JP2014078146A - プラントの制御性能算出方法及び制御性能算出装置 - Google Patents
プラントの制御性能算出方法及び制御性能算出装置 Download PDFInfo
- Publication number
- JP2014078146A JP2014078146A JP2012225624A JP2012225624A JP2014078146A JP 2014078146 A JP2014078146 A JP 2014078146A JP 2012225624 A JP2012225624 A JP 2012225624A JP 2012225624 A JP2012225624 A JP 2012225624A JP 2014078146 A JP2014078146 A JP 2014078146A
- Authority
- JP
- Japan
- Prior art keywords
- plant
- control performance
- objective function
- mathematical programming
- output
- 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
- 238000004364 calculation method Methods 0.000 title claims description 18
- 238000000034 method Methods 0.000 claims abstract description 47
- 239000000203 mixture Substances 0.000 claims abstract description 6
- 230000007613 environmental effect Effects 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 4
- 239000000446 fuel Substances 0.000 abstract description 26
- 230000014509 gene expression Effects 0.000 description 5
- 238000013178 mathematical model Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012887 quadratic function Methods 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000003050 experimental design method Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005183 dynamical system Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
Images
Landscapes
- Combined Controls Of Internal Combustion Engines (AREA)
- Feedback Control In General (AREA)
Abstract
【課題】制御対象であるプラント(例えばエンジンを搭載した車両)の制御性能(例えば燃料消費量や排出ガス量)の真の限界値を算出できるようにする。
【解決手段】プラントの特性(例えばエンジンの燃料消費特性とバッテリの損失特性)と制約条件(例えばバッテリ残量の制約条件)を数理計画問題として表現して最適化しようとする制御性能(例えば燃料消費量や排出ガス量)を目的関数として設定すると共に、前提条件となるプラントの負荷出力(例えば走行負荷と車速)と環境条件(例えば温度と風速)を設定する。その際、連続事象と離散事象の混合であるか否かや目的関数の種類に応じて適用する数理計画手法を選択する。この後、コンピュータ11で負荷出力と環境条件を満たす中で目的関数を最適化するように数理計画問題を解いてプラントの制御器出力(例えばエンジン出力)を算出し、この制御器出力を用いてプラントの制御性能の限界値を算出する。
【選択図】図1
【解決手段】プラントの特性(例えばエンジンの燃料消費特性とバッテリの損失特性)と制約条件(例えばバッテリ残量の制約条件)を数理計画問題として表現して最適化しようとする制御性能(例えば燃料消費量や排出ガス量)を目的関数として設定すると共に、前提条件となるプラントの負荷出力(例えば走行負荷と車速)と環境条件(例えば温度と風速)を設定する。その際、連続事象と離散事象の混合であるか否かや目的関数の種類に応じて適用する数理計画手法を選択する。この後、コンピュータ11で負荷出力と環境条件を満たす中で目的関数を最適化するように数理計画問題を解いてプラントの制御器出力(例えばエンジン出力)を算出し、この制御器出力を用いてプラントの制御性能の限界値を算出する。
【選択図】図1
Description
本発明は、制御対象であるプラントの制御性能算出方法及び制御性能算出装置に関する発明である。
例えば、内燃機関を搭載した車両の省燃費デバイスを企画する段階においては、その省燃費デバイスを車両に追加した場合に、どの程度の燃費向上効果が出るのかが懸案事項となる。従来、この燃費向上効果の算出は、作業者の経験や勘に基づいてシミュレータを用いて制御器のゲインを変更したり、制御器の構成を変えたりして、試行錯誤的に実施されていた。しかし、このような方法は、燃費の最大値(制御性能の限界値)を得られる保証が全く無く、およその狙いの数値が出れば終了する。
また、内燃機関の制御パラメータを適合する技術としては、例えば、特許文献1(特許第3951967号公報)に記載されているように、実験計画法等の統計学的手法を用いて制御器のゲインを操作して、出力値が適合目標値を満たすように制御パラメータの適合値を機械的に探索するようにしたものがある。
しかし、上記特許文献1の技術は、制御パラメータの適合値を求める技術であり、制御性能の限界値(例えば燃費の最大値や排出ガス量の最小値)を求めることはできない。また、仮に、上記特許文献1の技術を利用して、実験計画法等の統計学的手法を用いて制御器のゲインを操作して、制御性能の限界値を機械的に探索するようにしたとしても、局所的な最適解しか得られない可能性があり、しかも、制御器の構造が予め設定した構造に限定されるため、制御性能の真の限界値を求めることができない可能性がある。
そこで、本発明が解決しようとする課題は、制御対象であるプラントの制御性能の真の限界値を算出することができるようにすることにある。
上記課題を解決するために、請求項1に係る発明は、制御対象であるプラントの制御性能を算出する方法であって、プラントの特性と制約条件を数理計画問題として表現して最適化しようとする制御性能を目的関数として設定すると共に前提条件となるプラントの負荷出力と環境条件を設定し、このプラントの負荷出力と環境条件を満たす中で目的関数を最適化するように数理計画問題を解いてプラントの制御器出力を算出し、この制御器出力を用いてプラントの制御性能の限界値を算出するようにしたものである。
このようにすれば、試行錯誤的でなくシステマティックな方法で制御性能の限界値を算出することができる。しかも、制御器の構造を限定する必要がないため、制御器の構造に起因する制御性能の劣化を防ぐことができ、制御器の構造の影響を受けずに制御性能の真の限界値を算出することができる。
以下、本発明を実施するための形態を具体化した一実施例を説明する。
まず、図1に基づいてプラント制御性能算出システムの概略構成を説明する。
まず、図1に基づいてプラント制御性能算出システムの概略構成を説明する。
制御対象であるプラント(例えばエンジンを搭載した車両)の制御性能を算出するためのコンピュータ11が設けられ、このコンピュータ11には、キーボードやマウス等の入力装置12と、DVDやCD等の記憶媒体の記憶データを読み書きする記憶媒体ドライブ装置13と、液晶ディスプレイ等の表示装置14等が接続されている。
次に図2乃至図9を用いてプラントの制御性能の限界値の算出方法を説明する。
まず、図2に基づいてプラントの制御性能の限界値を算出する際の手順を説明する。
プラントの制御性能の限界値を算出する場合には、作業者がステップ101〜104の処理を実行する。まず、ステップ101で、プラントの特性や制御条件を数式モデル化した後、ステップ102で、プラントが連続事象と離散事象の混合であるか否かや目的関数の種類(例えば線形であるか否か等)に応じて適用する数理計画手法を選択する。
まず、図2に基づいてプラントの制御性能の限界値を算出する際の手順を説明する。
プラントの制御性能の限界値を算出する場合には、作業者がステップ101〜104の処理を実行する。まず、ステップ101で、プラントの特性や制御条件を数式モデル化した後、ステップ102で、プラントが連続事象と離散事象の混合であるか否かや目的関数の種類(例えば線形であるか否か等)に応じて適用する数理計画手法を選択する。
この後、ステップ103で、数式モデルを数理計画問題として表現して、最適化しようとする制御性能を目的関数として設定した後、ステップ104で、前提条件となるプラントの負荷出力と環境条件を設定する。これらの数理計画問題に関するデータ及び負荷出力と環境条件に関するデータ等は、作業者が入力装置12等を操作してコンピュータ11に入力する(又はコンピュータ11で作成する)。この場合、入力装置12等が特許請求の範囲でいう最適化問題設定手段としての役割を果たす。
この後、コンピュータ11でステップ105,106の処理を実行する。まず、ステップ105で、プラントの負荷出力と環境条件を満たす中で目的関数を最適化するように数理計画問題を解いてプラントの制御器出力を算出する。このステップ105の処理が特許請求の範囲でいう制御器出力算出手段としての役割を果たす。
この後、ステップ106で、制御器出力を用いてプラントの制御性能の限界値を算出する。このステップ106の処理が特許請求の範囲でいう制御性能算出手段としての役割を果たす。
次に図3乃至図9を用いて各ステップ101〜106の具体的な処理内容を説明する。
次に図3乃至図9を用いて各ステップ101〜106の具体的な処理内容を説明する。
[ステップ101:プラントを数式モデル化]
(a) 例えば、図3に示すエンジンの燃料消費特性を数式モデル化する場合、エンジン出力Pe に対する燃料消費量Fuel の特性を、下記のように区分線形モデルを用いて数式で表現する。
(a) 例えば、図3に示すエンジンの燃料消費特性を数式モデル化する場合、エンジン出力Pe に対する燃料消費量Fuel の特性を、下記のように区分線形モデルを用いて数式で表現する。
(b) 例えば、図4に示すバッテリの損失特性を数式モデル化する場合、バッテリ充放電電力Eに対するバッテリ損失Blossの特性を、下記のように区分線形モデルを用いて数式で表現する。
[ステップ102:数理計画手法を選択]
図5を用いて数理計画手法の選択方法を説明する。まず、ステップ201で、連続事象と離散事象の混合問題であるか否かを判定する。このステップ201で、連続事象と離散事象の混合問題であると判定された場合には、ステップ202に進み、適用する数理計画手法として、混合整数計画手法を選択する。
図5を用いて数理計画手法の選択方法を説明する。まず、ステップ201で、連続事象と離散事象の混合問題であるか否かを判定する。このステップ201で、連続事象と離散事象の混合問題であると判定された場合には、ステップ202に進み、適用する数理計画手法として、混合整数計画手法を選択する。
一方、上記ステップ201で、連続事象と離散事象の混合問題ではないと判定された場合には、ステップ203に進み、目的関数(最適化しようとする制御性能)が線形であるか否かを判定する。このステップ203で、目的関数が線形であると判定された場合には、ステップ204に進み、適用する数理計画手法として、線形計画手法を選択する。
一方、上記ステップ203で、目的関数が線形ではないと判定された場合には、ステップ205に進み、目的関数が二次関数であるか否かを判定する。このステップ205で、目的関数が二次関数であると判定された場合には、ステップ206に進み、適用する数理計画手法として、二次計画手法又は半正定値計画手法を選択する。
一方、上記ステップ205で、目的関数が二次関数ではないと判定された場合には、ステップ207に進み、適用する数理計画手法として、非線形計画手法を選択する。
[ステップ103:数式モデルを数理計画問題として記述]
(a) 上記ステップ101で作成したエンジンの燃料消費特性の数式モデル(区分線形モデル)を数理計画問題として記述する。ここでは、エンジンのオン/オフ(運転/停止)の離散事象を扱うため、混合整数計画問題として記述する。
[ステップ103:数式モデルを数理計画問題として記述]
(a) 上記ステップ101で作成したエンジンの燃料消費特性の数式モデル(区分線形モデル)を数理計画問題として記述する。ここでは、エンジンのオン/オフ(運転/停止)の離散事象を扱うため、混合整数計画問題として記述する。
具体的には、まず、エンジンの燃料消費特性の区分線形モデルを離散と連続が混在したMLDS(Mixed Logical Dynamical Systems )モデルで表現する。
ここで、Xeon はエンジン稼働フラグであり、エンジン運転中に「1」にセットされ、エンジン停止中に「0」にリセットされる。また、εは非常に小さい値とする。
次に、MLDSモデルを混合整数計画問題で表現する。この場合、最適化(最小化)しようとする制御性能を「エンジンの燃料消費量Σ(ai Ki +bi δi )の積算値」とし、この「エンジンの燃料消費量Σ(ai Ki +bi δi )の積算値」を目的関数として設定する。
つまり、上記(A)の各式を拘束条件としてαを最小化するという混合整数計画問題で表現する。
(b) 上記ステップ101で作成したバッテリの損失特性の数式モデル(区分線形モデル)を数理計画問題として記述する。
具体的には、バッテリの損失特性の区分線形モデルを混合整数計画問題で表現する。この場合、最適化(最小化)しようとする制御性能を「バッテリ損失Bloss」とし、この「バッテリ損失Bloss」を目的関数として設定する。
具体的には、バッテリの損失特性の区分線形モデルを混合整数計画問題で表現する。この場合、最適化(最小化)しようとする制御性能を「バッテリ損失Bloss」とし、この「バッテリ損失Bloss」を目的関数として設定する。
つまり、上記(B)式を拘束条件としてバッテリ損失Blossを最小化するという混合整数計画問題で表現する。
(c) バッテリ残量SOCの二つの制約条件をそれぞれ数式モデル化する。
第1の制約条件として、バッテリ残量SOCが各時刻で所定の制限範囲から越えないための制約条件を、次式で表現する。
MinSOC<SOC(k) <MaxSOC
ここで、MinSOCはバッテリ残量SOCの下限許容値であり、MaxSOCはバッテリ残量SOCの上限許容値である。
第1の制約条件として、バッテリ残量SOCが各時刻で所定の制限範囲から越えないための制約条件を、次式で表現する。
MinSOC<SOC(k) <MaxSOC
ここで、MinSOCはバッテリ残量SOCの下限許容値であり、MaxSOCはバッテリ残量SOCの上限許容値である。
第2の制約条件として、バッテリ残量SOCの最終値が所定の制限範囲内の状態で終了させるための制約条件を、次式で表現する。
MinEndSOC<SOC(N) <MaxEndSOC
ここで、MinEndSOCはバッテリ残量SOCの最終値の下限許容値であり、MaxEndSOCはバッテリ残量SOCの最終値の上限許容値である。
MinEndSOC<SOC(N) <MaxEndSOC
ここで、MinEndSOCはバッテリ残量SOCの最終値の下限許容値であり、MaxEndSOCはバッテリ残量SOCの最終値の上限許容値である。
尚、バッテリ残量SOCは、発電量E(プラス値の場合は充電量、マイナス値の場合は放電量)と変換係数Cを用いて、次式により算出することができる。
SOC(k) =ΣE(i) ×C
SOC(k) =ΣE(i) ×C
また、発電量Eは、エンジン出力Pe と走行要求動力DrvPwrとバッテリ損失Btloss とMG(モータジェネレータ)損失Mgloss とを用いて、次式により算出することができる。
E(k) =Pe(k)−DrvPwr(k) −Btloss(k)−Mgloss(k)
E(k) =Pe(k)−DrvPwr(k) −Btloss(k)−Mgloss(k)
[ステップ104:プラントの負荷出力と環境条件を設定]
例えば、図6及び図7に示すように、前提条件となるプラントの負荷出力として、走行負荷の時系列データと車速の時系列データを設定する。更に、前提条件となる環境条件として、温度や風速等を設定する。
例えば、図6及び図7に示すように、前提条件となるプラントの負荷出力として、走行負荷の時系列データと車速の時系列データを設定する。更に、前提条件となる環境条件として、温度や風速等を設定する。
[ステップ105:制御器出力を算出]
上記ステップ104で設定した負荷出力(例えば走行負荷と車速)と環境条件(例えば温度と風速)及び上記ステップ103で設定した制約条件(例えばバッテリ残量SOCの二つの制約条件)を満たす中で、上記ステップ103で設定した数理計画問題(例えばエンジンの燃料消費特性に関する混合整数計画問題とバッテリの損失特性に関する混合整数計画問題)を解くことで、目的関数を最適化するプラントの制御器出力(例えばエンジン出力)の時系列データを算出する。本実施例では、図8に示すように、燃料消費量を最小化するエンジン出力の時系列データを算出する。
上記ステップ104で設定した負荷出力(例えば走行負荷と車速)と環境条件(例えば温度と風速)及び上記ステップ103で設定した制約条件(例えばバッテリ残量SOCの二つの制約条件)を満たす中で、上記ステップ103で設定した数理計画問題(例えばエンジンの燃料消費特性に関する混合整数計画問題とバッテリの損失特性に関する混合整数計画問題)を解くことで、目的関数を最適化するプラントの制御器出力(例えばエンジン出力)の時系列データを算出する。本実施例では、図8に示すように、燃料消費量を最小化するエンジン出力の時系列データを算出する。
この場合、コンピュータ11の数値計算ソフトと数理計画ソルバを組み合わせて制御器出力を算出する。その際、大局的に最適な解が得られる内点法や分岐限定法等のアルゴリズムを搭載した数理計画ソルバを用いれば、局所的な最適解となることを防止できる。
[ステップ106:制御性能を算出]
上記ステップ104で設定した負荷出力(例えば走行負荷と車速)と環境条件(例えば温度と風速)及び上記ステップ105で算出した制御器出力(例えばエンジン出力)の時系列データ等を、車両シミュレータに入力し、この車両シミュレータでプラントの制御性能(例えば燃料消費量や排出ガス量)を算出することで、制御性能の限界値(例えば燃料消費量の最小値や排出ガス量の最小値)を算出する。このようにして算出した今回の燃料消費量と従来の燃料消費量とを比較する(例えば今回の燃料消費量と従来の燃料消費量との比率を算出する)ことで、プラントが発揮しうる燃費性能の最大値を算出することができる。
上記ステップ104で設定した負荷出力(例えば走行負荷と車速)と環境条件(例えば温度と風速)及び上記ステップ105で算出した制御器出力(例えばエンジン出力)の時系列データ等を、車両シミュレータに入力し、この車両シミュレータでプラントの制御性能(例えば燃料消費量や排出ガス量)を算出することで、制御性能の限界値(例えば燃料消費量の最小値や排出ガス量の最小値)を算出する。このようにして算出した今回の燃料消費量と従来の燃料消費量とを比較する(例えば今回の燃料消費量と従来の燃料消費量との比率を算出する)ことで、プラントが発揮しうる燃費性能の最大値を算出することができる。
以上説明した本実施例では、作業者が、プラント(例えばエンジンを搭載した車両)の特性(例えばエンジンの燃料消費特性とバッテリの損失特性)と制約条件(例えばバッテリ残量の制約条件)を数理計画問題として表現して最適化しようとする制御性能(例えば燃料消費量や排出ガス量)を目的関数として設定すると共に、前提条件となるプラントの負荷出力(例えば走行負荷と車速)と環境条件(例えば温度と風速)を設定し、コンピュータ11で、このプラントの負荷出力と環境条件を満たす中で目的関数を最適化するように数理計画問題を解いてプラントの制御器出力(例えばエンジン出力)を算出し、この制御器出力を用いてプラントの制御性能の限界値を算出するようにしたので、試行錯誤的でなくシステマティックな方法で制御性能の限界値を算出することができる。しかも、制御器の構造を限定する必要がないため、制御器の構造に起因する制御性能の劣化を防ぐことができ、制御器の構造の影響を受けずに制御性能の真の限界値を算出することができる。
また、本実施例では、プラントの特性と制約条件を数理計画問題として表現する際に、プラントが連続事象と離散事象の混合であるか否かと目的関数の種類とに応じて適用する数理計画手法を複数の数理計画手法(例えば、混合整数計画手法、線形計画手法、二次計画手法又は半正定値計画手法、非線形計画手法)の中から選択するようにしたので、プラントや目的関数に対応した適正な数理計画手法を用いて効率良く且つシステマティックに制御性能の限界値を算出することができると共に、プラントや目的関数に対応した適正な数理計画手法を用いることでコンピュータ11の演算負荷を抑えながら最適解を得ることができる。
尚、本発明の適用可能なプラントは、エンジンのみを動力源とする車両に限定されず、例えば、エンジンとモータを動力源とするハイブリッド車やモータのみを動力源とする電気自動車に本発明を適用しても良い。また、車両以外のプラント、例えば、船舶、建設機械、鉄道車両、コージェネレーション等に本発明を適用しても良い。
11…コンピュータ(制御器出力算出手段,制御性能算出手段)、12…入力装置(最適化問題設定手段)、13…記憶媒体ドライブ装置、14…表示装置
Claims (4)
- 制御対象であるプラントの制御性能を算出する方法であって、
前記プラントの特性と制約条件を数理計画問題として表現して最適化しようとする制御性能を目的関数として設定すると共に前提条件となる前記プラントの負荷出力と環境条件を設定し、前記プラントの負荷出力と環境条件を満たす中で前記目的関数を最適化するように前記数理計画問題を解いて前記プラントの制御器出力を算出し、前記制御器出力を用いて前記プラントの制御性能の限界値を算出することを特徴とするプラントの制御性能算出方法。 - 前記プラントの特性と制約条件を前記数理計画問題として表現する際に、前記プラントが連続事象と離散事象の混合であるか否かと前記目的関数の種類とに応じて適用する数理計画手法を選択することを特徴とする請求項1に記載のプラントの制御性能算出方法。
- 制御対象であるプラントの制御性能を算出する装置であって、
前記プラントの特性と制約条件を数理計画問題として表現して最適化しようとする制御性能を目的関数として設定すると共に前提条件となる前記プラントの負荷出力と環境条件を設定する最適化問題設定手段(12)と、
前記プラントの負荷出力と環境条件を満たす中で前記目的関数を最適化するように前記数理計画問題を解いて前記プラントの制御器出力を算出する制御器出力算出手段(11)と、
前記制御器出力を用いて前記プラントの制御性能の限界値を算出する制御性能算出手段(11)と
を備えていることを特徴とするプラントの制御性能算出装置。 - 前記最適化問題設定手段(12)で前記プラントの特性と制約条件を前記数理計画問題として表現する際に、前記プラントが連続事象と離散事象の混合であるか否かと前記目的関数の種類とに応じて適用する数理計画手法を選択することを特徴とする請求項3に記載のプラントの制御性能算出装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012225624A JP2014078146A (ja) | 2012-10-11 | 2012-10-11 | プラントの制御性能算出方法及び制御性能算出装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012225624A JP2014078146A (ja) | 2012-10-11 | 2012-10-11 | プラントの制御性能算出方法及び制御性能算出装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2014078146A true JP2014078146A (ja) | 2014-05-01 |
Family
ID=50783401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012225624A Pending JP2014078146A (ja) | 2012-10-11 | 2012-10-11 | プラントの制御性能算出方法及び制御性能算出装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2014078146A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2660679C1 (ru) * | 2016-10-17 | 2018-07-09 | Тойота Дзидося Кабусики Кайся | Устройство управления силовым агрегатом |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001273008A (ja) * | 2000-03-27 | 2001-10-05 | Osaka Gas Co Ltd | 熱電併給プラントの最適運転制御システム |
JP2004178156A (ja) * | 2002-11-26 | 2004-06-24 | Yokogawa Electric Corp | 運転計画決定支援システム |
-
2012
- 2012-10-11 JP JP2012225624A patent/JP2014078146A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001273008A (ja) * | 2000-03-27 | 2001-10-05 | Osaka Gas Co Ltd | 熱電併給プラントの最適運転制御システム |
JP2004178156A (ja) * | 2002-11-26 | 2004-06-24 | Yokogawa Electric Corp | 運転計画決定支援システム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2660679C1 (ru) * | 2016-10-17 | 2018-07-09 | Тойота Дзидося Кабусики Кайся | Устройство управления силовым агрегатом |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rudolf et al. | Toward holistic energy management strategies for fuel cell hybrid electric vehicles in heavy-duty applications | |
Ferrara et al. | Energy management of heavy-duty fuel cell vehicles in real-world driving scenarios: Robust design of strategies to maximize the hydrogen economy and system lifetime | |
Ribau et al. | Efficiency, cost and life cycle CO2 optimization of fuel cell hybrid and plug-in hybrid urban buses | |
Hu et al. | Optimal dimensioning and power management of a fuel cell/battery hybrid bus via convex programming | |
Li et al. | Hierarchical predictive control-based economic energy management for fuel cell hybrid construction vehicles | |
Böhme et al. | Hybrid systems, optimal control and hybrid vehicles | |
Vagg et al. | Stochastic dynamic programming in the real-world control of hybrid electric vehicles | |
Škugor et al. | Design of a power-split hybrid electric vehicle control system utilizing a rule-based controller and an equivalent consumption minimization strategy | |
Won et al. | An energy management and charge sustaining strategy for a parallel hybrid vehicle with CVT | |
Taghavipour et al. | Real-time predictive control strategy for a plug-in hybrid electric powertrain | |
Zhou et al. | A pseudospectral strategy for optimal power management in series hybrid electric powertrains | |
Yao et al. | Integrated optimal control of transmission ratio and power split ratio for a CVT-based plug-in hybrid electric vehicle | |
Guo et al. | Receding horizon control-based energy management for plug-in hybrid electric buses using a predictive model of terminal SOC constraint in consideration of stochastic vehicle mass | |
Li et al. | The role and application of convex modeling and optimization in electrified vehicles | |
CN113415288B (zh) | 分段式纵向车速规划方法、装置、设备及存储介质 | |
Jiang et al. | A comparison of real-time energy management strategies of FC/SC hybrid power source: Statistical analysis using random cycles | |
Lin et al. | Intelligent energy management strategy based on an improved reinforcement learning algorithm with exploration factor for a plug-in PHEV | |
JP5846500B2 (ja) | プラントの制御器設計方法及び制御器設計装置 | |
Kong et al. | A data-driven energy management method for parallel PHEVs based on action dependent heuristic dynamic programming (ADHDP) model | |
Piras et al. | Adaptive ECMS based on speed forecasting for the control of a heavy-duty fuel cell vehicle for real-world driving | |
Desai et al. | Comparative study of hybrid electric vehicle control strategies for improved drivetrain efficiency analysis | |
Larsson | Route optimized energy management of plug-in hybrid electric vehicles | |
Showers et al. | State-of-the-art review of fuel cell hybrid electric vehicle energy management systems | |
Wang et al. | SDP-based extremum seeking energy management strategy for a power-split hybrid electric vehicle | |
He et al. | Energy management optimization for connected hybrid electric vehicle using offline reinforcement learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20141217 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20151016 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20151021 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20160224 |