CN109635484A - 基于多学科优化的混合动力车辆动力系统优化测试方法 - Google Patents
基于多学科优化的混合动力车辆动力系统优化测试方法 Download PDFInfo
- Publication number
- CN109635484A CN109635484A CN201811579286.8A CN201811579286A CN109635484A CN 109635484 A CN109635484 A CN 109635484A CN 201811579286 A CN201811579286 A CN 201811579286A CN 109635484 A CN109635484 A CN 109635484A
- Authority
- CN
- China
- Prior art keywords
- optimization
- model
- mixed power
- multidisciplinary
- vehicle dynamic
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000007689 inspection Methods 0.000 title claims abstract description 18
- 238000005183 dynamical system Methods 0.000 claims abstract description 32
- 238000012360 testing method Methods 0.000 claims abstract description 24
- 238000013461 design Methods 0.000 claims abstract description 20
- 238000012827 research and development Methods 0.000 claims abstract description 19
- 238000011217 control strategy Methods 0.000 claims abstract description 8
- 238000010276 construction Methods 0.000 claims abstract description 4
- 230000008929 regeneration Effects 0.000 claims abstract description 4
- 238000011069 regeneration method Methods 0.000 claims abstract description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 239000000446 fuel Substances 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 239000003990 capacitor Substances 0.000 claims description 4
- 238000004146 energy storage Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000005381 potential energy Methods 0.000 claims description 3
- 238000004064 recycling Methods 0.000 claims description 3
- 230000001172 regenerating effect Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 12
- 230000006870 function Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及基于多学科优化的混合动力车辆动力系统优化测试方法，属于混合动力车辆动力系统研发技术领域。将能量管理测试平台应用在混合动力车辆上，在估算混合动力车辆行驶和作业工况的基础上，优化再生辅助动力系统；包括以下步骤，第一，针对不同布置结构类型的混合动力车辆，研发建立基于高保真和可扩展的混合动力车辆动力系统零部件模型库；第二，以混合动力车辆动力系统零部件模型库为基础研发基于多学科并行优化的动力系统优化和评估软件系统，并优化部件的尺寸和能量管理控制策略；第三，将优化的结果用于动力系统的设计，确定物理样机工程图纸；装配好物理样机后，进行动力系统硬件在环测试。本发明能缩短产品研发周期，减低研发成本。
Description
技术领域
本发明涉及基于多学科优化的混合动力车辆动力系统优化测试方法，属于混合动力车辆动力系统研发技术领域。
背景技术
混合动力专用车辆动力系统结构多种多样，如何根据专用车辆行驶和作业过程中对动力系统的能量要求，最优分配发动机和驱动电机的输出功率。不同混合动力系统结构需要相应的动力分配方案，只有适宜的控制策略才能使其达到节油、减排的效果。
发明内容
本发明的目的是提供一种基于多学科优化的混合动力车辆动力系统优化测试方法，来使混合动力车辆获得最佳的性能，缩短产品研发周期，降低车辆研发成本。
为了实现上述目的，本发明采用的技术方案是：
一种基于多学科优化的混合动力车辆动力系统优化测试方法，通过将能量管理测试平台应用在混合动力车辆上，在估算混合动力车辆行驶和作业工况的基础上，优化再生辅助动力系统；该方法包括以下步骤，
第一，针对不同布置结构类型的混合动力车辆，研发建立基于高保真和可扩展的混合动力车辆动力系统零部件模型库；
第二，以混合动力车辆动力系统零部件模型库为基础研发基于多学科并行优化的动力系统优化和评估软件系统，并优化部件的尺寸和能量管理控制策略；
第三，将优化后的结果用于动力系统的设计，根据设计确定物理样机工程图纸；装配好物理样机后，进行动力系统硬件在环测试。
本发明技术方案的进一步改进在于：第一步中，研发用于混合动力车辆行驶和作业工况的智能辨识系统来采集试验数据，混合动力车辆动力系统零部件模型库以试验数据为基础建立理论模型。
本发明技术方案的进一步改进在于：混合动力车辆行驶和作业工况的智能辨识系统，首先建立混合动力车辆/发动机动力学和辅助装置的燃油消耗量模型；使用车载诊断端口数据和传感器的数据作为行驶和作业工况的辨识；建立该模型的依据是专用车辆运动所需功率的估计算法，根据从车载诊断端口处获得发动机信息及车速信息，估算发动机所需的总功率，发动机总功率和驱动功率之差就是辅助动力装置的功率；建立的辨识模型和估计算法通过计算软件进行评价。
本发明技术方案的进一步改进在于：第一步中的混合动力车辆动力系统零部件模型库组成包括：发动机模型、电机模型、不同类型的电池模型、超级电容模型、逆变器模型、传动装置模型、能量转化器模型。
本发明技术方案的进一步改进在于：第二步中，基于多学科并行优化的动力系统优化和评估软件系统的优化，多学科优化MDO的数学表达式如下：
Minimize J(XD,U(XD))w.r.t.XD
s.t.C(XD,U(XD))；
其中，XD是优化算法中的设计变量，U(XD)是系统输出变量，在每个优化回路中，设计变量XD是固定的，学科1和学科2可以确定系统输出U1(XD)和U2(XD)；然后，系统输出变量被返回到MDO优化器，用于评价目标函数J(XD,U(XD))和约束函数C(XD,U(XD))。
本发明技术方案的进一步改进在于：混合动力车辆动力系统零部件模型库建模包括以下内容，基于Guzzella建模方法建立一个可扩展的发动机模型，同时建立一个基于lookup table查表的电机-发电机模型；基于开路电压的电池模型，其中电池的特性确定是根据描述开路电压和电池充电状态关系的lookup table查表决定；传动装置中的齿轮系统的类型根据混合动力车辆的配置确定。
本发明技术方案的进一步改进在于：能量管理包括对于可再生能量的回收再利用；具体为，工作中获得的行驶和作业工况信息将用于识别潜在的能量回收及车辆驻车时辅助系统所需能量。
本发明技术方案的进一步改进在于：可再生能量存储有两种形式：电池和飞轮；在飞轮系统中能量转化为机械动能的形式，储存的能量正比于旋转速度的平方；在电池系统中，能量被存储在电池中，被转化为电化学能量的形式。
由于采用了上述技术方案，本发明取得的技术效果有：
本发明的优化测试方法，是根据混合动力专用车辆行驶和作业过程中对动力系统的能量要求，最优分配发动机和驱动电机的输出功率，最终实现混合动力专用车辆的动力系统优化设计。
本发明中针对于不同混合动力系统结构，能够进行相应的动力分配方案，采用最合适的控制策略达到节油、减排的效果，并获得最佳的燃油经济性、最低的排放和最佳的驱动性能，与此同时使其更快、更有效地满足新的燃油标准和污染物及温室气体排放要求。
本发明中的动力系统优化和评估软件系统不仅要优化动力总成系统设计，使其达到最佳燃油经济性、排放性和动力性，而且还要适应不同的行驶工况及辅助工作工况，并兼顾电池寿命和各部件可靠性。在测试架构体系中，利用多学科并行优化设计技术对电动/混合动力专用车辆动力总成系统进行高速、低成本的研发、优化和测试。
本发明的优化测试方法能够缩短产品研发周期，大大减低混合动力车辆的研发成本。
附图说明
图1是本发明中多学科优化算法的数据流过程图；
图2是本发明中多学科并行优化的动力系统优化和评估软件系统；
图3是本发明中混合动力车辆动力系统硬件在环测试示意图；
图4是本发明中动力系统模型中的整车仿真模型采用的单质量模型示意图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步详细说明：
本发明公开了一种基于多学科优化的混合动力车辆动力系统优化测试方法，下面是具体的实施例：
本发明涉及新能源汽车技术、动力总成技术、能量管理控制技术、先进机械系统设计、多学科优化技术、虚拟样机技术、硬件在环技术、先进车辆控制技术、系统集成和封装技术及先进的车辆测试技术等相关科学研究领域。总体方案将采用理论分析、计算机虚拟仿真和硬件在环试验相结合的研究方法，以保证混合动力专用车辆动力系统设计与关键技术的成功研究。其中的新能源汽车技术指的是该发明的测试方法主要是针对于油电混合动力车辆。
一种基于多学科优化的混合动力车辆动力系统优化测试方法，通过将能量管理测试平台应用在混合动力车辆上，在估算混合动力车辆行驶和作业工况的基础上，优化再生辅助动力系统；该方法包括以下步骤，
第一，针对不同布置结构类型的混合动力车辆，研发建立基于高保真和可扩展的混合动力车辆动力系统零部件模型库。混合动力车辆动力系统零部件模型库组成包括：发动机模型、电机模型、不同类型的电池模型、超级电容模型、逆变器模型、传动装置模型、能量转化器模型。该过程需要研发用于混合动力车辆行驶和作业工况的智能辨识系统来采集试验数据，混合动力车辆动力系统零部件模型库以试验数据为基础建立理论模型。
混合动力车辆行驶和作业工况的智能辨识系统，首先建立混合动力车辆/发动机动力学和辅助装置的燃油消耗量模型；使用车载诊断端口(OBD)数据和传感器的数据作为行驶和作业工况的辨识；建立该模型的依据是专用车辆运动所需功率的估计算法，根据从车载诊断端口(OBD)处获得发动机信息及车速信息，估算发动机所需的总功率，发动机总功率和驱动功率之差就是辅助动力装置的功率；建立的辨识模型和估计算法需要通过计算软件进行评价。具体的，可以使用Matlab或Simulink软件进行评价。
车载诊断端口(OBD)数据和其他传感器的数据被用于行驶和作业工况的辨识。建立该模型的依据是专用车辆运动所需功率的估计算法。根据从OBD处获得发动机信息及车速信息，发动机所需的总功率可以估算出来。发动机总功率和驱动功率之差就是辅助动力装置的功率。
混合动力车辆行驶和作业工况的智能辨识系统，可以估算行驶和驱动工况的模型，并用于行驶和作业工况的辨识。
混合动力车辆动力系统零部件模型库建模主要包括以下内容，基于Guzzella建模方法建立一个可扩展的发动机模型，同时建立一个基于lookup table查表的电机-发电机模型；基于开路电压的电池模型，其中电池的特性确定是根据描述开路电压和电池充电状态关系的lookup table查表决定；传动装置中的齿轮系统的类型根据混合动力车辆的配置确定。
为了建立一个用于优化的通用车辆模型，该模型必须包含混合动力专用车辆所有可能的配置。主要目标是提高专用车辆动力总成的能量效率，而不是车辆的动力学特性，因此采用Backward looking框架结构来准确计算功率消耗和整体效率，同时最大限度地减少所需的计算资源。动力系统模型包括：整车模型和动力总成零部件。其中整车仿真模型拟采用一个单质量模型，该模型仅考虑驱动力、空气阻力、滚动阻力等因素。专用车辆悬架、转向相互耦合的动力学特性可以忽略不计。具体示意图见图4。
第二，以混合动力车辆动力系统零部件模型库为基础研发基于多学科并行优化的动力系统优化和评估软件系统，并优化部件的尺寸和能量管理控制策略。该动力系统优化和评估软件系统即为能量管理测试平台，能够实现能量管理功能测试和优化，从能量管理的角度来进行混合动力车辆的动力系统的优化设计。
基于多学科并行优化的动力系统优化和评估软件系统的优化，多学科优化MDO的数学表达式如下：
Minimize J(XD,U(XD))w.r.t.XD
s.t.C(XD,U(XD))；
其中，XD是优化算法中的设计变量，U(XD)是混合动力专用车辆动力系统的输出变量，在每个优化回路中，设计变量XD是固定的，学科1和学科2可以确定混合动力专用车辆动力系统的输出U1(XD)和U2(XD)；然后，混合动力专用车辆动力系统输出变量被返回到MDO优化器，用于评价目标函数J(XD,U(XD))和约束函数C(XD,U(XD))。该过程还可以用图1的示意图来表示。MDO优化器指的是实现MDO多学科优化功能的模块，在此利用多学科优化技术进行设计变量的优化。
能量管理包括对于可再生能量的回收再利用；可以驱动专用车辆的空调或制冷系统(A/C-R)，以消除发动机怠速空转。具体为，工作中获得的行驶和作业工况信息将用于识别潜在的能量回收及车辆驻车时辅助系统所需能量。可再生能量存储主要有两种形式：电池和飞轮；在飞轮系统中能量转化为机械动能的形式，储存的能量正比于旋转速度的平方；因此，通过更好的轴承设计、材料及可靠性(防止任何意外发生)设计来提高飞轮的速度，能够提高可再生能量的回收利用率。在电池系统中，能量被存储在电池中，被转化为电化学能量的形式。
该过程中研发的软件平台包括一个丰富的零部件模型库，多学科并行优化技术可以根据预定义的设计目标确定最优化的动力系统结构和零部件的尺寸。根据不同行驶工况和作业需求，车辆系统可以被修改以执行各种设计研究任务，同时保持相同的优化过程。本软件平台的适应度函数包括动力传动系统的零部件的成本、燃料消耗、插电式混合动力车辆的电能消耗和一定年限内的碳关税。
图2表示的是基于多学科并行优化的动力系统优化和评估软件系统的示意情况，由图2可知，行驶和作业工况以及动力管理的逻辑变量被用于优化设计过程。除此之外，基于行驶和作业工况的插电式充电系统也被考虑用于系统的改进。多学科优化设计系统搜索各种部件尺寸及动力管理控制器的各种逻辑，用来最小化目标函数。在实际中，部件的尺寸是指那些在市场上可以买到的用于构建系统的部件的尺寸。能量储存系统可以是电池也可以是电池和超级电容的组合形式。
根据专用车辆不同实际行驶工况，通过改变系统多目标函数的加权系数，可以减少排放、减低系统成本或者提高投资回报率。
第三，将优化后的结果用于动力系统的设计，根据设计确定物理样机工程图纸；装配好物理样机后，进行动力系统硬件在环测试。
具体的是，利用基于多学科并行优化的动力系统优化和评估软件系统进行方案优化，该系统用于优化部件的尺寸和能量管理控制策略。将优化后的结果将用于动力系统的设计。根据完成的设计，确定物理样机工程图纸。装配好物理样机后，进行该试验车行驶和作业工况的机械和电控性能测试等系统硬件的在环测试。该过程的示意图具体参见图3。硬件在环试验是检验专用车辆动力系统及控制策略有效性的最佳手段。
本发明的优化测试方法以实际数据为基础建立动力系统零部件模型库后，使用基于多学科并行优化的动力系统优化和评估软件系统，来优化部件的尺寸和能量管理控制策略；并将优化的结果进行在环试验，能够研发出最优动力系统的混合动力车辆；该优化测试方法能够缩短产品研发周期，降低混合动力车辆的研发成本，还能够降低混合动力车辆的后续使用成本。
Claims (8)
1.一种基于多学科优化的混合动力车辆动力系统优化测试方法，其特征在于：通过将能量管理测试平台应用在混合动力车辆上，在估算混合动力车辆行驶和作业工况的基础上，优化再生辅助动力系统；该方法包括以下步骤，
第一，针对不同布置结构类型的混合动力车辆，研发建立基于高保真和可扩展的混合动力车辆动力系统零部件模型库；
第二，以混合动力车辆动力系统零部件模型库为基础研发基于多学科并行优化的动力系统优化和评估软件系统，并优化部件的尺寸和能量管理控制策略；
第三，将优化后的结果用于动力系统的设计，根据设计确定物理样机工程图纸；装配好物理样机后，进行动力系统硬件在环测试。
2.根据权利要求1所述的基于多学科优化的混合动力车辆动力系统优化测试方法，其特征在于：第一步中，研发用于混合动力车辆行驶和作业工况的智能辨识系统来采集试验数据，混合动力车辆动力系统零部件模型库以试验数据为基础建立理论模型。
3.根据权利要求2所述的基于多学科优化的混合动力车辆动力系统优化测试方法，其特征在于：混合动力车辆行驶和作业工况的智能辨识系统，首先建立混合动力车辆/发动机动力学和辅助装置的燃油消耗量模型；使用车载诊断端口数据和传感器的数据作为行驶和作业工况的辨识；建立该模型的依据是专用车辆运动所需功率的估计算法，根据从车载诊断端口处获得发动机信息及车速信息，估算发动机所需的总功率，发动机总功率和驱动功率之差就是辅助动力装置的功率；建立的辨识模型和估计算法通过计算软件进行评价。
4.根据权利要求1～3任一项所述的基于多学科优化的混合动力车辆动力系统优化测试方法，其特征在于：第一步中的混合动力车辆动力系统零部件模型库组成包括：发动机模型、电机模型、不同类型的电池模型、超级电容模型、逆变器模型、传动装置模型、能量转化器模型。
5.根据权利要求1所述的基于多学科优化的混合动力车辆动力系统优化测试方法，其特征在于：第二步中，基于多学科并行优化的动力系统优化和评估软件系统的优化，多学科优化MDO的数学表达式如下：
MinimizeJ(XD,U(XD))w.r.t.XD
s.t.C(XD,U(XD))；
其中，XD是优化算法中的设计变量，U(XD)是系统输出变量，在每个优化回路中，设计变量XD是固定的，学科1和学科2可以确定系统输出U1(XD)和U2(XD)；然后，系统输出变量被返回到MDO优化器，用于评价目标函数J(XD,U(XD))和约束函数C(XD,U(XD))。
6.根据权利要求4所述的基于多学科优化的混合动力车辆动力系统优化测试方法，其特征在于：混合动力车辆动力系统零部件模型库建模包括以下内容，基于Guzzella建模方法建立一个可扩展的发动机模型，同时建立一个基于lookup table查表的电机-发电机模型；基于开路电压的电池模型，其中电池的特性确定是根据描述开路电压和电池充电状态关系的lookup table查表决定；传动装置中的齿轮系统的类型根据混合动力车辆的配置确定。
7.根据权利要求2或3任一项所述的基于多学科优化的混合动力车辆动力系统优化测试方法，其特征在于：能量管理包括对于可再生能量的回收再利用；具体为，工作中获得的行驶和作业工况信息将用于识别潜在的能量回收及车辆驻车时辅助系统所需能量。
8.根据权利要求7所述的基于多学科优化的混合动力车辆动力系统优化测试方法，其特征在于：可再生能量存储有两种形式：电池和飞轮；在飞轮系统中能量转化为机械动能的形式，储存的能量正比于旋转速度的平方；在电池系统中，能量被存储在电池中，被转化为电化学能量的形式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811579286.8A CN109635484A (zh) | 2018-12-24 | 2018-12-24 | 基于多学科优化的混合动力车辆动力系统优化测试方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811579286.8A CN109635484A (zh) | 2018-12-24 | 2018-12-24 | 基于多学科优化的混合动力车辆动力系统优化测试方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109635484A true CN109635484A (zh) | 2019-04-16 |
Family
ID=66076669
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811579286.8A Pending CN109635484A (zh) | 2018-12-24 | 2018-12-24 | 基于多学科优化的混合动力车辆动力系统优化测试方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109635484A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111552264A (zh) * | 2020-04-13 | 2020-08-18 | 吉利汽车研究院（宁波）有限公司 | 电动汽车控制仿真测试平台 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102667115A (zh) * | 2009-12-23 | 2012-09-12 | 依维柯发动机研究公司 | 用于测量并控制燃烧发动机中egr率的方法和装置 |
| CN106407587A (zh) * | 2016-09-29 | 2017-02-15 | 肇庆学院 | 混合动力货车防怠速系统的建立方法 |
| CN106526351A (zh) * | 2016-09-29 | 2017-03-22 | 肇庆学院 | 混合动力专用车辆再生辅助动力试验台及其测试方法 |
| CN206086715U (zh) * | 2016-09-29 | 2017-04-12 | 肇庆学院 | 混合动力货车防怠速系统 |
| CN107813718A (zh) * | 2017-09-30 | 2018-03-20 | 中车青岛四方机车车辆股份有限公司 | 一种车载燃料电池混合动力系统设计方法和装置 |
-
2018
- 2018-12-24 CN CN201811579286.8A patent/CN109635484A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102667115A (zh) * | 2009-12-23 | 2012-09-12 | 依维柯发动机研究公司 | 用于测量并控制燃烧发动机中egr率的方法和装置 |
| CN106407587A (zh) * | 2016-09-29 | 2017-02-15 | 肇庆学院 | 混合动力货车防怠速系统的建立方法 |
| CN106526351A (zh) * | 2016-09-29 | 2017-03-22 | 肇庆学院 | 混合动力专用车辆再生辅助动力试验台及其测试方法 |
| CN206086715U (zh) * | 2016-09-29 | 2017-04-12 | 肇庆学院 | 混合动力货车防怠速系统 |
| CN107813718A (zh) * | 2017-09-30 | 2018-03-20 | 中车青岛四方机车车辆股份有限公司 | 一种车载燃料电池混合动力系统设计方法和装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111552264A (zh) * | 2020-04-13 | 2020-08-18 | 吉利汽车研究院（宁波）有限公司 | 电动汽车控制仿真测试平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dawei et al. | Intelligent fuzzy energy management research for a uniaxial parallel hybrid electric vehicle | |
| Oh | Evaluation of motor characteristics for hybrid electric vehicles using the hardware-in-the-loop concept | |
| Mayyas et al. | Model-based design validation for advanced energy management strategies for electrified hybrid power trains using innovative vehicle hardware in the loop (VHIL) approach | |
| Kim et al. | Validating Volt PHEV model with dynamometer test data using Autonomie | |
| CN104590247A (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 | |
| Ganji et al. | A study on look-ahead control and energy management strategies in hybrid electric vehicles | |
| Anselma et al. | Comparing battery electric vehicle powertrains through rapid component sizing | |
| Yu et al. | A battery management system using nonlinear model predictive control for a hybrid electric vehicle | |
| Zhang et al. | Short-term optimal energy management of power-split hybrid electric vehicles under velocity tracking control | |
| Kulikov et al. | A Method of Powertrain’s Components Sizing for a Range Extended Electric Vehicle | |
| CN109635484A (zh) | 基于多学科优化的混合动力车辆动力系统优化测试方法 | |
| Awadallah et al. | A system analysis and modeling of a HEV based on ultracapacitor battery | |
| Cheng et al. | Modeling and simulation of plug-in hybrid electric powertrain system for different vehicular application | |
| Fanesi et al. | Optimize the Mild Hybrid Electric Vehicles control system to reduce the Emission | |
| Van Mierlo et al. | Vehicle simulation program: a tool to evaluate hybrid power management strategies based on an innovative iteration algorithm | |
| Zeman et al. | Modeling and optimization of plug-In hybrid electric vehicle fuel economy | |
| Dileep et al. | Design and Performance Estimation of Electric Vehicle | |
| Ma et al. | On-line energy distribution for hybrid electric vehicles using optimal power-split-ratio | |
| Otaola et al. | Digital twin based simulation platform for heavy duty hybrid electric vehicles | |
| CN206086715U (zh) | 混合动力货车防怠速系统 | |
| Nandurkar et al. | Modelling and Simulation of Electric and Hybrid Electric Vehicles | |
| Ord et al. | Powertrain Design to Meet Performance and Energy Consumption Goals for EcoCAR 3 | |
| Uysal et al. | Modelling and fuzzy logic based control scheme for a series hybrid electric vehicle | |
| Mallouh et al. | Battery Electric Vehicle Powertrain Modeling, Simulation, and Performance Analysis | |
| Zamora et al. | Development of an in-series hybrid urban bus model and its correlation with on-board testing results. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190416 |
|
| RJ01 | Rejection of invention patent application after publication |