (zh) | 2012-12-26 |
CN102837696B true CN102837696B (zh) | 2015-09-16 |
Family
ID=47365498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210211486.4A Expired - Fee Related CN102837696B (zh) | 2012-06-25 | 2012-06-25 | 具有在线监测功能的燃料电池叉车混合动力控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102837696B (zh) |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103076429B (zh) * | 2012-12-27 | 2016-05-18 | 北京工业大学 | 移动源尾气在线监测与污染物采样系统 |
TWI465939B (zh) * | 2013-01-07 | 2014-12-21 | Univ Lunghwa Sci & Technology | A Multi - stage Fast Charge Method for Optimizing Lithium Batteries |
CN103257607B (zh) * | 2013-05-14 | 2015-09-02 | 浙江大学城市学院 | 多能源供给、多功能老人代步车控制系统 |
CN103576096A (zh) * | 2013-10-09 | 2014-02-12 | 广东电网公司电力科学研究院 | 电动汽车动力电池剩余电量的实时评估方法及装置 |
CN103595095B (zh) * | 2013-11-08 | 2016-01-06 | 华中科技大学 | 一种面向海洋浮标的固体氧化物燃料电池能量管理系统 |
CN103676840A (zh) * | 2013-11-14 | 2014-03-26 | 浙江大学城市学院 | 一种多能源供给保洁车电路控制系统 |
CN103901294A (zh) * | 2014-01-02 | 2014-07-02 | 智慧城市系统服务(中国)有限公司 | 超级电容器组荷电状态检测的方法及装置 |
CN103818260A (zh) * | 2014-02-26 | 2014-05-28 | 安徽合力股份有限公司 | 一种基于can总线的内燃叉车的组合式仪表 |
CN103879412B (zh) * | 2014-03-14 | 2017-04-19 | 中车唐山机车车辆有限公司 | 有轨电车动力系统及控制方法 |
DE102014006321A1 (de) * | 2014-04-30 | 2015-11-05 | Avl List Gmbh | System und Verfahren zur Analyse der Energieeffizienz eines Kraftfahrzeugs, insbesondere einer Vorrichtung des Kraftfahrzeugs |
CN105083050B (zh) * | 2015-09-23 | 2017-05-31 | 中国人民解放军装甲兵技术学院 | 一种用于电动车辆的混合燃料电池储能装置及其控制方法 |
WO2017113338A1 (en) | 2015-12-31 | 2017-07-06 | SZ DJI Technology Co., Ltd. | Uav hybrid power systems and methods |
CN105584384B (zh) * | 2015-12-31 | 2018-06-19 | 清华大学苏州汽车研究院(吴江) | 一种纯电动车的四象限控制方法 |
CN108556666B (zh) * | 2016-11-01 | 2020-06-12 | 大连民族大学 | 基于车况和环境信息的电动赛车混合动力供电系统 |
CN106515497A (zh) * | 2016-12-05 | 2017-03-22 | 青岛理工大学 | 一种燃料电池叉车的混合动力系统及其控制方法 |
CN107195961A (zh) * | 2017-06-19 | 2017-09-22 | 东莞博力威新能源有限公司 | 电动叉车用锂离子电池系统 |
CN107544031B (zh) * | 2017-08-28 | 2020-01-10 | 北京化工大学 | 一种模拟双电混合电动汽车行驶动力性能评价方法和装置 |
CN108493465B (zh) * | 2018-04-08 | 2020-12-08 | 华中科技大学 | 一种固体氧化物燃料电池的混合能量控制系统及控制方法 |
CN109334430A (zh) * | 2018-10-15 | 2019-02-15 | 武汉格罗夫氢能汽车有限公司 | 乘用车燃料电池发动机集成动力系统 |
CN111251945A (zh) * | 2018-12-03 | 2020-06-09 | 吉林大学 | 一种燃料电池汽车混合动力的能量分配控制系统 |
CN109638943A (zh) * | 2019-01-02 | 2019-04-16 | 成都华日通讯技术有限公司 | 一种用于无线电监测设备的动态电源 |
CN109823235B (zh) * | 2019-02-20 | 2021-10-01 | 中国科学技术大学 | 电池、超级电容与燃料电池混合储能装置能量管理系统 |
CN109818014A (zh) * | 2019-03-15 | 2019-05-28 | 武汉理工大学 | 一种燃料电池控制管理系统 |
CN110239355A (zh) * | 2019-06-26 | 2019-09-17 | 黑龙江工程学院 | 混合动力汽车再生制动控制方法 |
CN110544784B (zh) * | 2019-09-04 | 2020-11-20 | 江苏集萃安泰创明先进能源材料研究院有限公司 | 高压复合金属氢化物储氢系统为氢源的燃料电池物流车 |
CN111366854B (zh) * | 2020-02-18 | 2022-07-29 | 武汉海亿新能源科技有限公司 | 燃料电池动力系统测试平台测试方法及装置 |
CN111409510B (zh) * | 2020-03-26 | 2021-08-31 | 河南科技大学 | 一种氢燃料电池混合动力汽车的能量管理方法 |
CN112277961B (zh) * | 2020-10-30 | 2021-09-28 | 合肥工业大学 | 一种基于stm32的燃料电池叉车安全检测与控制系统 |
JP7342843B2 (ja) * | 2020-11-17 | 2023-09-12 | トヨタ自動車株式会社 | 走行制御装置、方法およびプログラム |
CN112644344A (zh) * | 2020-12-29 | 2021-04-13 | 武汉格罗夫氢能汽车有限公司 | 一种基于bp神经网络功率分配优化系统及优化方法 |
CN113222387B (zh) * | 2021-04-30 | 2023-11-24 | 北京理工新源信息科技有限公司 | 面向氢燃料车辆的多目标调度与协同优化方法 |
CN117410530B (zh) * | 2023-12-11 | 2024-04-09 | 一汽解放汽车有限公司 | 一种燃料电池发动机的功率控制方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1475378A (zh) * | 2002-08-14 | 2004-02-18 | 上海燃料电池汽车动力系统有限公司 | 电-电混合燃料电池汽车的动力系统 |
CN1785707A (zh) * | 2005-12-09 | 2006-06-14 | 清华大学 | 超级电容作为辅助动力装置的燃料电池汽车混合动力系统 |
CN101029920A (zh) * | 2006-09-07 | 2007-09-05 | 长安大学 | 集中/分布式电动汽车蓄电池组工作参数检测系统 |
CN102069721A (zh) * | 2010-12-30 | 2011-05-25 | 西安交通大学苏州研究院 | 一种基于超级电容的电动汽车混合动力控制系统 |
CN102354179A (zh) * | 2011-08-02 | 2012-02-15 | 厦门华戎能源科技有限公司 | 锂离子电池组远程监控及故障诊断系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100837939B1 (ko) * | 2006-10-11 | 2008-06-13 | 현대자동차주식회사 | 하이브리드 연료전지 버스의 파워 시스템 및 그 제어 방법 |
-
2012
- 2012-06-25 CN CN201210211486.4A patent/CN102837696B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1475378A (zh) * | 2002-08-14 | 2004-02-18 | 上海燃料电池汽车动力系统有限公司 | 电-电混合燃料电池汽车的动力系统 |
CN1785707A (zh) * | 2005-12-09 | 2006-06-14 | 清华大学 | 超级电容作为辅助动力装置的燃料电池汽车混合动力系统 |
CN101029920A (zh) * | 2006-09-07 | 2007-09-05 | 长安大学 | 集中/分布式电动汽车蓄电池组工作参数检测系统 |
CN102069721A (zh) * | 2010-12-30 | 2011-05-25 | 西安交通大学苏州研究院 | 一种基于超级电容的电动汽车混合动力控制系统 |
CN102354179A (zh) * | 2011-08-02 | 2012-02-15 | 厦门华戎能源科技有限公司 | 锂离子电池组远程监控及故障诊断系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102837696A (zh) | 2012-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102837696B (zh) | 具有在线监测功能的燃料电池叉车混合动力控制系统 | |
CN110549876B (zh) | 一种能量输出控制方法、装置和氢燃料混合动力汽车 | |
Jiaqiang et al. | Effects analysis on active equalization control of lithium-ion batteries based on intelligent estimation of the state-of-charge | |
CN102756661B (zh) | 车用电池荷电状态的确定方法及装置 | |
CN105633487B (zh) | 一种锂离子电池智能管理系统 | |
CN104590247B (zh) | 基于交通信号灯信息的混合动力汽车节能预测控制方法 | |
CN102355031B (zh) | 一种磷酸铁锂动力电池组主动均衡充电方法 | |
CN109062056B (zh) | 一种电动自行车智能控制系统及其控制方法 | |
CN102765388A (zh) | 一种基于多信息融合的整车控制方法 | |
CN113221246B (zh) | 基于瞬态油耗修正的移动源排放估计方法、系统及介质 | |
CN108284752A (zh) | 一种增程式燃料电池电动汽车动力装置及其控制方法 | |
CN115071505A (zh) | 燃料电池汽车分层规划方法、系统、装置及存储介质 | |
Sarrafan et al. | Real-time state-of-charge tracking embedded in the advanced driver assistance system of electric vehicles | |
Gu et al. | Energy management strategy considering fuel economy and life of fuel cell for fuel cell electric vehicles | |
Li et al. | Predictive multi-objective operation strategy considering battery cycle aging for hybrid electric vehicles | |
CN114475280A (zh) | 一种电动汽车混合动力系统能量管理方法及系统 | |
Leska et al. | Comparative Calculation of the Fuel–Optimal Operating Strategy for Diesel Hybrid Railway Vehicles | |
CN209666890U (zh) | 一种供电系统和一种电力系统 | |
CN111525198B (zh) | 单能源纯电动汽车的能源管理系统控制策略与优化方法 | |
Saiteja et al. | Assessment of Adaptive Self-Learning-Based BLDC Motor Energy Management Controller in Electric Vehicles Under Real-World Driving Conditions for Performance Characteristics | |
Rechkemmer | Lifetime modeling and model-based lifetime optimization of Li-ion batteries for use in electric two-wheelers | |
CN117078030B (zh) | 一种基于车速预测的燃料电池公交车能量管理方法 | |
Tan et al. | Energy Management System and Control Strategy of Intelligent Connected New Energy Vehicle in Line with the Dual‐Carbon Strategy | |
KR20190050881A (ko) | 전기 자동차 관리 서비스 제공 방법 | |
Wang et al. | A GM‐Based Energy Management Strategy of Hybrid Power System for Hydrogen Fuel Cell Buses |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150916 Termination date: 20160625 |
|
CF01 | Termination of patent right due to non-payment of annual fee |