CN110488629A - 一种基于数字孪生技术的混合动力汽车的管控方法 - Google Patents
一种基于数字孪生技术的混合动力汽车的管控方法 Download PDFInfo
- Publication number
- CN110488629A CN110488629A CN201910588795.5A CN201910588795A CN110488629A CN 110488629 A CN110488629 A CN 110488629A CN 201910588795 A CN201910588795 A CN 201910588795A CN 110488629 A CN110488629 A CN 110488629A
- Authority
- CN
- China
- Prior art keywords
- twin
- hybrid vehicle
- data
- technology
- model
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及了一种基于数字孪生技术的混合动力汽车的管控方法,该方法先基于数字孪生技术在云端仿真平台上搭建与物理实体(混合动力汽车)相匹配的混合动力汽车数字孪生云端虚拟模型并将其仿真工作环境配置为与物理实体的实际工作环境一致,再由数字孪生云存储计算平台实时动态收集物理实体运行产生的物理数据和云端虚拟模型运行产生的虚拟数据后进行数据分析融合处理,进而根据数据处理结果实时与当前混合动力汽车运行数据比较以及实时更新云端虚拟模型的属性特征,并基于物理实体标定性能和当前状态结合云端在线仿真技术获得最新模型相应的最优控制策略,将最优控制策略输入到物理实体中以自动改变混合动力汽车运行控制,整体实现动态最优控制。
Description
技术领域
本发明涉及混合动力汽车管理控制技术领域,具体涉及一种基于数字孪生技术的混合动力汽车的管控方法。
背景技术
混合动力汽车通过搭载发动机和电动机作为产生使车辆行驶的驱动力的驱动源,不像纯电动汽车受制于动力电池的性能而导致行驶里程受到限制,混合动力汽车能够像传统燃料汽车一样满足人类日常出行需求。现代混合动力汽车,主要以发动机燃烧化石燃料(汽油、柴油、压缩天然气等)或其他种类燃料为其一动力源,采用蓄电池(燃料电池、超级电容等)驱动电动机作为另一动力源,共同为车辆提供动力驱动车辆行驶。所述混合动力汽车作为一个复杂的多学科交叉产物,融合了材料、机械、电气、能源、控制等众多基础学科,其运行状态及其状态变化过程也均是错综复杂的,传统方法是增加管理系统对混合动力汽车进行监测,发现问题后再去进行相应维护或维修,此方法工作效率低、管控不及时且不能提前发现和预警一些潜在危险,并且其已经远不能满足快速发展的混合动力汽车的越来越精细化、智能化、灵活化的高标准控制要求。被动的实现混合动力汽车的管理,可以做监测,但是不能进行其健康管理,只有在发生了问题以后才能出现警报,不能动态管理,如何将不同学科的信息和数据融合,对车辆做多维度、多尺度的描述,并根据获取到的实时数据预测未来某一时间段内的运行状态以保证混合动力汽车尽可能久的安全可靠运行成为了亟待解决的问题。
数字孪生技术作为解决智能制造信息物理融合难题和践行智能制造宗旨的关键技术,已逐渐得到学术界的广泛关注和研究,并在诸多工业化领域成功落地应用。具体来说,数字孪生技术是指以数字化的方式建立物理实体的多维度、多时空尺度、多学科、多途径、多物理量、多概率的数字化实体(动态虚拟模型)来仿真、刻画和反应物理实体在真实环境中的属性、行为和规则等特性,首先基于高精度的物理模型、历史数据以及传感器实时数据更新构建物理实体完整映射在数字化空间(虚拟空间)的虚拟模型,从而反映相对应的物理实体的全生命周期过程的技术。实现物理实体的健康状态、剩余使用寿命以及任务可达性的预测,并能够比较预测结果与真实响应,及时发现未知问题,进而对物理实体系统触发自修复机制和任务重规划以降低损失和错误发生。数字孪生技术作为解决“工业4.0”时代信息融合、智能制造理念与目标的关键技术,得到学界广泛关注与研究,并被工业界引入到越来越多的领域落地应用。
近年来关于数字孪生技术的研究方兴未艾,这也为混合动力汽车的科学管控、合理预测、全方位全生命周期的管控提供了一种新的技术思路。
发明内容
本发明针对传统方法中利用增设专门的汽车管理系统对混合动力汽车进行管控存在的工作效率低、管控不及时且不能提前发现和预警一些潜在危险、无法实时动态管控等问题提供了一种基于数字孪生技术的混合动力汽车的管控方法,该方法创新性地引入了数字孪生技术,并通过搭建与混合动力汽车完全一致的混合动力汽车数字孪生云端虚拟模型后分别在实际工作环境和仿真工作环境中同步监测两个混合动力汽车系统的运行数据,并对二者的运行数据进行收集和分析处理,动态监测两个系统的运行数据以及动态更新混合动力汽车数字孪生云端虚拟模型进而获得最优控制策略,实现动态管理控制混合动力汽车的运行状态,有效提升了汽车整体的工作性能与工作效率。
本发明的技术方案如下:
一种基于数字孪生技术的混合动力汽车的管控方法,所述混合动力汽车作为实际工作环境中的物理实体,先基于数字孪生技术在云端仿真平台上搭建与所述物理实体相匹配的混合动力汽车数字孪生云端虚拟模型,配置混合动力汽车数字孪生云端虚拟模型的仿真工作环境使其与物理实体的实际工作环境保持一致,再由数字孪生云存储计算平台实时动态收集物理实体运行产生的物理数据和混合动力汽车数字孪生云端虚拟模型运行产生的虚拟数据后进行数据分析融合处理,所述数字孪生云存储计算平台根据数据处理结果实时与当前混合动力汽车运行数据比较以及实时更新所述混合动力汽车数字孪生云端虚拟模型的属性特征,并基于物理实体标定性能和当前状态结合云端在线仿真技术获得最新模型下相应的最优控制策略,将最优控制策略输入到物理实体中以自动改变混合动力汽车运行控制,所述物理实体运行控制的变化数据再次被数字孪生云存储计算平台收集,同时依变化同步配置的混合动力汽车数字孪生云端虚拟模型的虚拟数据也再次被数字孪生云存储计算平台收集,数字孪生云存储计算平台再次进行数据分析融合处理,并根据最新数据处理结果实时与当前混合动力汽车运行数据比较以及实时更新混合动力汽车数字孪生云端虚拟模型,再次根据最新模型获得最优控制策略,形成动态滚动数据交换,实现动态最优控制。
优选地,搭建所述混合动力汽车数字孪生云端虚拟模型是基于所述物理实体的包括但不限于几何尺寸、材料属性、电路结构和连接关系的物理数据进行,采用CAD画图法、CAE近似数值分析法和有限元法将所述物理实体各部件进行数字化,将各数字化部件在仿真工作环境中组装成所述混合动力汽车数字孪生云端虚拟模型。
优选地,所述物理实体包括但不限于传统动力总成系统、新能源动力总成系统、底盘系统、传动系统、车身系统、电气系统的子系统,所述混合动力汽车数字孪生云端虚拟模型各数字化部件包括但不限于传统动力总成系统模型、新能源动力总成系统模型、底盘系统模型、传动系统模型、车身系统模型、电气系统模型。
优选地,所述传统动力总成系统、新能源动力总成系统、底盘系统、传动系统、车身系统、电气系统中均相应设置有若干传感器,各相应传感器采集各子系统运行的物理数据通过信息流数据传递总线上传至数字孪生云存储计算平台;所述云端仿真平台采集所述混合动力汽车数字孪生云端虚拟模型中各子系统数字化模型运行的虚拟数据通过信息流数据传递总线上传至数字孪生云存储计算平台。
优选地,信息流数据传递总线的形式包括但不限于有线传输技术、无线传输技术、量子传输技术,所述有限传输技术包括但不限于CAN总线传输技术、Flexray总线传输技术和MOST总线传输技术,所述无线传输技术包括但不限于蓝牙连接传输、4G网络连接传输、5G网络连接传输、WLAN连接传输。
优选地,所述数字孪生云存储计算平台还通过所述若干传感器采集记录混合动力汽车运行全生命周期中各阶段的运行数据作为历史运行数据。
优选地,在基于物理实体标定性能、当前状态的基础上还基于历史运行数据、驾驶目的地距离数据、用户驾驶习惯数据结合云端在线仿真技术更新混合动力汽车数字孪生云端虚拟模型并获得最新模型下相应的最优控制策略。
优选地,所述数字孪生云存储计算平台采用包括但不限于人工神经网络模型算法、卷积神经网络算法、人工群智能算法、机器学习算法中一种或多种任意组合的算法对物理数据和虚拟数据进行数据分析融合处理以及对虚拟汽车系统模型进行属性特征更新。
优选地,所述混合动力汽车数字孪生云端虚拟模型中实时更新的属性特征包括但不限于理化属性特征、空间环境特征、历史运行数据变化特征、系统整体时变状态特征、系统驱动变化特征。
优选地,所述最优控制策略采用汽车状态报告形式,内容包括但不限于混合动力汽车当前运行状态、汽车系统安全性在线评估结果、混合动力汽车故障及各部件失效性预警、异常状况监测及维修保养建议。
本发明的技术效果如下:
本发明涉及了一种基于数字孪生技术的混合动力汽车的管控方法,该方法引入了数字孪生技术,并通过搭建与混合动力汽车这一物理实体完全一致的混合动力汽车数字孪生云端虚拟模型后分别在实际工作环境和仿真工作环境中同步监测两个混合动力汽车系统的运行数据,并对二者的运行数据进行收集和分析处理,动态监测两个系统的运行数据以及动态更新混合动力汽车数字孪生云端虚拟模型,获得最优控制策略,实现动态管理控制混合动力汽车的运行状态,有效解决了传统方法中利用增设专门的汽车管理系统对混合动力汽车进行管控存在的工作效率低、管控不及时且不能提前发现和预警一些潜在危险、无法实时动态管控等问题,有效提升了混合动力汽车整体的工作性能与工作效率,本发明所述管控方法通过物理实体与虚拟数字模型(混合动力汽车数字孪生云端虚拟模型)交互、耦合的方法建立数字孪生系统,使用数字孪生的云端仿真平台通过信息实时交互的方法将物理实体和虚拟数字模型连接,以保证虚拟数字模型的实时同步,通过数字孪生云存储计算平台对实时数据进行处理,保证数字化的混合动力汽车数字孪生云端虚拟模型具有推演物理汽车系统未来状态、故障提前预警、异常情况监测、全生命周期性能保障和全寿命周期健康管理的功能,并根据最优控制策略指导混合动力汽车的针对性维护,大大提高了混合动力汽车的系统安全性及应用可靠性,能够为混合动力汽车的智能化提供数据支撑和服务。本发明提供的基于数字孪生的全生命周期混合动力汽车的管控方法,能够支持数字孪生与人工智能的相互促进发展,数字孪生为人工智能算法提供充足的数据量作为支撑,人工智能算法的成果应用于数字孪生系统促进计算速度和精度的提高。
附图说明
图1:为本发明一种基于数字孪生技术的混合动力汽车的管控方法的概括性原理示意图。
图2:为本发明一种基于数字孪生技术的混合动力汽车的管控方法的优选的数据优化过程示意图。
具体实施方式
下面结合附图进一步对本发明进行详细说明。
本发明涉及了一种基于数字孪生技术的混合动力汽车的管控方法,所述混合动力汽车作为实际工作环境中的物理实体,先基于数字孪生技术在云端仿真平台上搭建与所述物理实体相匹配的混合动力汽车数字孪生云端虚拟模型,配置混合动力汽车数字孪生云端虚拟模型的仿真工作环境使其与物理实体的实际工作环境保持一致,再由数字孪生云存储计算平台实时动态收集物理实体运行产生的物理数据和混合动力汽车数字孪生云端虚拟模型运行产生的虚拟数据后进行数据分析融合处理,所述数字孪生云存储计算平台根据数据处理结果实时与当前混合动力汽车运行数据比较以及实时更新所述混合动力汽车数字孪生云端虚拟模型的属性特征,并基于物理实体标定性能和当前状态结合云端在线仿真技术获得最新模型下相应的最优控制策略,将最优控制策略输入到物理实体中以自动改变混合动力汽车运行控制,所述物理实体运行控制的变化数据再次被数字孪生云存储计算平台收集,同时依变化同步配置的混合动力汽车数字孪生云端虚拟模型的虚拟数据也再次被数字孪生云存储计算平台收集,数字孪生云存储计算平台再次进行数据分析融合处理,并根据最新数据处理结果实时与当前混合动力汽车运行数据比较以及实时更新混合动力汽车数字孪生云端虚拟模型,再次根据最新模型获得最优控制策略,形成动态滚动数据交换,实现动态最优控制,如图1所示的本方法的概括性原理示意图所示,所述物理实体、所述数字孪生云存储计算平台和所述混合动力汽车数字孪生云端虚拟模型与核心孪生数据均为双向连接以传输数据以及反馈驱动,核心的孪生数据也即为本工作过程中产生的海量的数据,旨在表明数据交互耦合、滚动优化的动态流向,孪生数据充当核心,其他部分围绕孪生数据形成动态滚动式数据交换传输,进而实现动态实时的最优控制,该方法引入了数字孪生技术,并通过搭建与混合动力汽车这一物理实体完全一致的混合动力汽车数字孪生云端虚拟模型后分别在实际工作环境和仿真工作环境中同步监测两个混合动力汽车系统的运行数据,并对二者的运行数据进行收集和分析处理,动态监测两个系统的运行数据以及动态更新混合动力汽车数字孪生云端虚拟模型,获得最优控制策略,实现动态管理控制混合动力汽车的运行状态,有效解决了传统方法中利用增设专门的汽车管理系统对混合动力汽车进行管控存在的工作效率低、管控不及时且不能提前发现和预警一些潜在危险、无法实时动态管控等问题,有效提升了混合动力汽车整体的工作性能与工作效率,本发明所述管控方法通过物理实体与虚拟数字模型(混合动力汽车数字孪生云端虚拟模型)交互、耦合的方法建立数字孪生系统,使用数字孪生的云端仿真平台通过信息实时交互的方法将物理实体和虚拟数字模型连接,以保证虚拟数字模型的实时同步,通过数字孪生云存储计算平台对实时数据进行处理,保证数字化的混合动力汽车数字孪生云端虚拟模型具有推演物理汽车系统未来状态、故障提前预警、异常情况监测、全生命周期性能保障和全寿命周期健康管理的功能,同时还可以对混合动力汽车的安全性、可靠性进行在线评估,并根据最优控制策略指导混合动力汽车的针对性维护,大大提高了混合动力汽车的系统安全性及应用可靠性,能够为混合动力汽车的智能化提供数据支撑和服务。本发明提供的基于数字孪生的全生命周期混合动力汽车的管控方法,能够支持数字孪生与人工智能的相互促进发展,数字孪生为人工智能算法提供充足的数据量作为支撑,人工智能算法的成果应用于数字孪生系统促进计算速度和精度的提高。
优选地,搭建所述混合动力汽车数字孪生云端虚拟模型是基于所述物理实体的包括但不限于几何尺寸、材料属性、电路结构和连接关系的物理数据进行,采用CAD画图法、CAE近似数值分析法和有限元法将所述物理实体各部件进行数字化,将各数字化部件在仿真工作环境中组装成所述混合动力汽车数字孪生云端虚拟模型。
结合图2优选的数据优化过程示意图所示,所述物理实体包括但不限于传统动力总成系统、新能源动力总成系统、底盘系统、传动系统、车身系统、电气系统的子系统,其中传统动力总成系统一般为发动机、起动机、ECU、排气后处理等,新能源动力总成系统一般为动力蓄电池(包括电池模组及BMS)、电动机(含有电机控制器)、DC-DC变换器等,底盘系统一般为转向部件、制动部件、悬架等,车身系统一般就是车架、副车架,传动系统一般为变速箱、离合器、TCU、CVT等,电气系统一般为车载空调、车载娱乐设备、VCU、CAN等,所述混合动力汽车数字孪生云端虚拟模型各数字化部件包括但不限于传统动力总成系统模型、新能源动力总成系统模型、底盘系统模型、传动系统模型、车身系统模型、电气系统模型,而这些模型就是采用CAD画图法、CAE近似数值分析法和有限元法等将所述物理实体的传统动力总成系统、新能源动力总成系统、底盘系统、传动系统、车身系统、电气系统等各系统各部件的几何尺寸、材料属性、电路结构和连接关系等等进行数字化,将各数字化部件在仿真工作环境中组装而成的,也即所述混合动力汽车数字孪生云端虚拟模型就是计算机展示的位于云端服务器内的与物理实体在物理、化学、电气各方面性质完全一致的数字化产物,物理实体和混合动力汽车数字孪生云端虚拟模型分被单独在各自的工作环境下运行,物理实体就是在实际的自然环境下运行,混合动力汽车数字孪生云端虚拟模型在经过配置的仿真工作环境下运行。
优选地,所述传统动力总成系统、新能源动力总成系统、底盘系统、传动系统、车身系统、电气系统中均相应设置有若干传感器,各相应传感器采集各子系统运行的物理数据通过信息流数据传递总线上传至数字孪生云存储计算平台;所述云端仿真平台采集所述混合动力汽车数字孪生云端虚拟模型中各子系统数字化模型运行的虚拟数据通过信息流数据传递总线上传至数字孪生云存储计算平台,各相应传感器采集物理实体的物理参数及混合动力汽车数字孪生云端虚拟模型建立和更新所需的物理参数包括SOC、SOE、总线电流、总线电压、电机转速、电机转矩、节气门开度、发动机转速、发动机转矩、燃油消耗率、车身车架结构部件寿命、外力冲击情况、结构部件疲劳损伤情况、制动部件制动力、方向盘角度、减震器行程、驾驶挡位、齿轮磨损程度、传动系统传动效率、车载空调功率、娱乐设备等设备功率等等,甚至还能包括驾驶员反应速度、驾驶员驾驶习惯、数据传输速率等。
本发明提出的基于数字孪生技术的混合动力汽车的管控方法,可以认为所述的混合动力汽车数字孪生云端虚拟模型(可简称云端虚拟模型)是物理实体在数字世界的一种映射,能够具有物理实体在现实世界中具备的所有属性和特征。其中,混合动力汽车的物理实体和一个云端虚拟模型整体构建“完整”的混合动力汽车,在“完整”的混合动力汽车产生的同时,随着时间效应的累计,物理实体中的各类信息数据源源不断的通过传感器等途径被采集,再经过信息流数据传递总线传递到云端虚拟模型和数字孪生云存储计算平台中,实现数据的全局共享。
优选地,信息流数据传递总线的形式包括但不限于有线传输技术、无线传输技术、量子传输技术,所述有限传输技术包括但不限于CAN总线传输技术、Flexray总线传输技术和MOST总线传输技术,所述无线传输技术包括但不限于蓝牙连接传输、4G网络连接传输、5G网络连接传输、WLAN连接传输,所传输的数据内容包括混合动力汽车行驶过程中需要、产生的各种数据格式的信息数据,通过信息流数据传递总线进行孪生数据的传输使得物理实体的实时状态信息能够全局更新和共享。
优选地,所述数字孪生云存储计算平台还通过所述若干传感器采集记录混合动力汽车运行全生命周期中各阶段的运行数据作为历史运行数据。
优选地,在基于物理实体标定性能、当前状态的基础上还基于历史运行数据、驾驶目的地距离数据、用户驾驶习惯数据结合云端在线仿真技术更新混合动力汽车数字孪生云端虚拟模型并获得最新模型下相应的最优控制策略。
优选地,如图2所示,所述混合动力汽车数字孪生云端虚拟模型中实时更新的属性特征包括但不限于理化属性特征、空间环境特征、历史运行数据变化特征、系统整体时变状态特征、系统驱动变化特征,理化属性特征包括各部件及各部件之间的三维尺寸参数、装配位置关系、材料加工特性等,可以据此使用三维建模软件复现对应物理对象的虚拟模型,空间环境特征包括汽车所处环境的温度、湿度、洁净度以及其他外界环境因素,此特征在时间累积效应的作用下会对系统产生时效影响,历史运行数据变化特征包括系统在云端虚拟模型和物理实体均建立完善之日起的混合动力汽车运行全生命周期中各阶段的运行数据,这些历史运行数据会被传输给数字孪生云存储计算平台,以备在虚拟模型的大数据训练过程提供充足数据保障,系统整体时变状态特征包括除理化属性特征、空间环境特征之外的其他所有实时特征参数及附加数据,可以补充性地反映系统当前时刻的各种特征,系统驱动变化特征主要是指对应属性所属学科(如材料、化学、电气等)的算法或经验公式等,用以驱动云端虚拟模型的同步运行或超前的计算推演,这些算法也就是所述数字孪生云存储计算平台对物理数据和虚拟数据进行数据分析融合处理以及对虚拟汽车系统模型进行属性特征更新的技术手段,进一步优选地,所述数字孪生云存储计算平台采用包括但不限于人工神经网络模型算法、卷积神经网络算法、人工群智能算法、机器学习算法中一种或多种任意组合的算法对物理数据和虚拟数据进行数据分析融合处理以及对虚拟汽车系统模型进行属性特征更新,这些计算方法或经验公式均为先进的智能计算方法或基于专家经验或实验现象总结的经验公式,可应用性极强。
优选地,所述最优控制策略采用汽车状态报告形式,内容包括但不限于混合动力汽车当前运行状态、汽车系统安全性在线评估结果、混合动力汽车故障及各部件失效性预警、异常状况监测及维修保养建议,也就是本方法对混合动力汽车具有整车控制动态优化、整车动力效率分析、整车结构老化分析、整车温度管理、推演物理汽车系统未来状态、故障预警分析、异常情况监测、全生命周期性能保障和全寿命周期健康管理的功能,同时还可以对混合动力汽车的安全性、可靠性进行在线评估,并根据最优控制策略指导混合动力汽车的针对性维护,大大提高了混合动力汽车的系统安全性及应用可靠性。
进一步理解,所述数字孪生云存储计算平台是物理实体和云端虚拟模型连接的重要节点,数字孪生云存储计算平台主要有“存储”和“计算”两方面功能,一方面是收集并存储通过各种传感器、系统后台等途径采集到的物理实体运行过程产生的各种特征的数据,包括历史数据,这些数据存储在数字孪生云存储计算平台的云端数据库中可供训练模型、经验总结、标准划定使用,进一步讲,是通过计算得到实时状态和未来时刻的推演,实现物理实体和云端虚拟模型的同步进化和故障预测、异常情况监测、全生命周期性能保障和全寿命周期健康管理的功能;另一方面是利用云端服务器(位于数字孪生云存储计算平台中)的大算力持续计算模型的各项参数或指标,得到当前或未来某一时间段的信息预测、分析、评估,实现信息数据的价值变现与共享,还可以使用深度学习等可靠的智能计算方法,并且所述数字孪生云存储计算平台中还可能设置专门的云端历史数据库,数字孪生云存储计算平台可以将过时的信息数据统一整理放入云端历史数据库并将其用于训练模型的精度,使得平台的计算速度和计算精度大大提高,进一步讲,是将已经加工处理过的过时数据存入历史数据库,此外历史数据库的信息还会帮助前述的“计算”功能不断迭代更新,训练智能模型,使其更符合混合动力汽车实际性能。在本方法工作过程中,最终物理实体的实际状态和数字孪生云存储计算平台的计算数据都会被传递给云端虚拟模型,云端虚拟模型综合的将实际数据和计算数据对比得到对实时和未来的评估结果,反馈给物理实体的“混合动力汽车-驾驶员”,辅助现实世界的“车-人”系统做出反应,也就是现实与虚拟交互,共同精准控制混合动力电动汽车。
社会中存在着大量的混合动力汽车,但是汽车控制并不具有普适性,进一步优选地设置一个更大的云端汽车数据库,并将将每个混合动力汽车物理实体对应的数字孪生云存储计算平台中的全部信息数据统一上传到该云端汽车数据库,并以此作为大数据基础,结合先进的计算算法来总结和训练一个更专业且具有普适性的虚拟混合动力汽车联合体模型(或理解为建立一个针对大量混合动力汽车的“云端生态系统”),以对混合动力汽车的管理控制提供更为精准高效的指导。
本发明基于数字孪生技术的混合动力汽车的管控方法能够应用于数字孪生系统,其是一个不断交互耦合,滚动优化的“动力系统”,一直处于动态地接收信息、自我更新优化过程,能够保障混合动力汽车具备更为理想的各项状态。
应当指出,以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造,但不以任何方式限制本发明创造。因此,尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明,但是,本领域技术人员应当理解,仍然可以对本发明创造进行修改或者等同替换,总之,一切不脱离本发明创造的精神和范围的技术方案及其改进,其均应涵盖在本发明创造专利的保护范围当中。
Claims (10)
1.一种基于数字孪生技术的混合动力汽车的管控方法,其特征在于,所述混合动力汽车作为实际工作环境中的物理实体,先基于数字孪生技术在云端仿真平台上搭建与所述物理实体相匹配的混合动力汽车数字孪生云端虚拟模型,配置混合动力汽车数字孪生云端虚拟模型的仿真工作环境使其与物理实体的实际工作环境保持一致,再由数字孪生云存储计算平台实时动态收集物理实体运行产生的物理数据和混合动力汽车数字孪生云端虚拟模型运行产生的虚拟数据后进行数据分析融合处理,所述数字孪生云存储计算平台根据数据处理结果实时与当前混合动力汽车运行数据比较以及实时更新所述混合动力汽车数字孪生云端虚拟模型的属性特征,并基于物理实体标定性能和当前状态结合云端在线仿真技术获得最新模型下相应的最优控制策略,将最优控制策略输入到物理实体中以自动改变混合动力汽车运行控制,所述物理实体运行控制的变化数据再次被数字孪生云存储计算平台收集,同时依变化同步配置的混合动力汽车数字孪生云端虚拟模型的虚拟数据也再次被数字孪生云存储计算平台收集,数字孪生云存储计算平台再次进行数据分析融合处理,并根据最新数据处理结果实时与当前混合动力汽车运行数据比较以及实时更新混合动力汽车数字孪生云端虚拟模型,再次根据最新模型获得最优控制策略,形成动态滚动数据交换,实现动态最优控制。
2.根据权利要求1所述的基于数字孪生技术的混合动力汽车的管控方法,其特征在于,搭建所述混合动力汽车数字孪生云端虚拟模型是基于所述物理实体的包括但不限于几何尺寸、材料属性、电路结构和连接关系的物理数据进行,采用CAD画图法、CAE近似数值分析法和有限元法将所述物理实体各部件进行数字化,将各数字化部件在仿真工作环境中组装成所述混合动力汽车数字孪生云端虚拟模型。
3.根据权利要求2所述的基于数字孪生技术的混合动力汽车的管控方法,其特征在于,所述物理实体包括但不限于传统动力总成系统、新能源动力总成系统、底盘系统、传动系统、车身系统、电气系统的子系统,所述混合动力汽车数字孪生云端虚拟模型各数字化部件包括但不限于传统动力总成系统模型、新能源动力总成系统模型、底盘系统模型、传动系统模型、车身系统模型、电气系统模型。
4.根据权利要求3所述的基于数字孪生技术的混合动力汽车的管控方法,其特征在于,所述传统动力总成系统、新能源动力总成系统、底盘系统、传动系统、车身系统、电气系统中均相应设置有若干传感器,各相应传感器采集各子系统运行的物理数据通过信息流数据传递总线上传至数字孪生云存储计算平台;所述云端仿真平台采集所述混合动力汽车数字孪生云端虚拟模型中各子系统数字化模型运行的虚拟数据通过信息流数据传递总线上传至数字孪生云存储计算平台。
5.根据权利要求4所述的基于数字孪生技术的混合动力汽车的管控方法,其特征在于,信息流数据传递总线的形式包括但不限于有线传输技术、无线传输技术、量子传输技术,所述有限传输技术包括但不限于CAN总线传输技术、Flexray总线传输技术和MOST总线传输技术,所述无线传输技术包括但不限于蓝牙连接传输、4G网络连接传输、5G网络连接传输、WLAN连接传输。
6.根据权利要求4所述的基于数字孪生技术的混合动力汽车的管控方法,其特征在于,所述数字孪生云存储计算平台还通过所述若干传感器采集记录混合动力汽车运行全生命周期中各阶段的运行数据作为历史运行数据。
7.根据权利要求6所述的基于数字孪生技术的混合动力汽车的管控方法,其特征在于,在基于物理实体标定性能、当前状态的基础上还基于历史运行数据、驾驶目的地距离数据、用户驾驶习惯数据结合云端在线仿真技术更新混合动力汽车数字孪生云端虚拟模型并获得最新模型下相应的最优控制策略。
8.根据权利要求5-7之一所述的基于数字孪生技术的混合动力汽车的管控方法,其特征在于,所述数字孪生云存储计算平台采用包括但不限于人工神经网络模型算法、卷积神经网络算法、人工群智能算法、机器学习算法中一种或多种任意组合的算法对物理数据和虚拟数据进行数据分析融合处理以及对虚拟汽车系统模型进行属性特征更新。
9.根据权利要求8所述的基于数字孪生技术的混合动力汽车的管控方法,其特征在于,所述混合动力汽车数字孪生云端虚拟模型中实时更新的属性特征包括但不限于理化属性特征、空间环境特征、历史运行数据变化特征、系统整体时变状态特征、系统驱动变化特征。
10.根据权利要求9所述的基于数字孪生技术的混合动力汽车的管控方法,其特征在于,所述最优控制策略采用汽车状态报告形式,内容包括但不限于混合动力汽车当前运行状态、汽车系统安全性在线评估结果、混合动力汽车故障及各部件失效性预警、异常状况监测及维修保养建议。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910588795.5A CN110488629B (zh) | 2019-07-02 | 2019-07-02 | 一种基于数字孪生技术的混合动力汽车的管控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910588795.5A CN110488629B (zh) | 2019-07-02 | 2019-07-02 | 一种基于数字孪生技术的混合动力汽车的管控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110488629A true CN110488629A (zh) | 2019-11-22 |
CN110488629B CN110488629B (zh) | 2021-01-29 |
Family
ID=68546450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910588795.5A Active CN110488629B (zh) | 2019-07-02 | 2019-07-02 | 一种基于数字孪生技术的混合动力汽车的管控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110488629B (zh) |
Cited By (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111191880A (zh) * | 2019-12-13 | 2020-05-22 | 华能澜沧江水电股份有限公司 | 一种基于数字化映射的边坡全生命周期安全管理方法 |
CN111368920A (zh) * | 2020-03-05 | 2020-07-03 | 中南大学 | 基于量子孪生神经网络的二分类方法及其人脸识别方法 |
CN111461338A (zh) * | 2020-03-06 | 2020-07-28 | 北京仿真中心 | 基于数字孪生的智能系统更新方法、装置 |
CN111652406A (zh) * | 2020-04-10 | 2020-09-11 | 安徽继远软件有限公司 | 云-边协同下电网设备运行状态预测方法及系统 |
CN111708919A (zh) * | 2020-05-28 | 2020-09-25 | 北京赛博云睿智能科技有限公司 | 一种大数据处理方法及系统 |
CN111881495A (zh) * | 2020-06-24 | 2020-11-03 | 北京工业大学 | 基于数字孪生的预应力钢结构安全评估方法 |
CN111898917A (zh) * | 2020-08-07 | 2020-11-06 | 广元量知汇科技有限公司 | 基于大数据的智能制造管理系统 |
CN111935280A (zh) * | 2020-08-10 | 2020-11-13 | 上海维宏电子科技股份有限公司 | 针对工业设备的信息物理系统 |
CN111930026A (zh) * | 2020-08-20 | 2020-11-13 | 北京经纬恒润科技有限公司 | 一种测试方法及装置 |
CN111970317A (zh) * | 2020-04-28 | 2020-11-20 | 浙江吉利汽车研究院有限公司 | 远程控制方法、存储介质及远程控制系统 |
CN112084675A (zh) * | 2020-09-17 | 2020-12-15 | 南方电网科学研究院有限责任公司 | 一种gis设备的数字孪生体的构建方法、装置及存储介质 |
CN112519793A (zh) * | 2020-12-09 | 2021-03-19 | 南京航空航天大学 | 一种基于数字孪生的智能线控底盘架构及其主动容错方法 |
CN112906296A (zh) * | 2021-02-02 | 2021-06-04 | 武汉理工大学 | 混合动力汽车全服役期能量优化方法、系统和存储介质 |
CN112925309A (zh) * | 2021-01-22 | 2021-06-08 | 中国汽车技术研究中心有限公司 | 智能网联汽车数据交互方法及交互系统 |
CN112995309A (zh) * | 2021-02-08 | 2021-06-18 | 南京航空航天大学 | 一种网联式云控智能线控底盘控制系统及其控制方法 |
CN113009885A (zh) * | 2019-12-20 | 2021-06-22 | 中国科学院沈阳计算技术研究所有限公司 | 一种数控系统安全状态数字化映射系统及方法 |
CN113002555A (zh) * | 2021-02-08 | 2021-06-22 | 南京航空航天大学 | 一种数字孪生驱动的智能线控底盘系统及其故障诊断方法 |
CN113050455A (zh) * | 2021-03-27 | 2021-06-29 | 上海智能新能源汽车科创功能平台有限公司 | 一种用于智能网联汽车的数字孪生测试系统及控制方法 |
CN113259480A (zh) * | 2021-06-18 | 2021-08-13 | 合安科技技术有限公司 | 基于配置孪生同步方法、物联网、设备及存储介质 |
CN113344244A (zh) * | 2021-04-29 | 2021-09-03 | 武汉科技大学 | 一种数字孪生驱动的工件加工能耗预测装置 |
CN113515848A (zh) * | 2021-05-13 | 2021-10-19 | 三一重型装备有限公司 | 矿山设备的结构设计优化方法、系统和可读存储介质 |
CN113609672A (zh) * | 2021-08-03 | 2021-11-05 | 东华大学 | 一种基于增量模型的数字孪生系统协同进化方法 |
CN113642177A (zh) * | 2021-08-16 | 2021-11-12 | 清华大学 | 数字孪生虚实多车混行仿真方法及装置 |
CN113771691A (zh) * | 2021-11-09 | 2021-12-10 | 北京航空航天大学 | 基于赛博物理系统的全生命周期动力电池管理装置及方法 |
CN113884899A (zh) * | 2021-09-28 | 2022-01-04 | 中汽创智科技有限公司 | 一种基于数字孪生的燃料电池仿真标定系统及方法 |
CN114036842A (zh) * | 2021-11-10 | 2022-02-11 | 北京安盟信息技术股份有限公司 | 一种数字孪生机床全生命周期使用策略动态生成方法 |
CN114035521A (zh) * | 2021-11-09 | 2022-02-11 | 中机寰宇(江苏)智能制造认证检测有限公司 | 一种基于数字孪生的汽车分段建造方法 |
WO2022110941A1 (en) * | 2020-11-24 | 2022-06-02 | Kyndryl, Inc. | Selectively governing internet of things devices via digital twin-based simulation |
CN114596716A (zh) * | 2020-11-19 | 2022-06-07 | 常州江苏大学工程技术研究院 | 基于云计算平台的悬架道路工况识别系统及控制方法 |
CN114630211A (zh) * | 2022-05-13 | 2022-06-14 | 苏州氢澜科技有限公司 | 一种基于数字孪生的燃料电池生产系统及其调整方法 |
CN114626278A (zh) * | 2022-05-16 | 2022-06-14 | 湖南大学 | 一种用于动力电池托架结构性能评估和健康监测的方法 |
CN114708724A (zh) * | 2021-06-28 | 2022-07-05 | 天津大学 | 一种人车路协同的多车能效优化算法 |
CN114879536A (zh) * | 2022-07-11 | 2022-08-09 | 山东交通学院 | 基于数字孪生技术获取悬架系统实时特性的方法和装置 |
CN114909227A (zh) * | 2022-04-12 | 2022-08-16 | 哈尔滨工程大学 | 一种基于数字孪生的船舶柴油机喷油控制系统及策略 |
WO2022213537A1 (zh) * | 2021-03-29 | 2022-10-13 | 清华大学 | 一种通信系统仿真平台 |
CN115238574A (zh) * | 2022-07-05 | 2022-10-25 | 国网冀北电力有限公司经济技术研究院 | 基于数字孪生的输电线路数据管理方法 |
CN115359693A (zh) * | 2022-08-15 | 2022-11-18 | 武汉船用机械有限责任公司 | 一种海工平台升降模拟操作系统及其运行方法 |
CN115374574A (zh) * | 2022-10-25 | 2022-11-22 | 天津天锻航空科技有限公司 | 一种冲击液压成形用的数字孪生系统及构建方法 |
GB2610809A (en) * | 2021-09-10 | 2023-03-22 | Flare Bright Ltd | Digital twin for an autonomous vehicle |
WO2023086033A3 (en) * | 2021-11-12 | 2023-08-17 | National University Of Singapore | Methods and systems for asset management |
WO2023168947A1 (zh) * | 2022-03-08 | 2023-09-14 | 中国核电工程有限公司 | 基于数字孪生技术的安全壳孪生系统及其建造方法 |
CN117083215A (zh) * | 2021-03-29 | 2023-11-17 | 西门子工业软件公司 | 用于确定设备的运行性能参数的方法和系统 |
WO2024002295A1 (zh) * | 2022-06-30 | 2024-01-04 | 北京亚控科技发展有限公司 | 一种事物全生命周期的数字孪生方法、装置及设备 |
CN117388708A (zh) * | 2023-10-30 | 2024-01-12 | 暨南大学 | 一种动力电池系统及动力电池系统热失控监测方法 |
CN117454530A (zh) * | 2023-12-26 | 2024-01-26 | 天津天汽模志通车身科技有限公司 | 一种基于数字孪生的汽车车身部件建模、检测方法及系统 |
CN117922538A (zh) * | 2024-03-25 | 2024-04-26 | 杭州迪为科技有限公司 | 一种基于数字孪生技术的混合动力汽车的测控方法及系统 |
CN118041958A (zh) * | 2024-04-09 | 2024-05-14 | 浙江大学 | 一种基于私有云平台的柔性生产线数字孪生系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102438037A (zh) * | 2011-09-29 | 2012-05-02 | 上海中科深江电动车辆有限公司 | 混合动力汽车中的运行数据远程监控系统及方法 |
CN109116751A (zh) * | 2018-07-24 | 2019-01-01 | 西安西电电气研究院有限责任公司 | 基于数字孪生技术的数字化系统及其构建方法 |
CN109343496A (zh) * | 2018-11-14 | 2019-02-15 | 中国电子工程设计院有限公司 | 应用于工业生产的数字孪生系统及其形成方法 |
CN109766566A (zh) * | 2017-11-10 | 2019-05-17 | 通用电气公司 | 用以改善涡轮发动机的操作的设备、方法和存储介质 |
CN109791516A (zh) * | 2016-08-02 | 2019-05-21 | 西门子公司 | 用于在具有自x特性的自主系统中使用的监测和控制单元 |
CN109819233A (zh) * | 2019-01-21 | 2019-05-28 | 哈工大机器人(合肥)国际创新研究院 | 一种基于虚拟成像技术的数字孪生系统 |
CN109900489A (zh) * | 2017-12-10 | 2019-06-18 | 湘潭智联技术转移促进有限责任公司 | 一种汽车动力总成检测系统 |
CN109933035A (zh) * | 2019-04-24 | 2019-06-25 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生的生产线控制系统、方法及生产系统 |
-
2019
- 2019-07-02 CN CN201910588795.5A patent/CN110488629B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102438037A (zh) * | 2011-09-29 | 2012-05-02 | 上海中科深江电动车辆有限公司 | 混合动力汽车中的运行数据远程监控系统及方法 |
CN109791516A (zh) * | 2016-08-02 | 2019-05-21 | 西门子公司 | 用于在具有自x特性的自主系统中使用的监测和控制单元 |
CN109766566A (zh) * | 2017-11-10 | 2019-05-17 | 通用电气公司 | 用以改善涡轮发动机的操作的设备、方法和存储介质 |
CN109900489A (zh) * | 2017-12-10 | 2019-06-18 | 湘潭智联技术转移促进有限责任公司 | 一种汽车动力总成检测系统 |
CN109116751A (zh) * | 2018-07-24 | 2019-01-01 | 西安西电电气研究院有限责任公司 | 基于数字孪生技术的数字化系统及其构建方法 |
CN109343496A (zh) * | 2018-11-14 | 2019-02-15 | 中国电子工程设计院有限公司 | 应用于工业生产的数字孪生系统及其形成方法 |
CN109819233A (zh) * | 2019-01-21 | 2019-05-28 | 哈工大机器人(合肥)国际创新研究院 | 一种基于虚拟成像技术的数字孪生系统 |
CN109933035A (zh) * | 2019-04-24 | 2019-06-25 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生的生产线控制系统、方法及生产系统 |
Non-Patent Citations (3)
Title |
---|
QINGLIN QI 等: "Digital Twin and Big Data Towards Smart Manufacturing and Industry 4.0: 360 Degree Comparison", 《IEEE ACCESS》 * |
肖飞 等: "数字孪生驱动的固体发动机总体设计体系架构与应用", 《计算机集成制造系统》 * |
陶飞 等: "数字孪生五维模型及十大领域应用", 《计算机集成制造系统》 * |
Cited By (68)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111191880B (zh) * | 2019-12-13 | 2022-08-16 | 华能澜沧江水电股份有限公司 | 一种基于数字化映射的边坡全生命周期安全管理方法 |
CN111191880A (zh) * | 2019-12-13 | 2020-05-22 | 华能澜沧江水电股份有限公司 | 一种基于数字化映射的边坡全生命周期安全管理方法 |
CN113009885A (zh) * | 2019-12-20 | 2021-06-22 | 中国科学院沈阳计算技术研究所有限公司 | 一种数控系统安全状态数字化映射系统及方法 |
CN111368920B (zh) * | 2020-03-05 | 2024-03-05 | 中南大学 | 基于量子孪生神经网络的二分类方法及其人脸识别方法 |
CN111368920A (zh) * | 2020-03-05 | 2020-07-03 | 中南大学 | 基于量子孪生神经网络的二分类方法及其人脸识别方法 |
CN111461338A (zh) * | 2020-03-06 | 2020-07-28 | 北京仿真中心 | 基于数字孪生的智能系统更新方法、装置 |
CN111652406A (zh) * | 2020-04-10 | 2020-09-11 | 安徽继远软件有限公司 | 云-边协同下电网设备运行状态预测方法及系统 |
CN111970317A (zh) * | 2020-04-28 | 2020-11-20 | 浙江吉利汽车研究院有限公司 | 远程控制方法、存储介质及远程控制系统 |
CN111970317B (zh) * | 2020-04-28 | 2023-08-15 | 浙江吉利汽车研究院有限公司 | 远程控制方法、存储介质及远程控制系统 |
CN111708919A (zh) * | 2020-05-28 | 2020-09-25 | 北京赛博云睿智能科技有限公司 | 一种大数据处理方法及系统 |
CN111881495A (zh) * | 2020-06-24 | 2020-11-03 | 北京工业大学 | 基于数字孪生的预应力钢结构安全评估方法 |
CN111898917B (zh) * | 2020-08-07 | 2021-04-23 | 中译语通科技(青岛)有限公司 | 基于大数据的智能制造管理系统 |
CN111898917A (zh) * | 2020-08-07 | 2020-11-06 | 广元量知汇科技有限公司 | 基于大数据的智能制造管理系统 |
CN111935280A (zh) * | 2020-08-10 | 2020-11-13 | 上海维宏电子科技股份有限公司 | 针对工业设备的信息物理系统 |
CN111930026A (zh) * | 2020-08-20 | 2020-11-13 | 北京经纬恒润科技有限公司 | 一种测试方法及装置 |
CN112084675B (zh) * | 2020-09-17 | 2024-05-07 | 南方电网科学研究院有限责任公司 | 一种gis设备的数字孪生体的构建方法、装置及存储介质 |
CN112084675A (zh) * | 2020-09-17 | 2020-12-15 | 南方电网科学研究院有限责任公司 | 一种gis设备的数字孪生体的构建方法、装置及存储介质 |
CN114596716A (zh) * | 2020-11-19 | 2022-06-07 | 常州江苏大学工程技术研究院 | 基于云计算平台的悬架道路工况识别系统及控制方法 |
US11619916B2 (en) | 2020-11-24 | 2023-04-04 | Kyndryl, Inc. | Selectively governing internet of things devices via digital twin-based simulation |
WO2022110941A1 (en) * | 2020-11-24 | 2022-06-02 | Kyndryl, Inc. | Selectively governing internet of things devices via digital twin-based simulation |
CN112519793B (zh) * | 2020-12-09 | 2021-12-21 | 南京航空航天大学 | 一种基于数字孪生的智能线控底盘架构及其主动容错方法 |
CN112519793A (zh) * | 2020-12-09 | 2021-03-19 | 南京航空航天大学 | 一种基于数字孪生的智能线控底盘架构及其主动容错方法 |
CN112925309A (zh) * | 2021-01-22 | 2021-06-08 | 中国汽车技术研究中心有限公司 | 智能网联汽车数据交互方法及交互系统 |
CN112906296A (zh) * | 2021-02-02 | 2021-06-04 | 武汉理工大学 | 混合动力汽车全服役期能量优化方法、系统和存储介质 |
CN112906296B (zh) * | 2021-02-02 | 2022-05-10 | 武汉理工大学 | 混合动力汽车全服役期能量优化方法、系统和存储介质 |
CN113002555A (zh) * | 2021-02-08 | 2021-06-22 | 南京航空航天大学 | 一种数字孪生驱动的智能线控底盘系统及其故障诊断方法 |
CN112995309A (zh) * | 2021-02-08 | 2021-06-18 | 南京航空航天大学 | 一种网联式云控智能线控底盘控制系统及其控制方法 |
CN113002555B (zh) * | 2021-02-08 | 2022-04-08 | 南京航空航天大学 | 一种数字孪生驱动的智能线控底盘系统及其故障诊断方法 |
CN113050455A (zh) * | 2021-03-27 | 2021-06-29 | 上海智能新能源汽车科创功能平台有限公司 | 一种用于智能网联汽车的数字孪生测试系统及控制方法 |
WO2022213537A1 (zh) * | 2021-03-29 | 2022-10-13 | 清华大学 | 一种通信系统仿真平台 |
CN117083215A (zh) * | 2021-03-29 | 2023-11-17 | 西门子工业软件公司 | 用于确定设备的运行性能参数的方法和系统 |
CN113344244A (zh) * | 2021-04-29 | 2021-09-03 | 武汉科技大学 | 一种数字孪生驱动的工件加工能耗预测装置 |
CN113515848A (zh) * | 2021-05-13 | 2021-10-19 | 三一重型装备有限公司 | 矿山设备的结构设计优化方法、系统和可读存储介质 |
CN113259480A (zh) * | 2021-06-18 | 2021-08-13 | 合安科技技术有限公司 | 基于配置孪生同步方法、物联网、设备及存储介质 |
CN113259480B (zh) * | 2021-06-18 | 2021-09-24 | 合安科技技术有限公司 | 基于配置孪生同步方法、物联网系统和设备及存储介质 |
CN114708724A (zh) * | 2021-06-28 | 2022-07-05 | 天津大学 | 一种人车路协同的多车能效优化算法 |
CN114708724B (zh) * | 2021-06-28 | 2023-08-01 | 天津大学 | 一种人车路协同的多车能效优化算法 |
CN113609672A (zh) * | 2021-08-03 | 2021-11-05 | 东华大学 | 一种基于增量模型的数字孪生系统协同进化方法 |
CN113609672B (zh) * | 2021-08-03 | 2024-02-02 | 东华大学 | 一种基于增量模型的数字孪生系统协同进化方法 |
CN113642177A (zh) * | 2021-08-16 | 2021-11-12 | 清华大学 | 数字孪生虚实多车混行仿真方法及装置 |
GB2610809A (en) * | 2021-09-10 | 2023-03-22 | Flare Bright Ltd | Digital twin for an autonomous vehicle |
CN113884899B (zh) * | 2021-09-28 | 2024-09-10 | 中汽创智科技有限公司 | 一种基于数字孪生的燃料电池仿真标定系统及方法 |
CN113884899A (zh) * | 2021-09-28 | 2022-01-04 | 中汽创智科技有限公司 | 一种基于数字孪生的燃料电池仿真标定系统及方法 |
CN114035521A (zh) * | 2021-11-09 | 2022-02-11 | 中机寰宇(江苏)智能制造认证检测有限公司 | 一种基于数字孪生的汽车分段建造方法 |
CN113771691B (zh) * | 2021-11-09 | 2022-02-15 | 北京航空航天大学 | 基于赛博物理系统的全生命周期动力电池管理装置及方法 |
CN113771691A (zh) * | 2021-11-09 | 2021-12-10 | 北京航空航天大学 | 基于赛博物理系统的全生命周期动力电池管理装置及方法 |
CN114036842A (zh) * | 2021-11-10 | 2022-02-11 | 北京安盟信息技术股份有限公司 | 一种数字孪生机床全生命周期使用策略动态生成方法 |
CN114036842B (zh) * | 2021-11-10 | 2022-05-27 | 北京安盟信息技术股份有限公司 | 一种数字孪生机床全生命周期使用策略动态生成方法 |
WO2023086033A3 (en) * | 2021-11-12 | 2023-08-17 | National University Of Singapore | Methods and systems for asset management |
WO2023168947A1 (zh) * | 2022-03-08 | 2023-09-14 | 中国核电工程有限公司 | 基于数字孪生技术的安全壳孪生系统及其建造方法 |
CN114909227A (zh) * | 2022-04-12 | 2022-08-16 | 哈尔滨工程大学 | 一种基于数字孪生的船舶柴油机喷油控制系统及策略 |
CN114630211A (zh) * | 2022-05-13 | 2022-06-14 | 苏州氢澜科技有限公司 | 一种基于数字孪生的燃料电池生产系统及其调整方法 |
CN114630211B (zh) * | 2022-05-13 | 2022-08-05 | 苏州氢澜科技有限公司 | 一种基于数字孪生的燃料电池生产系统及其调整方法 |
CN114626278A (zh) * | 2022-05-16 | 2022-06-14 | 湖南大学 | 一种用于动力电池托架结构性能评估和健康监测的方法 |
CN114626278B (zh) * | 2022-05-16 | 2022-08-05 | 湖南大学 | 一种用于动力电池托架结构性能评估和健康监测的方法 |
WO2024002295A1 (zh) * | 2022-06-30 | 2024-01-04 | 北京亚控科技发展有限公司 | 一种事物全生命周期的数字孪生方法、装置及设备 |
CN115238574A (zh) * | 2022-07-05 | 2022-10-25 | 国网冀北电力有限公司经济技术研究院 | 基于数字孪生的输电线路数据管理方法 |
CN114879536B (zh) * | 2022-07-11 | 2022-09-16 | 山东交通学院 | 基于数字孪生技术获取悬架系统实时特性的方法和装置 |
CN114879536A (zh) * | 2022-07-11 | 2022-08-09 | 山东交通学院 | 基于数字孪生技术获取悬架系统实时特性的方法和装置 |
GB2616348A (en) * | 2022-07-11 | 2023-09-06 | Univ Shandong Jiaotong | Method and device for acquiring real-time characteristics of suspension system based on digital twin technology |
CN115359693A (zh) * | 2022-08-15 | 2022-11-18 | 武汉船用机械有限责任公司 | 一种海工平台升降模拟操作系统及其运行方法 |
CN115374574A (zh) * | 2022-10-25 | 2022-11-22 | 天津天锻航空科技有限公司 | 一种冲击液压成形用的数字孪生系统及构建方法 |
CN117388708A (zh) * | 2023-10-30 | 2024-01-12 | 暨南大学 | 一种动力电池系统及动力电池系统热失控监测方法 |
CN117454530A (zh) * | 2023-12-26 | 2024-01-26 | 天津天汽模志通车身科技有限公司 | 一种基于数字孪生的汽车车身部件建模、检测方法及系统 |
CN117454530B (zh) * | 2023-12-26 | 2024-03-26 | 天津天汽模志通车身科技有限公司 | 一种基于数字孪生的汽车车身部件建模、检测方法及系统 |
CN117922538A (zh) * | 2024-03-25 | 2024-04-26 | 杭州迪为科技有限公司 | 一种基于数字孪生技术的混合动力汽车的测控方法及系统 |
CN117922538B (zh) * | 2024-03-25 | 2024-06-11 | 杭州迪为科技有限公司 | 一种基于数字孪生技术的混合动力汽车的测控方法及系统 |
CN118041958A (zh) * | 2024-04-09 | 2024-05-14 | 浙江大学 | 一种基于私有云平台的柔性生产线数字孪生系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110488629B (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110488629A (zh) | 一种基于数字孪生技术的混合动力汽车的管控方法 | |
CN110456635B (zh) | 基于数字孪生技术的电动汽车动力系统的控制方法 | |
CN111027165B (zh) | 一种基于数字孪生的动力电池组管理系统及方法 | |
Wu et al. | Continuous reinforcement learning of energy management with deep Q network for a power split hybrid electric bus | |
CN112116156B (zh) | 基于深度强化学习的混动列车的能量管理方法及系统 | |
Zhang et al. | Optimal energy management strategy for parallel plug-in hybrid electric vehicle based on driving behavior analysis and real time traffic information prediction | |
CN110717218B (zh) | 一种电驱动车辆分布式动力驱动系统重构控制方法及车辆 | |
Zhang et al. | Energy management strategies for hybrid construction machinery: Evolution, classification, comparison and future trends | |
CN112339756B (zh) | 一种基于强化学习的新能源汽车红绿灯路口能量回收优化速度规划算法 | |
CN111267827B (zh) | 一种混合动力汽车能量管理方法和系统 | |
Wu et al. | Fast velocity trajectory planning and control algorithm of intelligent 4WD electric vehicle for energy saving using time‐based MPC | |
Ganji et al. | A study on look-ahead control and energy management strategies in hybrid electric vehicles | |
Deshpande et al. | Real-time ecodriving control in electrified connected and autonomous vehicles using approximate dynamic programing | |
Cao et al. | An overview of modelling and energy management strategies for hybrid electric vehicles | |
Spiryagin et al. | Vehicle system dynamics in digital twin studies in rail and road domains | |
Shi et al. | Multi-objective tradeoff optimization of predictive adaptive cruising control for autonomous electric buses: A cyber-physical-energy system approach | |
Deng et al. | A systematic review on the current research of digital twin in automotive application | |
Deng et al. | A novel real‐time energy management strategy for plug‐in hybrid electric vehicles based on equivalence factor dynamic optimization method | |
Guo et al. | Clustered energy management strategy of plug-in hybrid electric logistics vehicle based on Gaussian mixture model and stochastic dynamic programming | |
Gao et al. | Multi-physical cooperative control of plug-in hybrid electric vehicles via cyber hierarchy and interactional network | |
Gao et al. | Cyber Hierarchy Multiscale Integrated Energy Management of Intelligent Hybrid Electric Vehicles | |
CN113071508A (zh) | 一种dcps架构下的车辆协同能量管理方法和系统 | |
Feng et al. | Fuzzy energy management strategy for hybrid electric vehicles on battery state-of-charge estimation by particle filter | |
Bruck et al. | A review of the relevance of driving condition mapping and vehicle simulation for energy management system design | |
CN114291067A (zh) | 基于预测的混合动力汽车凸优化能量控制方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |