CN110667540A - 一种用于电动汽车的电子电力控制动力系统及其控制方法 - Google Patents
一种用于电动汽车的电子电力控制动力系统及其控制方法 Download PDFInfo
- Publication number
- CN110667540A CN110667540A CN201911117409.0A CN201911117409A CN110667540A CN 110667540 A CN110667540 A CN 110667540A CN 201911117409 A CN201911117409 A CN 201911117409A CN 110667540 A CN110667540 A CN 110667540A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- output
- storage battery
- power
- processing system
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
- B60T8/17—Using electrical or electronic regulation means to control braking
-
- 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
- B60L15/2009—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 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
- Y02T10/72—Electric energy management in electromobility
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Power Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种用于电动汽车的电子电力控制动力系统,包括:处理系统;环境监测单元,其输出端与所述处理系统的输入端电连接;电池监测单元,其输出端与所述处理系统的输入端电连接;车辆监测单元,其输出端与所述处理系统的输入端电连接;电动机单元,其输入端与所述处理系统的输出端电连接。本系统能够在汽车行驶过程中根据电动汽车的车辆信息和环境信息,控制功率变换器的输出值和电动机的输出功率,提高电动汽车的能量回收效率。发明还提供了一种用于电动汽车的电子电力控制动力系统的控制方法,对汽车在行驶过程中的环境影响因子、储能电池的SOC下限值以及储能电池的功率对功率变换器的输出值和电动机的输出功率控制,实现能量回收管理。
Description
技术领域
本发明涉及一种用于电动汽车的电子电力控制动力系统及其控制方法,属于汽车电子电力领域。
背景技术
近年来,随着世界经济的快速发展和人民生活水平的不断提高,汽车已越来越多地走进平常百姓家,世界汽车保有量呈现逐年递增的趋势。
随着汽车保有量的不断增加,也带来了汽车用油量的急剧增加,伴随着我国汽车产业的快速增长和能源消耗的不断增加,汽车尾气排放已不容忽视。汽车污染物是机动车排放污染物的主要贡者,目前,汽车尾气排放已逐渐成为各城市大气污染的主要因素之一。除此之外,能够造成温室效应的二氧化碳排放中,有25%来自汽车,我国的二氧化碳排放已居全球第二位。汽车尾气对环境造成的污染日益严重,已经是大气环境最突出,最紧迫的问题之一。
发展新能源汽车包括混合动力汽车、纯电动汽车以及燃料电池汽车是实现我国能源安全和环境保护以及中国汽车工业健康可持续发展的必然趋势。纯电动汽车以车载二次电源作为储能方式,以电动机为动力装置驱动车辆行驶,相比混合动力汽车而言,具有零排放、低噪声且结构简单等特点,而相比燃料电池则在当前更具产业化的基础,因此而受到了世界各国政府及汽车企业的广泛关注。
目前,纯电动汽车的产业化已成为各汽车企业的重要目标,同时,这也对提高纯电动汽车整车技术和性能水平提出了更为急切的需求。
发明内容
本发明设计开发了一种用于电动汽车的电子电力控制动力系统,能够在汽车行驶过程中根据电动汽车的车辆信息和环境信息,控制功率变换器的输出值和电动机的输出功率,提高电动汽车的能量回收效率。
本发明还设计开发了一种用于电动汽车电子电力控制动力系统的控制方法,通过汽车在行驶过程中的环境影响因子、储能电池的SOC下限值以及储能电池的功率对功率变换器的输出值和电动机的输出功率进行控制,实现对电池系统的能量回收管理。
本发明提供的技术方案为:
一种用于电动汽车的电子电力控制动力系统及其控制方法,包括:
环境监测单元,其输出端与所述处理系统的输入端电连接;
电池监测单元,其输出端与所述处理系统的输入端电连接;
车辆监测单元,其输出端与所述处理系统的输入端电连接;
电动机单元,其输入端与所述处理系统的输出端电连接。
优选的是,所述环境监测单元包括:温度传感器、湿度传感器、坡度传感器以及风速传感器。
一种电动汽车的电子电力控制动力系统的控制方法,其特征在于,使用所述的用于电动汽车的电子电力控制动力系统,包括:
监测汽车行驶过程中的温度T1、湿度RH、道路坡度α以及风速ε,计算环境影响因子ω;
监测汽车在行驶过中的车速v、储能电池的电流I、储能电池的效率η,计算储能电池的SOC下限值SOCP;
根据获取的环境影响因子ω、储能电池的SOC下限值SOCP以及储能电池的输出功率PC控制电动机的输出功率和功率变换器的输出。
优选的是,所述环境影响因子的经验计算公式为:
优选的是,所述储能电池的SOC下限值的经验计算公式为:
其中,λ2为第一校正系数,T2为储能电池的工作温度,T0为储能电池的初始温度,v0为设定的车速基准值,C为补偿常数,e为自然对数底数,IE为储能电池的额定电流,η为储能电池的工作效率,
优选的是,所述电动机的输出功率通过BP神经网络进行控制,具体包括:
步骤1、按照采样周期,获取环境影响因子ω、储能电池的SOC下限值SOCP以及储能电池的输出功率PC,并进行归一化;
步骤2、确定三层BP神经网络的输入层向量x={x1,x2,x3},其中,x1为环境影响因子系数、x2为储能电池的SOC下限值系数、x3为储能电池的输出功率系数;
步骤3、所述输入层向量映射到中间层,所述中间层向量y={y1,y2,…,ym};m为中间层节点个数;
步骤4、得到输出层向量o={o1,o2};o1为电动机的输出功率调节系数,o2为功率变换器的调节系统。
优选的是,所述中间层及所述输出层的激励函数均采用S型函数fj(x)=1/(1+e-x)。
本发明所述的有益效果:本发明提供的用于电动汽车的电子电力控制动力系统通过采集电动汽车在行驶过程中的车辆行驶信息和环境信息,对电动机的输出功率进行控制,实现对电池系统的能量回收管理。本发明提供的控制方法通过BP神经网络对电池系统的输出功率进行控制,使电能消耗最小,提高电能利用率。通过控制电能的消耗,实现对电池系统的能量管理,减小对电池的损伤,提高电池的使用寿命。
附图说明
图1为本发明所述的用于电动汽车的电子电力控制动力系统的结构示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
如图1所示,本发明提供一种用于电动汽车的电子电力控制动力系统,通过采集电动汽车在行驶过程中的车辆行驶信息和环境信息,对电动机的输出功率进行控制,实现对电池系统的能量回收管理。具体包括:处理系统、环境监测单元、电池监测单元、车辆监测单元以及电动机单元。
环境监测单元包括:第一温度传感器、湿度传感器、坡度传感器以及风速传感器,用于监测汽车在行驶过程中的温度、湿度、道路坡度以及风速,环境监测单元的输出端与处理系统的输入端电连接,将监测到的环境信息发动给处理系统。处理系统设置在汽车的中控台内。电池监测单元设置在储能电池内,并设置有第二温度传感器和功率变换器,用于监测储能电池的温度,电池监测单元的输出端与处理系统的输入端电连接,用于将储能电池的输出功率、工作温度、工作电流、工作效率发送给处理系统,通过处理系统控制功率变换器的输出值。车辆监测单元包括:车速传感器,其设置在汽车驱动桥壳内,用于监测汽车的行驶速度,车辆监测单元的输出端与处理系统的输入端电连接。电动机单元的输出端与处理系统的输入端电连接,通过处理系统控制电动机的输出功率。
汽车在行驶过程中,通过环境监测单元检测汽车的行驶环境参数,通过电池监测单元随时监测电池的使用情况,通过车辆检测单元监测汽车的行驶速度,通过处理系统控制功率变换器的输出值和电动机的输出功率,实现储能电池的能量回收,提高电池的使用寿命。
本发明还提供了一种用于电动汽车的电子电力控制动力系统的控制方法,通过汽车在行驶过程中的环境影响因子、储能电池的SOC下限值以及储能电池的功率对功率变换器的输出值和电动机的输出功率进行控制,实现对电池系统的能量回收管理,具体如下:
监测汽车行驶过程中的温度T1、湿度RH、道路坡度α以及风速ε,计算环境影响因子ω;
环境影响因子的经验计算公式为:
式中,λ1为第一校正系数,T1为环境温度,单位为℃,为设定的环境温度的基准值,单位为℃,RH为环境湿度,RH0为设定的环境湿度基准值,εmax为最大风速,单位为m/s,εmin为最小风速,单位为m/s,ε0为设定的风速的基准值,单位为m/s,α为道路坡度。
监测汽车在行驶过中的车速v、储能电池的电流I、储能电池的效率η,计算储能电池的SOC下限值SOCP;
储能电池的SOC下限值的经验计算公式为:
式中,λ2为第一校正系数,T2为储能电池的工作温度,单位为℃,T0为储能电池的初始温度,单位为℃,v0为设定的车速基准值,单位为m/s,C为补偿常数,e为自然对数底数,IE为储能电池的额定电流,单位为A,η为储能电池的工作效率。
根据获取的环境影响因子ω、储能电池的SOC下限值SOCP以及储能电池的输出功率PC控制电动机的输出功率和功率变换器的输出值,使电能消耗最小,提高电能利用率。通过控制电能的消耗,实现对电池系统的能量管理,减小对电池的损伤,提高电池的使用寿命。
通过BP神经网络控制电动机的输出功率和功率变换器的输出值,具体包括:
步骤一、建立BP神经网络模型。
本发明采用的BP网络体系结构由三层组成,第一层为输入层,共n个节点,对应了表示设备工作状态的n个监测信号,这些信号参数由数据预处理模块给出。第二层为隐层,共m个节点,由网络的训练过程以自适应的方式确定。第三层为输出层,共p个节点,由系统实际需要输出的响应确定。
该网络的数学模型为:
输入向量:x=(x1,x2,...,xn)T
中间层向量:y=(y1,y2,...,ym)T
输出向量:O=(o1,o2,...,op)T
本发明中,输入层节点数为n=3,输出层节点数为p=2。隐藏层节点数m由下式估算得出:
输入信号的3个参数分别表示为x1为环境影响因子系数、x2为储能电池的SOC下限值系数、x3为储能电池的输出功率系数。
由于传感器获取的数据属于不同的物理量,其量纲各不相同。因此,在数据输入人工神经网络之前,需要将数据规格化为0-1之间的数。
其中,xj为输入层向量中的参数,Xj分别为测量参数ω、SOCP、和PC,j=1,2,3,4;Xjmax和Xjmin分别为相应测量参数中的最大值和最小值,采用S型函数,fj(x)=1/(1+e-x)。
输出信号的两个参数分别表示为:得到输出层向量o={o1,o2};o1为电动机的输出功率调节系数,o2为功率变换器的调节系数。
步骤二、进行BP神经网络训练
建立好BP神经网络节点模型后,即可进行BP神经网络的训练。根据历史经验数据获取训练的样本,并给定输入节点i和隐含层节点j之间的连接权值Wij,隐层节点j和输出层节点k之间的连接权值Wjk,隐层节点j的阈值θj,输出层节点k的阈值θk、Wij、Wjk、θj、θk均为-1到1之间的随机数。
在训练过程中,不断修正Wij、Wjk的值,直至系统误差小于等于期望误差时,完成神经网络的训练过程。
训练方法
各子网采用单独训练的方法;训练时,首先要提供一组训练样本,其中的每一个样本由输入样本和理想输出对组成,当网络的所有实际输出与其理想输出一致时,表明训练结束;否则,通过修正权值,使网络的理想输出与实际输出一致;各子网训练时的输入样本如表1所示:
表1
在系统设计时,系统模型是一个仅经过初始化了的网络,权值需要根据在使用过程中获得的数据样本进行学习调整,为此设计了系统的自学习功能。在指定了学习样本及数量的情况下,系统可以进行自学习,以不断完善网络性能,各子网训练后的输出样本如表2所示:
表2
步骤三、采集传各单元运行参数输入神经网络得到电动机的输出功率调节和功率变换器输出信号。
将训练好的人工神经网络固化在芯片之中,使硬件电路具备预测和智能决策功能,从而形成智能硬件。
步骤四、监测电动机和功率变换器的工作状态。
根据第i次周期中的环境影响因子、储能电池的SOC下限值以及储能电池的输出功率的采样信号,判定第i+1次周期时的电动机和功率变换器的工作状态,对电动机的输出功率和功率变换器的输出值进行调节。
通过上述设置,获取输入参数,通过采用BP神经网络算法,对电动机的输出功率和功率变换器的输出值进行控制,实现对电池系统的能量管理,减小对电池的损伤,提高电池的使用寿命。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (8)
1.一种用于电动汽车的电子电力控制动力系统,其特征在于,包括:
处理系统;
环境监测单元,其输出端与所述处理系统的输入端电连接;
电池监测单元,其输出端与所述处理系统的输入端电连接;
车辆监测单元,其输出端与所述处理系统的输入端电连接;
电动机单元,其输入端与所述处理系统的输出端电连接。
2.根据权利要求1所述的用于电动汽车的电子电力控制动力系统,其特征在于,所述环境监测单元包括:温度传感器、湿度传感器、坡度传感器以及风速传感器。
3.一种电动汽车的电子电力控制动力系统的控制方法,其特征在于,使用权利要求1或2所述的用于电动汽车的电子电力控制动力系统,包括:
监测汽车行驶过程中的温度T1、湿度RH、道路坡度α以及风速ε,计算环境影响因子ω;
监测汽车在行驶过中的车速v、储能电池的电流I、储能电池的效率η,计算储能电池的SOC下限值SOCP;
根据获取的环境影响因子ω、储能电池的SOC下限值SOCP以及储能电池的输出功率PC控制电动机的输出功率和功率变换器的输出值。
6.根据权利要求5所述的电动汽车的电子电力控制动力系统的控制方法,其他在在于,通过BP神经网络控制电动机的输出功率和功率变换器的输出值,具体包括:
步骤1、按照采样周期,环境影响因子ω、储能电池的SOC下限值SOCP以及储能电池的输出功率PC,并进行归一化;
步骤2、确定三层BP神经网络的输入层向量x={x1,x2,x3},其中,x1为环境影响因子系数、x2为储能电池的SOC下限值系数、x3为储能电池的输出功率系数;
步骤3、所述输入层向量映射到中间层,所述中间层向量y={y1,y2,…,ym};m为中间层节点个数;
步骤4、得到输出层向量o={o1,o2};o1为电动机的输出功率调节系数,o2为功率变换器的调节系数。
8.根据权利要求7所述的电动汽车的电子电力控制动力系统的控制方法,其特征在于,所述中间层及所述输出层的激励函数均采用S型函数fj(x)=1/(1+e-x)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911117409.0A CN110667540B (zh) | 2019-11-15 | 2019-11-15 | 一种用于电动汽车的电子电力控制动力系统及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911117409.0A CN110667540B (zh) | 2019-11-15 | 2019-11-15 | 一种用于电动汽车的电子电力控制动力系统及其控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110667540A true CN110667540A (zh) | 2020-01-10 |
CN110667540B CN110667540B (zh) | 2020-07-03 |
Family
ID=69087763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911117409.0A Active CN110667540B (zh) | 2019-11-15 | 2019-11-15 | 一种用于电动汽车的电子电力控制动力系统及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110667540B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114889448A (zh) * | 2022-05-09 | 2022-08-12 | 武汉理工大学 | 轮毂电机驱动车辆自适应转矩控制方法、系统及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020188387A1 (en) * | 2001-05-09 | 2002-12-12 | Woestman Joanne T. | Strategy to use an on-board navigation system for electric and hybrid electric vehicle energy management |
CN1769093A (zh) * | 2004-11-01 | 2006-05-10 | 福特环球技术公司 | 汽车电能存储系统的运用方法和系统 |
CN102951037A (zh) * | 2012-11-16 | 2013-03-06 | 同济大学 | 增程式电动汽车的能量控制策略多模式自动切换方法 |
CN102951039A (zh) * | 2012-11-16 | 2013-03-06 | 同济大学 | 一种基于模糊控制的增程式电动车能量管理方法 |
CN107972508A (zh) * | 2017-11-27 | 2018-05-01 | 南京晓庄学院 | 一种电动汽车充电功率控制方法及控制装置 |
CN109878499A (zh) * | 2019-03-29 | 2019-06-14 | 辽宁工业大学 | 混合动力车辆功率控制方法 |
CN110077389A (zh) * | 2019-05-07 | 2019-08-02 | 辽宁工业大学 | 一种插电式混合动力电动汽车能量管理方法 |
CN110126841A (zh) * | 2019-05-09 | 2019-08-16 | 吉林大学 | 基于道路信息和驾驶风格的纯电动汽车能耗模型预测方法 |
CN110435429A (zh) * | 2019-08-14 | 2019-11-12 | 福州大学 | 一种融合能耗预测的双电机电动汽车续航里程估计方法 |
-
2019
- 2019-11-15 CN CN201911117409.0A patent/CN110667540B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020188387A1 (en) * | 2001-05-09 | 2002-12-12 | Woestman Joanne T. | Strategy to use an on-board navigation system for electric and hybrid electric vehicle energy management |
CN1769093A (zh) * | 2004-11-01 | 2006-05-10 | 福特环球技术公司 | 汽车电能存储系统的运用方法和系统 |
CN102951037A (zh) * | 2012-11-16 | 2013-03-06 | 同济大学 | 增程式电动汽车的能量控制策略多模式自动切换方法 |
CN102951039A (zh) * | 2012-11-16 | 2013-03-06 | 同济大学 | 一种基于模糊控制的增程式电动车能量管理方法 |
CN107972508A (zh) * | 2017-11-27 | 2018-05-01 | 南京晓庄学院 | 一种电动汽车充电功率控制方法及控制装置 |
CN109878499A (zh) * | 2019-03-29 | 2019-06-14 | 辽宁工业大学 | 混合动力车辆功率控制方法 |
CN110077389A (zh) * | 2019-05-07 | 2019-08-02 | 辽宁工业大学 | 一种插电式混合动力电动汽车能量管理方法 |
CN110126841A (zh) * | 2019-05-09 | 2019-08-16 | 吉林大学 | 基于道路信息和驾驶风格的纯电动汽车能耗模型预测方法 |
CN110435429A (zh) * | 2019-08-14 | 2019-11-12 | 福州大学 | 一种融合能耗预测的双电机电动汽车续航里程估计方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114889448A (zh) * | 2022-05-09 | 2022-08-12 | 武汉理工大学 | 轮毂电机驱动车辆自适应转矩控制方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110667540B (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Zhang et al. | Fuzzy optimal energy management for fuel cell and supercapacitor systems using neural network based driving pattern recognition | |
US11958365B2 (en) | Method for dual-motor control on electric vehicle based on adaptive dynamic programming | |
CN109703548B (zh) | 一种基于混合动力的汽车动力分配方法 | |
CN110450641B (zh) | 一种汽车制动能量回收方法、装置和电动汽车 | |
CN108284752B (zh) | 一种增程式燃料电池电动汽车动力装置及其控制方法 | |
CN110077389B (zh) | 一种插电式混合动力电动汽车能量管理方法 | |
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 | |
CN113815437B (zh) | 燃料电池混合动力汽车的预测性能量管理方法 | |
CN109878499B (zh) | 混合动力车辆功率控制方法 | |
CN110733493A (zh) | 一种混合动力电动汽车的功率分配方法 | |
CN115257691A (zh) | 一种基于强化学习的混合动力汽车模式切换控制方法 | |
CN109552112A (zh) | 一种用于混合动力汽车的电池储能控制方法 | |
CN110667540B (zh) | 一种用于电动汽车的电子电力控制动力系统及其控制方法 | |
CN116661296B (zh) | 面向增程式电动矿卡的能耗管理平台、方法、系统及存储介质 | |
CN117150334A (zh) | 一种基于优化后的BiLSTM神经网络的锂电池多状况预测方法和装置 | |
CN114969982A (zh) | 一种基于策略迁移的燃料电池汽车深度强化学习能量管理方法 | |
Jiang et al. | Online optimal energy distribution of composite power vehicles based on BP neural network velocity prediction | |
CN111301223A (zh) | 一种电动汽车电池管理系统及管理方法 | |
CN111983460B (zh) | 一种混动汽车用锂离子电池工作健康状态检测方法 | |
CN115782595B (zh) | 一种基于能量回收状态的电动公交车瞬时能耗估计方法 | |
Xie et al. | Driving Intention Oriented Real-Time Energy Management Strategy for PHEV in Urban V2X Scenario | |
CN110077341A (zh) | 一种插电式混合动力汽车安全监控方法 | |
CN110962834B (zh) | 一种电动汽车复合储能系统及其能量分配方法 | |
CN113978259B (zh) | 一种基于驾驶场景及驾驶习惯的电动汽车制动控制方法 |
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 |