CN106004518B - 一种基于车联网的电动汽车能量管理预测控制方法 - Google Patents
一种基于车联网的电动汽车能量管理预测控制方法 Download PDFInfo
- Publication number
- CN106004518B CN106004518B CN201610459249.8A CN201610459249A CN106004518B CN 106004518 B CN106004518 B CN 106004518B CN 201610459249 A CN201610459249 A CN 201610459249A CN 106004518 B CN106004518 B CN 106004518B
- Authority
- CN
- China
- Prior art keywords
- energy management
- electric automobile
- car networking
- road information
- control method
- 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.)
- Active
Links
- 230000006855 networking Effects 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 25
- 239000003990 capacitor Substances 0.000 claims abstract description 26
- 230000008520 organization Effects 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000001133 acceleration Effects 0.000 claims abstract description 8
- 238000007726 management method Methods 0.000 claims description 97
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000007935 neutral effect Effects 0.000 claims description 8
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 1
- 210000004027 cell Anatomy 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 4
- 230000001172 regenerating effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
- B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
- B60L15/2045—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed for optimising the use of energy
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L7/00—Electrodynamic brake systems for vehicles in general
- B60L7/10—Dynamic electric regenerative braking
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Abstract
本发明公开了一种基于车联网的电动汽车能量管理预测控制方法，属于电动汽车领域，根据车联网系统规划的道路信息，历史能量管理记录系统对其进行分类处理，之后根据能量管理记录系统进行电动汽车的能量管理预测；与此同时，根据车联网提供的信息、加速/制动信号以及超级电容与动力电池的状态信号，进行电动汽车的能量管理预测，将上述两种能量管理预测的方法进行比较，选取能量管理预测更优的方法进行电动汽车的能量管理。本发明能够提高电动汽车一次充电行驶里程，更好对超级电容与蓄电池进行功率分配，保护蓄电池，延长蓄电池使用寿命。
Description
技术领域
本发明涉及纯电动汽车驱动与再生制动控制技术领域，具体涉及一种基于车联网的电动汽车能量管理预测控制方法。
背景技术
随着能源危机和环境污染的日益严重，电动汽车由于其节能、环保、能量转换效率高等优点，得到了产业界的高度重视和政府部门的大力支持。目前，制约电动汽车发展的一个重要因素是其续驶里程短，如何提高驱动过程中的能量利用效率和刹车制动能量回收效益具有重大意义。
目前为止，动力电池与超级电容组成的复合电源系统大多采用简单的结构为电机提供能量，但是没有对超级电容与动力电池之间的能量进行合理的管理，导致没有最大化的整体能量的利用和制动能量回收，而且控制精度不高。
中国很多专利公开了电动汽车复合电源能量管理的控制方法，CN202243053U公开了一种纯电动汽车复合电源能量管理预测控制系统，该系统是根据车联网对道路行驶工况的预测，然后对电动汽车进行能量管理的预测控制，没有将能量管理的预测控制方法与经验能量管理控制方法进行比较，选出最优的方法进行能量管理控制。
发明内容
为解决现有技术存在的不足，本发明提供了一种基于车联网的电动汽车能量管理预测控制方法，实现本发明的技术方案如下：
一种基于车联网的电动汽车能量管理预测控制方法，包括以下步骤：
步骤1)，车辆启动，车联网系统实时地规划道路信息，与此同时，加速踏板传感器/制动踏板传感器实时检测加速/制动信号，超级电容管理系统和动力电池管理系统分别实时检测超级电容与动力电池的状态信号；
步骤2)，将车联网系统规划的道路信息输入进历史能量管理记录系统中，将车联网系统规划的道路信息、加速/制动信号以及超级电容与动力电池的状态信号输入能量管理预测系统中；
步骤3)，历史能量管理记录系统对车联网系统规划的道路信息进行分类处理；
步骤4)，根据步骤3)的分类结果，历史能量管理记录系统输出电动汽车能量管理的一种预测结果，与此同时，能量管理预测系统根据步骤2)输入能量管理预测系统中的信息输出电动汽车能量管理的另一种预测结果；
步骤5)，将步骤4)两种电动汽车能量管理的预测结果输入比较控制器进行比较，最后输出能量管理预测更优的方法进行电动汽车的能量管理。
进一步，所述步骤1)中，超级电容与动力电池的状态信号指的事超级电容与动力电池的温度、电压、电流及SOC值。
进一步，所述步骤2)中，历史能量管理记录系统储存了车辆过去行驶过的道路信息以及超级电容与动力电池的能量管理结果，而且历史能量管理记录系统能够对车辆过去行驶过的道路信息进行分类处理。
进一步，所述步骤3)中，对车联网系统规划的道路信息进行分类处理采用了神经网络中的自组织神经网络SOM。
进一步，所述步骤4)中，能量管理预测系统采用了模糊神经网络进行能量管理预测控制。
本发明的有益效果为：历史能量管理记录系统对车联网系统规划的道路信息进行分类处理，预测出电动汽车的能量管理结果；与此同时，能量管理预测系统根据车联网系统提供的信息、加速踏板传感器/制动踏板传感器提供的加速/制动信号以及超级电容与动力电池的状态信号，进行预测电动汽车的能量管理结果；将上述两种能量管理预测的结果进行比较，选取能量管理预测更优的方法进行电动汽车的能量管理。本发明能够充分利用能源，增加能量回收，提高电动汽车一次充电行驶里程，保护蓄电池、延长蓄电池使用寿命，提高电动汽车整车动力性能。
附图说明
图1为一种基于车联网的电动汽车能量管理预测控制方法的流程图。
图2为一种基于车联网的电动汽车能量管理预测控制方法的硬件结构图；
其中：第一种能量管理方法指的事历史能量管理记录系统预测出的能量管理结果，第二种能量管理方法指的是能量管理预测系统预测出的能量管理结果。
具体实施方式
下面将结合附图及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。
如图1所示，为一种基于车联网的电动汽车能量管理预测控制方法的流程图，包括步骤：
步骤1)，车辆启动，车联网系统实时地规划道路信息，与此同时，加速踏板传感器/制动踏板传感器实时检测加速/制动信号，超级电容管理系统和动力电池管理系统分别实时检测超级电容与动力电池的状态信号；超级电容与动力电池的状态信号指的是超级电容与动力电池的温度、电压、电流及SOC值，温度、电压及电流用相应的传感器测出，SOC值采用神经网络的方法来进行估算，神经网络法估计超级电容SOC时，神经网络具有输入层、输出层及隐含层三层，隐含层是神经网络的核心，神经网络最重要的就是对网络进行训练，训练样本为从不同的工况上采集到的数据，直到网络获得满意的输出，神经网络训练结束，此时隐含层就相当于一个大型的跟超级电容有关的数据库，可以根据各传感器传来的超级电容的温度、电压、电流以及上一时刻的SOC值得到这一时刻的SOC值。
步骤2)，将车联网系统规划的道路信息输入进历史能量管理记录系统中，将车联网系统规划的道路信息、加速/制动信号以及超级电容与动力电池的状态信号输入能量管理预测系统中；历史能量管理记录系统储存了车辆过去行驶过的道路信息以及超级电容与动力电池的能量管理结果，而且历史能量管理记录系统能够对车辆过去行驶过的道路信息进行分类处理。当车辆启动，车联网系统开始将未来路段的道路信息传输到历史能量管理记录系统中，并将传输进来的路况信息进行分类处理，然后得出超级电容与动力电池的能量管理的结果。
步骤3)，历史能量管理记录系统对车联网系统规划的道路信息进行分类处理；对车联网系统规划的道路信息进行分类处理采用了神经网络中的自组织神经网络SOM：首先将车辆过去行驶过的道路信息作为训练样本用来训练自组织神经网络，进行神经网络中各神经元之间连接权值以及阈值的修正，当满足一定的误差范围时，停止训练，将车辆过去行驶过的道路信息作为测试样本输入已经训练好的自组织神经网络中，进行验证，验证结束，自组织神经网络就可以进行数据的分类。
步骤4)，根据步骤3)的分类结果，历史能量管理记录系统输出电动汽车能量管理的一种预测结果，与此同时，能量管理预测系统根据步骤2)输入能量管理预测系统中的信息输出电动汽车能量管理的另一种预测结果；能量管理预测系统采用了模糊神经网络进行能量管理预测控制：第一层为输入层，为精确值输入，将车联网系统规划的道路信息、加速/制动信号以及超级电容与动力电池的状态信号作为输入量，第二层为计算各输入分量属于各语言变量值模糊集合的隶属度函数，第三层为模糊控制规则，控制规则中包括了各输入量当前的状态所对应的控制结果，第四层用于计算适应度，第五层用于输出清晰化结果。
步骤5)，将步骤4)两种电动汽车能量管理的预测结果输入比较控制器进行比较，最后输出能量管理预测更优的方法进行电动汽车的能量管理；比较控制器比较两种电动汽车能量管理的预测结果选择两种预测结果中耗电结束较晚的那种预测结果，以这两种能量管理的预测结果控制车辆一直行驶，直到有一种预测结果控制的车辆先耗完电为止，那么就选择没有耗完电的那个预测结果控制的车辆。
如图2所示，为一种基于车联网的电动汽车能量管理预测控制方法的硬件结构图；虚线表示双方是信号传输，实线表示双方是电力传输，并且双箭头表示可以进行正向传输也可以进行反向传输，加粗线表示双方是机械传输。超级电容与动力电池分别通过超级电容管理系统、动力电池管理系统进行各自状态信号检测，车联网系统提供规划的道路信息，加速踏板和制动踏板是用来检测加速信号/制动信号；将超级电容与动力电池状态信号、道路信息、加速信号/制动信号作为输入量输入到能量管理预测系统中，同时车联网系统还将其提供的信息作为输入量输入到历史能量管理记录系统中；历史能量管理记录系统与能量管理预测系统都进行能量管理的预测，比较控制系统用于比较两种能量管理预测结果的效果，最终，比较的结果作为输入量来控制双向DC/DC变换器，DC/DC变换器将信号传送给电机控制装置，从而电机控制装置控制电机的运转，最后驱动传动装置。
应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围。
Claims (6)
1.一种基于车联网的电动汽车能量管理预测控制方法，其特征在于，包括以下步骤：
步骤1)，车辆启动，车联网系统实时地规划道路信息，与此同时，加速踏板传感器/制动踏板传感器实时检测加速/制动信号，超级电容管理系统和动力电池管理系统分别实时检测超级电容与动力电池的状态信号；
步骤2)，将车联网系统规划的道路信息输入进历史能量管理记录系统中，将车联网系统规划的道路信息、加速/制动信号以及超级电容与动力电池的状态信号输入能量管理预测系统中；
步骤3)，历史能量管理记录系统对车联网系统规划的道路信息进行分类处理；
步骤4)，根据步骤3)的分类结果，历史能量管理记录系统输出电动汽车能量管理的一种预测结果，与此同时，能量管理预测系统根据步骤2)输入能量管理预测系统中的信息输出电动汽车能量管理的另一种预测结果；
步骤5)，将步骤4)两种电动汽车能量管理的预测结果输入比较控制器进行比较，最后输出能量管理预测更优的方法进行电动汽车的能量管理。
2.根据权利要求1所述的一种基于车联网的电动汽车能量管理预测控制方法，其特征在于，所述步骤1)中，超级电容与动力电池的状态信号指的是超级电容与动力电池的温度、电压、电流及SOC值。
3.根据权利要求1所述的一种基于车联网的电动汽车能量管理预测控制方法，其特征在于，所述步骤2)中，历史能量管理记录系统储存了车辆过去行驶过的道路信息以及超级电容与动力电池的能量管理结果，而且历史能量管理记录系统能够对车辆过去行驶过的道路信息进行分类处理。
4.根据权利要求1所述的一种基于车联网的电动汽车能量管理预测控制方法，其特征在于，所述步骤3)中，对车联网系统规划的道路信息进行分类处理采用了神经网络中的自组织神经网络SOM。
5.根据权利要求1所述的一种基于车联网的电动汽车能量管理预测控制方法，其特征在于，所述步骤4)中，能量管理预测系统采用了模糊神经网络进行能量管理预测控制。
6.根据权利要求1所述的一种基于车联网的电动汽车能量管理预测控制方法，其特征在于，所述步骤5)中，比较控制器比较两种电动汽车能量管理的预测结果，选择两种预测结果中耗电结束较晚的那种预测结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610459249.8A CN106004518B (zh) | 2016-06-22 | 2016-06-22 | 一种基于车联网的电动汽车能量管理预测控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610459249.8A CN106004518B (zh) | 2016-06-22 | 2016-06-22 | 一种基于车联网的电动汽车能量管理预测控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106004518A CN106004518A (zh) | 2016-10-12 |
| CN106004518B true CN106004518B (zh) | 2018-04-03 |
Family
ID=57086553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610459249.8A Active CN106004518B (zh) | 2016-06-22 | 2016-06-22 | 一种基于车联网的电动汽车能量管理预测控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106004518B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105521623A (zh) * | 2014-10-24 | 2016-04-27 | 中国石化扬子石油化工有限公司 | 一种减少吸附塔床层管线体积的模拟移动床吸附分离设备 |
| CN106515480B (zh) * | 2016-11-08 | 2019-02-26 | 彩虹无线（北京）新技术有限公司 | 一种基于车联网大数据技术的汽车蓄电池智能监控方法 |
| CN107139777B (zh) * | 2017-05-12 | 2019-08-09 | 深圳通业科技股份有限公司 | 一种车辆能量管理方法及其系统 |
| CN109671995B (zh) * | 2018-11-07 | 2021-08-03 | 江苏大学 | 一种基于车联网的车用动力电池智能预加热系统 |
| CN110696815B (zh) * | 2019-11-21 | 2020-10-09 | 北京理工大学 | 一种网联式混合动力汽车的预测能量管理方法 |
| CN112455420B (zh) * | 2020-10-23 | 2022-04-22 | 西安交通大学 | 一种基于模糊神经网络的混合动力系统能量控制方法 |
| CN113879182A (zh) * | 2021-11-11 | 2022-01-04 | 广东汉合汽车有限公司 | 车辆能量管理控制方法、系统、设备及介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202243053U (zh) * | 2011-10-28 | 2012-05-30 | 三门峡速达交通节能科技有限公司 | 纯电动汽车复合电源能量管理预测控制系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0698590A (ja) * | 1992-09-16 | 1994-04-08 | Hitachi Ltd | 車両用駆動電動機の温度保護装置 |
| JP2010239684A (ja) * | 2009-03-30 | 2010-10-21 | Equos Research Co Ltd | 航続可否予測システム |
-
2016
- 2016-06-22 CN CN201610459249.8A patent/CN106004518B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202243053U (zh) * | 2011-10-28 | 2012-05-30 | 三门峡速达交通节能科技有限公司 | 纯电动汽车复合电源能量管理预测控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106004518A (zh) | 2016-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106004518B (zh) | 一种基于车联网的电动汽车能量管理预测控制方法 | |
| CN110775065B (zh) | 一种基于工况识别的混合动力汽车电池寿命预测方法 | |
| Song et al. | Multi-mode energy management strategy for fuel cell electric vehicles based on driving pattern identification using learning vector quantization neural network algorithm | |
| Li et al. | Adaptive energy management strategy for fuel cell/battery hybrid vehicles using Pontryagin's Minimal Principle | |
| Zhang et al. | Energy optimization of multi-mode coupling drive plug-in hybrid electric vehicles based on speed prediction | |
| CN105416077B (zh) | 一种电动汽车的能量管理系统及管理方法 | |
| Panday et al. | Energy management strategy for hybrid electric vehicles using genetic algorithm | |
| Zhu et al. | A four-step method to design an energy management strategy for hybrid vehicles | |
| Singh et al. | Feed-forward modeling and real-time implementation of an intelligent fuzzy logic-based energy management strategy in a series–parallel hybrid electric vehicle to improve fuel economy | |
| Ganji et al. | A study on look-ahead control and energy management strategies in hybrid electric vehicles | |
| CN113554337B (zh) | 融合交通信息的插电式混动汽车能量管理策略构建方法 | |
| Sun et al. | The role of velocity forecasting in adaptive-ECMS for hybrid electric vehicles | |
| CN107539306A (zh) | 基于模糊小脑模型神经网络的汽车转矩分配控制方法 | |
| Boukehili et al. | Hybrid vehicle power management modeling and refinement | |
| CN106347162A (zh) | 基于超级电容的电动赛车混合动力电源管理控制系统及方法 | |
| Pietrosanti et al. | Power management system for RTG crane using fuzzy logic controller | |
| Li et al. | Real‐time energy management for commute HEVs using modified A‐ECMS with traffic information recognition | |
| Dong et al. | Calibration and optimization of an electric vehicle powertrain system | |
| CN110481331A (zh) | 一种电动汽车滑行能量回收方法 | |
| Wu et al. | Multi-objective reinforcement learning-based energy management for fuel cell vehicles considering lifecycle costs | |
| Leska et al. | Comparative Calculation of the Fuel–Optimal Operating Strategy for Diesel Hybrid Railway Vehicles | |
| CN114670803A (zh) | 基于自我监督学习的并联式混合动力汽车能量管理方法 | |
| Marx et al. | Power management of a hybrid electric powertrain system–design, power flow control, and optimisation targets | |
| Cui et al. | Research on predictive control based energy management strategy for hybrid electric vehicle | |
| Nethagani et al. | Machine learning based Energy management system for better optimisation of power in electric vehicles |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231123 Address after: 100102 H01, 3 / F, building 6, courtyard 6, Wangjing East Road, Chaoyang District, Beijing Patentee after: Beijing Bailong Mayun Technology Co.,Ltd. Address before: 1003, Building A, Zhiyun Industrial Park, No. 13 Huaxing Road, Henglang Community, Dalang Street, Longhua District, Shenzhen City, Guangdong Province, 518110 Patentee before: Shenzhen Wanzhida Technology Transfer Center Co.,Ltd. Effective date of registration: 20231123 Address after: 1003, Building A, Zhiyun Industrial Park, No. 13 Huaxing Road, Henglang Community, Dalang Street, Longhua District, Shenzhen City, Guangdong Province, 518110 Patentee after: Shenzhen Wanzhida Technology Transfer Center Co.,Ltd. Address before: Zhenjiang City, Jiangsu Province, 212013 Jingkou District Road No. 301 Patentee before: JIANGSU University |
|
| TR01 | Transfer of patent right |