CN112455420A - 一种基于模糊神经网络的混合动力系统能量控制方法 - Google Patents

一种基于模糊神经网络的混合动力系统能量控制方法 Download PDF

Info

Publication number
CN112455420A
CN112455420A CN202011148541.0A CN202011148541A CN112455420A CN 112455420 A CN112455420 A CN 112455420A CN 202011148541 A CN202011148541 A CN 202011148541A CN 112455420 A CN112455420 A CN 112455420A
Authority
CN
China
Prior art keywords
power
fuzzy
neural network
fuzzy neural
fuel cell
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
Application number
CN202011148541.0A
Other languages
English (en)
Other versions
CN112455420B (zh
Inventor
杨福胜
刘家璇
代敏
吴震
张早校
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shaanxi Heyi Energy Technology Co ltd
Original Assignee
Xian Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202011148541.0A priority Critical patent/CN112455420B/zh
Publication of CN112455420A publication Critical patent/CN112455420A/zh
Application granted granted Critical
Publication of CN112455420B publication Critical patent/CN112455420B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W20/00—Control systems specially adapted for hybrid vehicles
    • 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
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • 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
    • B60L58/30—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling fuel cells
    • 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
    • B60L58/40—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for controlling a combination of batteries and fuel cells
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/40—Application of hydrogen technology to transportation, e.g. using fuel cells

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种基于模糊神经网络的混合动力系统能量控制方法。将根据当前车辆状态计算出的电机驱动系统所需的功率以及电池系统的荷电状态(SOC)信息传递到模糊神经网络控制器，根据模糊神经网络控制器训练后的规则对动力系统的输出功率进行调节。本发明能对燃料电池系统的输出功率进行控制，有效地管理各动力系统之间的能量流动，使电池组的SOC保持在比较稳定的状态之内，在满足汽车功率需求的前提下延长电源系统的工作寿命，提升了电源系统的工作效率。同时系统响应速度更快，具有较强的鲁棒性，能够对不同行驶状况下驾驶员的操作做出快速响应。

Description

一种基于模糊神经网络的混合动力系统能量控制方法
技术领域
本发明属于混合动力系统控制领域，尤其涉及一种燃料电池与储能电池混合的动力系统控制方法。
背景技术
随着全球化石资源的日益枯竭和环境污染的日趋严重，节能减排已经成为各个行业尤其是汽车行业发展的重要方向，国内新能源汽车如电动车、燃料电池车等逐渐兴起。然而由于当前技术限制，纯电动汽车行驶里程较短，续航能力不足；而纯燃料电池车成本较高，同时动态响应较慢限制了其进一步的发展。因此有研究人员提出，混合动力汽车是解决能源危机和全球变暖问题的有效方案之一。当前混合动力燃料电池汽车主要有燃料电池加电池(FC+B)或燃料电池加超级电容器(FC+UC)。对于混合动力汽车，常用的基于规则的控制方法在复杂的路况下控制效果欠佳(一种基于模糊系统的插电式混合动力车控制方法，专利号CN101947955B)，而模糊控制本身模糊规则的制定又带有较强的主观因素，考虑到能量管理是决定燃料电池系统与辅助储能装置之间功率分配和提高系统整体效率的重要因素，因此亟需开发基于智能算法的相关控制方法。
发明内容
本发明目的是提供一种基于模糊神经网络的混合动力系统能量控制方法，这种智能控制方法能够保证功率在各个动力系统之间的合理分配，提高系统的能源利用效率，在保证满足功率需求的前提下显著提高行驶经济性及系统响应速度。
本发明所采用的技术方案是：
一种基于模糊神经网络的混合动力系统能量控制方法，是通过模糊神经网络控制器接受电池控制器(BCU)发出的电池荷电状态(SOC)信息及电机控制器(MCU)发出的电压、电流、转矩、转速等计算出的所需功率Pm信息后，根据内置训练后的模糊逻辑规则得到控制燃料电池系统的功率输出信号，并传递给燃料电池控制器(FCU)控制燃料电池系统的输出Pfc，合理进行功率分配，使两个动力系统协调工作，满足整车运行的所需功率。
其中，模糊神经网络控制器计算燃料电池系统输出功率的方法是先采用模糊系统控制方法，根据运行经验人为定义电池SOC和Pm的隶属函数，并且定义相对应的隶属度等级，将清晰的输入信号SOC和Pm模糊化。之后根据if-then规则建立模糊逻辑，得出的Pfc也是模糊化的隶属等级，通过对结果进行解模糊得到清晰化的输出功率。之后模糊神经网络控制器根据建立好的模糊逻辑对模糊子集进行区间化处理，构建多层神经元组成的神经网络对模糊规则进行训练，达到弱化模糊逻辑主观性和平滑输出的效果。
本发明提出的智能控制方法能够对混合动力系统的动力系统进行合理的功率分配，该控制方法不需要建立复杂的数学模型，通过模糊逻辑增加了控制的自由度，同时通过神经网络训练降低了制定模糊规则的主观性，提高了系统的鲁棒性和系统运行的经济性过MATLAB/Simulink仿真验证结果显示，本控制系统能够使电池组的SOC和电流保持在比较稳定的范围之内，有利于延长电池组的寿命；同时运行更加稳定，能够及时对复杂路况下驾驶人员的操作做出反应，从而达到很好的控制效果。
附图说明
图1是混合动力系统的驱动结构图；
图2(1)是模糊控制的隶属度函数，(2)是模糊控制规则
图3是神经网络的Simulink训练模块图；
图4是模糊控制与模糊神经网络控制下转矩随时间的变化对比图；
图5是模糊控制与模糊神经网络控制下电池电流随时间的变化对比图。
具体实施方式
下面以50kW功率的电池-燃料电池混合动力汽车为例说明发明的具体实施方式。
图1是混合动力系统的驱动结构，系统主要包括电机驱动系统；电池系统，储能电池系统可以是锂电池系统或铅酸电池系统；燃料电池系统和能量控制系统。所述方法通过模糊神经网络控制器接收电池系统发出的荷电状态(SOC)信号以及电机驱动系统发出的功率需求信号并转化为模糊信号，进行模糊运算后将信号传递给燃料电池系统。该方案中电机功率最大为75kW，燃料电池最大功率为50kW。，根据混合动力汽车的运行路况，主要分成四种工作模式进行控制：(1)燃料电池单独驱动模式；(2)电池单独驱动模式；(3)燃料电池与电池联合驱动模式；(4)制动模式。
图2是根据运行经验人为定义的隶属度函数及模糊控制规则。图(1)是模糊控制的隶属度函数，模糊神经网络控制器需要两个输入量，即电池的荷电状态(SOC)和电机驱动系统的实际所需功率(Pm)的模糊信号。根据Pm将模糊范围定义在[-1,1],定义六种隶属等级：负大，负中，负小，正小，正中，正大，分别用NH,NM,NL,PL,PM,PH表示，用梯形函数建立隶属度函数。根据SOC将模糊范围定义在[0,1],定义五种隶属等级：低，中低，中，中高，高，分别用L,MS,ME,ML,H表示，用高斯函数和S型函数建立隶属度函数。同时根据燃料电池功率将模糊范围定义在[0,1],定义六种隶属等级：很低，低，中低，中，中高，高，分别用L0,L1,L2,L3,L4,L5表示，用三角形函数建立隶属度函数。根据以上隶属度函数建立模糊逻辑如图(2)所示，得出的燃料电池系统输出功率Pfc也是模糊化的隶属等级，解模糊后得到清晰化的输出功率。例如当SOC值为60％，Pm为45kW时，此时通过两个隶属函数可以分别查得：SOC隶属于0.5倍的“中”和0.5倍的“中高”状态，而Pm隶属于1倍的“正中”状态。SOC为0.5倍的“中”和0.5倍的“中高”分别与Pm隶属于1倍的“正中”进行“与”逻辑运算，分别得到Pfc为0.5倍的“中低”和0.5倍的“中”；最后取平均值得到最终清晰化的燃料电池输出功率15kW。
图3是神经网络的Simulink训练模块。在构建隶属函数及模糊规则之后，对模糊子集进行区间化处理，并构建多层神经元组成的神经网络对模糊规则进行训练，模糊神经网络控制器通过以上规则得到Pfc后，将此功率信息传递给燃料电池控制器(FCU)控制燃料电池系统的输出，合理进行功率分配，两个动力系统协调工作，满足整车运行的所需功率。
图4是模糊控制与模糊神经网络控制下转矩随时间的变化，其中FLC代表模糊控制，FNN代表模糊神经网络。可以看出使用模糊神经网络控制器之后，转矩在0.45s时发生波动后迅速保持平稳，波动相比单一模糊控制得到了明显改善，同时后续的波动幅值及持续时间均减小，提高了系统的鲁棒性，使系统能对驾驶员的操作及时做出反应。
图5是模糊控制与模糊神经网络控制下电池电流随时间的变化。由于起步阶段的不稳定，电池电流发生明显震荡，而瞬时的大电流充放电会显著降低电池组的工作寿命，降低电池性能。使用模糊神经网络控制控制器之后电流的震荡幅值降低，可以延长电池组寿命，提高运行经济性。
可见，MATLAB/Simulink仿真结果表明：本发明能对燃料电池系统的输出功率进行有效控制，抑制了电流的震荡，在满足汽车功率需求的前提下延长电源系统的工作寿命，提升了电源系统的工作效率。同时在起步阶段能对波动产生快速响应，减小了波动时间，提高了系统鲁棒性，能够对不同行驶状况下驾驶员的操作做出快速调整。

Claims (2)

1.一种基于模糊神经网络的混合动力系统能量控制方法，其特征在于：
通过模糊神经网络控制器接受电池控制器BCU发出的电池荷电状态SOC信息及电机控制器MCU发出的电压、电流、转矩、转速计算出的所需功率Pm信息后，根据内置训练后的模糊逻辑规则得到控制燃料电池系统的功率输出信号，并传递给燃料电池控制器控制器FCU控制燃料电池系统的输出Pfc，合理进行功率分配，使两个动力系统协调工作，满足整车运行的所需功率。
2.根据权利要求1所述的一种基于模糊神经网络的混合动力系统能量控制方法，其特征在于：所述的模糊逻辑规则，模糊神经网络控制器计算燃料电池系统输出功率的方法是先采用模糊系统控制方法，根据运行经验人为定义电池SOC和Pm的隶属函数，并且定义相对应的隶属度等级，将清晰的输入信号SOC和Pm模糊化，之后根据if-then规则建立模糊逻辑，得出的Pfc也是模糊化的隶属等级，通过对结果进行解模糊得到清晰化的输出功率，之后模糊神经网络控制器根据建立好的模糊逻辑对模糊子集进行区间化处理，构建多层神经元组成的神经网络对模糊规则进行训练，达到弱化模糊逻辑主观性和平滑输出的效果。
CN202011148541.0A 2020-10-23 2020-10-23 一种基于模糊神经网络的混合动力系统能量控制方法 Active CN112455420B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011148541.0A CN112455420B (zh) 2020-10-23 2020-10-23 一种基于模糊神经网络的混合动力系统能量控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011148541.0A CN112455420B (zh) 2020-10-23 2020-10-23 一种基于模糊神经网络的混合动力系统能量控制方法

Publications (2)

Publication Number Publication Date
CN112455420A true CN112455420A (zh) 2021-03-09
CN112455420B CN112455420B (zh) 2022-04-22

Family

ID=74834864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011148541.0A Active CN112455420B (zh) 2020-10-23 2020-10-23 一种基于模糊神经网络的混合动力系统能量控制方法

Country Status (1)

Country Link
CN (1) CN112455420B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113071507A (zh) * 2021-03-22 2021-07-06 江铃汽车股份有限公司 一种基于模糊控制的电动汽车能量管理控制方法
CN113422088A (zh) * 2021-06-28 2021-09-21 太原理工大学 一种氢燃料电池空气供给系统及其解耦控制方法
CN113997925A (zh) * 2021-11-16 2022-02-01 同济大学 一种插电式混合动力系统能量管理方法
CN114347866A (zh) * 2022-03-21 2022-04-15 西北工业大学 一种基于vmd处理的燃料电池能量管理方法
CN114802192A (zh) * 2022-04-15 2022-07-29 湖北工业大学 一种汽车尾气温差发电弱混合动力系统能量控制方法
CN118092198A (zh) * 2024-04-27 2024-05-28 西北工业大学宁波研究院 基于神经网络识别的自适应模糊能量管理方法及其系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1256476A2 (en) * 2001-05-09 2002-11-13 Ford Global Technologies, Inc. Hybrid electric vehicle energy management
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
CN102951144A (zh) * 2012-11-16 2013-03-06 同济大学 基于最小功率损失算法的自调整神经网络能量管理方法
US20140257615A1 (en) * 2011-11-30 2014-09-11 International Truck Intellectual Property Company, Llc Hybrid vehicle propel-charge bias control method
CN106004518A (zh) * 2016-06-22 2016-10-12 江苏大学 一种基于车联网的电动汽车能量管理预测控制方法
CN110626339A (zh) * 2019-07-10 2019-12-31 聊城大学 基于驾驶员意图的紧急避障自动驾驶辅助力矩计算方法
CN111137177A (zh) * 2019-12-31 2020-05-12 上海捷氢科技有限公司 燃料电池车的能量控制方法、装置、存储介质及电子设备
CN111591151A (zh) * 2020-06-02 2020-08-28 上海电力大学 燃料电池混合动力系统能源管理策略
US20200285997A1 (en) * 2019-03-04 2020-09-10 Iocurrents, Inc. Near real-time detection and classification of machine anomalies using machine learning and artificial intelligence
CN111695202A (zh) * 2020-06-19 2020-09-22 太原理工大学 一种基于近似模型的燃料电池汽车模糊控制策略优化方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1256476A2 (en) * 2001-05-09 2002-11-13 Ford Global Technologies, Inc. Hybrid electric vehicle energy management
JP2003047110A (ja) * 2001-05-09 2003-02-14 Ford Global Technol Inc 車両エネルギー管理のためにハイブリッド電気自動車に車載ナビゲーション・システムを用いる方法
US20140257615A1 (en) * 2011-11-30 2014-09-11 International Truck Intellectual Property Company, Llc Hybrid vehicle propel-charge bias control method
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
CN102951144A (zh) * 2012-11-16 2013-03-06 同济大学 基于最小功率损失算法的自调整神经网络能量管理方法
CN106004518A (zh) * 2016-06-22 2016-10-12 江苏大学 一种基于车联网的电动汽车能量管理预测控制方法
US20200285997A1 (en) * 2019-03-04 2020-09-10 Iocurrents, Inc. Near real-time detection and classification of machine anomalies using machine learning and artificial intelligence
CN110626339A (zh) * 2019-07-10 2019-12-31 聊城大学 基于驾驶员意图的紧急避障自动驾驶辅助力矩计算方法
CN111137177A (zh) * 2019-12-31 2020-05-12 上海捷氢科技有限公司 燃料电池车的能量控制方法、装置、存储介质及电子设备
CN111591151A (zh) * 2020-06-02 2020-08-28 上海电力大学 燃料电池混合动力系统能源管理策略
CN111695202A (zh) * 2020-06-19 2020-09-22 太原理工大学 一种基于近似模型的燃料电池汽车模糊控制策略优化方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
CHANG-JUN XIE;SHU-HAI QUAN;QI-HONG CHEN: "Control strategy of hybrid power system for Fuel Cell Electric Vehicle based on neural network optimization", 《 IEEE/IEE ELECTRONIC LIBRARY (IEL)》 *
刘洋: "基于自适应动态规划控制策略的混合动力电动汽车能量管理研究", 《中国优秀硕士学位论文全文数据库(电子期刊)工程科技Ⅱ辑》 *
孙红等: ""汽车燃料电池/蓄电池混合动力实时功率优化控制"", 《沈阳建筑大学学报》 *
李佳欣: "某燃料电池汽车能量管理策略优化方法研究", 《农业装备与车辆工程》 *
钱立军等，: ""基于模糊神经网络的混合动力汽车控制策略仿真"", 《系统仿真学报》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113071507A (zh) * 2021-03-22 2021-07-06 江铃汽车股份有限公司 一种基于模糊控制的电动汽车能量管理控制方法
CN113071507B (zh) * 2021-03-22 2022-03-01 江铃汽车股份有限公司 一种基于模糊控制的电动汽车能量管理控制方法
CN113422088A (zh) * 2021-06-28 2021-09-21 太原理工大学 一种氢燃料电池空气供给系统及其解耦控制方法
CN113422088B (zh) * 2021-06-28 2023-02-17 太原理工大学 一种氢燃料电池空气供给系统及其解耦控制方法
CN113997925A (zh) * 2021-11-16 2022-02-01 同济大学 一种插电式混合动力系统能量管理方法
CN113997925B (zh) * 2021-11-16 2023-07-04 同济大学 一种插电式混合动力系统能量管理方法
CN114347866A (zh) * 2022-03-21 2022-04-15 西北工业大学 一种基于vmd处理的燃料电池能量管理方法
CN114347866B (zh) * 2022-03-21 2023-02-28 西北工业大学 一种基于vmd处理的燃料电池能量管理方法
CN114802192A (zh) * 2022-04-15 2022-07-29 湖北工业大学 一种汽车尾气温差发电弱混合动力系统能量控制方法
CN114802192B (zh) * 2022-04-15 2024-08-23 湖北工业大学 一种汽车尾气温差发电弱混合动力系统能量控制方法
CN118092198A (zh) * 2024-04-27 2024-05-28 西北工业大学宁波研究院 基于神经网络识别的自适应模糊能量管理方法及其系统

Also Published As

Publication number Publication date
CN112455420B (zh) 2022-04-22

Similar Documents

Publication Publication Date Title
CN112455420B (zh) 一种基于模糊神经网络的混合动力系统能量控制方法
Geng et al. Simulation research on a novel control strategy for fuel cell extended-range vehicles
CN112193232B (zh) 一种混合动力汽车自适应能量管理系统及方法
CN102951039B (zh) 一种基于模糊控制的增程式电动车能量管理方法
Wang et al. Research on energy optimization control strategy of the hybrid electric vehicle based on Pontryagin's minimum principle
da Silva et al. Dual HESS electric vehicle powertrain design and fuzzy control based on multi-objective optimization to increase driving range and battery life cycle
CN111301398B (zh) 一种cvt插电式混合动力汽车能量管理方法及系统
CN106427607A (zh) 一种电动车混合式储能系统能量分配方法
CN113942491B (zh) 一种串联式混合动力系统及联网混合动力车辆能量管理方法
CN109849694B (zh) 一种基于在线凸规划的混合储能式有轨电车能量管理方法
CN113895319B (zh) 一种可以减少燃料电池性能衰退的双电池能量管理方法
CN116834613B (zh) 一种动力电池辅助的氢燃料电池汽车系统能量管理方法
CN104760591A (zh) 混合动力综合控制系统
Zhang et al. Powertrain design and energy management of a novel coaxial series-parallel plug-in hybrid electric vehicle
CN111824119B (zh) 增程器瞬时优化控制方法
Dominguez et al. Sizing of fuel cell-ultracapacitors hybrid electric vehicles based on the energy management strategy
CN114347866B (zh) 一种基于vmd处理的燃料电池能量管理方法
CN117465412A (zh) 基于能量流效率最优的混合动力车辆在线能量管理方法
CN117710140A (zh) 基于遗传算法优化模糊控制器隶属度函数的混合动力船舶能量管理方法
Zhou et al. Research on fuzzy energy management strategy of parallel hybrid electric vehicle
CN115848217B (zh) 一种基于多能源模组的能源管理方法
Song et al. Study on the fuel economy of fuel cell electric vehicle based on rule-based energy management strategies
Hu et al. Empirical Analysis of AI-based Energy Management in Electric Vehicles: A Case Study on Reinforcement Learning
CN115284896A (zh) 一种基于双堆燃料电池的混合动力系统能量管理方法
CN114347812A (zh) 基于驾驶风格的燃料电池混合动力汽车能量管理方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221031

Address after: 710086 room 031, F2002, 20 / F, block 4-A, Xixian financial port, Fengdong new town energy Jinmao District, Xixian new area, Xi'an City, Shaanxi Province

Patentee after: Shaanxi Heyi Energy Technology Co.,Ltd.

Address before: 710049 No. 28 West Xianning Road, Shaanxi, Xi'an

Patentee before: XI'AN JIAOTONG University