KR20190110038A - 자동차 쿨링 제어 시스템 및 방법 - Google Patents

자동차 쿨링 제어 시스템 및 방법 Download PDF

Info

Publication number
KR20190110038A
KR20190110038A KR1020190029722A KR20190029722A KR20190110038A KR 20190110038 A KR20190110038 A KR 20190110038A KR 1020190029722 A KR1020190029722 A KR 1020190029722A KR 20190029722 A KR20190029722 A KR 20190029722A KR 20190110038 A KR20190110038 A KR 20190110038A
Authority
KR
South Korea
Prior art keywords
unit
data
mathematical model
func
vehicle
Prior art date
Application number
KR1020190029722A
Other languages
English (en)
Other versions
KR102609053B1 (ko
Inventor
소운 장
알렉산더 보론카
Original Assignee
로베르트 보쉬 게엠베하
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 로베르트 보쉬 게엠베하 filed Critical 로베르트 보쉬 게엠베하
Publication of KR20190110038A publication Critical patent/KR20190110038A/ko
Application granted granted Critical
Publication of KR102609053B1 publication Critical patent/KR102609053B1/ko

Links

Images

Classifications

    • 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
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
    • 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
    • B60L58/24—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries
    • B60L58/26—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries by cooling
    • 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
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • 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
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/10—Vehicle control parameters
    • B60L2240/36—Temperature of vehicle components or parts
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/42—Drive Train control parameters related to electric machines
    • B60L2240/425—Temperature
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/48—Drive Train control parameters related to transmissions
    • B60L2240/485—Temperature
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/545—Temperature
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2200/00—Type of vehicle
    • B60Y2200/90—Vehicles comprising electric prime movers
    • B60Y2200/91—Electric vehicles
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B49/00—Arrangement or mounting of control or safety devices
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/40—Bus networks
    • H04L2012/40208—Bus networks characterized by the use of a particular bus standard
    • H04L2012/40215—Controller Area Network CAN
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/40—Bus networks
    • H04L2012/40267—Bus for use in transportation systems
    • H04L2012/40273—Bus for use in transportation systems the transportation system being a vehicle
    • 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
    • Y02T10/64—Electric machine technologies in electromobility
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

본 출원은 N개의 클라이언트 유닛과 무선 네트워크를 통해 서로 데이터 연결되는 서버 유닛; 및 각각 N개의 자동차에 설치될 수 있으며, 대응되는 자동차에서의 상기 자동차에서 냉각이 필요한 유닛의 온도를 평가할 수 있는 계산 입력 데이터를 실시간으로 수집 및 저장할 수 있으며, 상기 냉각이 필요한 유닛의 온도 데이터를 실시간으로 수집 및 저장할 수 있고, 수집된 계산 입력 데이터를 이용하여, 하나의 상기 서버 유닛(200)에 의해 확인된 예측 수학 모델을 기초로 상기 냉각이 필요한 유닛의 미래의 어느 시각에서의 온도 데이터를 각각 예측할 수 있으며, 예측된 온도 데이터를 기초로 상기 냉각이 필요한 유닛이 선택적으로 미리 쿨링될 수 있도록 하는 N개의 클라이언트 유닛을 포함하되, 여기서 N은 1보다 크거나 같은 것을 특징으로 하는 자동차, 특히 전기자동차용 쿨링 제어 시스템 및 방법을 제공한다.

Description

자동차 쿨링 제어 시스템 및 방법{COOLING CONTROL SYSTEM AND METHOD FOR A MOTOR VEHICLE}
본 출원은 대체로 자동차, 특히 전기자동차에서 냉각이 필요한 임의의 부재의 쿨링 제어 시스템 및 방법에 관한 것이다.
환경 보호 원인 및 갈수록 엄격해지고 있는 배기가스 배출 법규로 인해, 전기자동차가 점차적으로 보급되고 있다. 전기자동차에 있어서, 열 제어는 매우 중요한 하나의 과제이다. 예를 들어, 전기자동차의 운행 과정에서, 배터리 팩, 배터리 관리 유닛, 인버터, 통신 모듈, 기어박스, 모터 등의 유닛은 끊임없이 대량의 열을 발생하게 된다. 과열 상황이 발생할 경우, 통상적으로는 예를 들어 대응되는 소자에 대해 동작 출력을 낮추거나 또는 전기자동차를 강제로 정지시키는 강제적인 안전 조치를 취해 소자의 고장을 방지한다. 다시 말하면, 소자의 승온 상황을 미리 정확하게 예측하여 상응하게 냉각시키지 못할 경우, 운전 감각에 현저한 영향을 미치게 된다.
종래의 전기자동차 쿨링 제어에 있어서, 주로 별도의 차량의 운전 상태에 기초하여 및/또는 내비게이션 및 위성 포지셔닝 시스템 예를 들어 GPS(글로벌 포지셔닝 시스템) 또는 BDS(BeiDou Navigation Satellite System)으로 획득한 도로 상황 정보에 기초하여 잠재하는 과열 조건을 미리 예측한다. 예를 들어, 도로가 원활할 경우, 전기자동차가 가속하게 될 것을 예측할 수 있으므로, 전기자동차 및 기어박스가 과열하게 될 것이다. 이로써, 모터 및 기어박스의 방열 장치를 미리 작동시켜 과열을 예방한다.
그러나, 이러한 종래의 제어 방식의 단점은, 첫째로 전기자동차의 관련 유닛에 대한 예측 판단은 고정된 것으로, 실제 운전 과정에서 발생하는 모든 운전 상황에 응용될 수 없다. 또한, 내비게이션 및 위성 포지셔닝 데이터를 기초로 하므로, 데이터 획득에 대한 정확도 요구가 매우 높아, 그러지 않을 경우 전기자동차의 관련 유닛에 과열 또는 냉각 부족의 문제가 발생하게 된다.
상술한 문제에 관하여, 본 출원은 개선된 전기자동차에서 열을 발생시키는 유닛의 쿨링 제어 시스템 및 방법을 제공하는 것을 목적으로 한다.
본 출원의 일측에 따르면, N개의 클라이언트 유닛과 무선 네트워크를 통해 서로 데이터 연결되는 서버 유닛; 및 각각 N개의 자동차에 설치될 수 있으며, 대응되는 자동차에서의 상기 자동차에서 냉각이 필요한 유닛의 온도를 평가할 수 있는 계산 입력 데이터를 실시간으로 수집 및 저장할 수 있으며, 상기 냉각이 필요한 유닛의 온도 데이터를 실시간으로 수집 및 저장할 수 있고, 수집된 계산 입력 데이터를 이용하여, 하나의 상기 서버 유닛에 의해 확인된 예측 수학 모델을 기초로 상기 냉각이 필요한 유닛의 미래의 어느 시각에서의 온도 데이터를 예측할 수 있으며, 각각 예측된 온도 데이터를 기초로 상기 냉각이 필요한 유닛이 선택적으로 미리 쿨링될 수 있도록 하는 N개의 클라이언트 유닛을 포함하되, 여기서 N은 1보다 크거나 같으며,
상기 서버 유닛은 상기 N개의 클라이언트 유닛으로부터 수집된 계산 입력 데이터 및 온도 데이터를 수신하여, 수신된 데이터를 기초로 상기 예측 수학 모델을 최적으로 개선하거나 또는 새로운 예측 수학 모델을 구축할 수 있는 자동차, 특히 전기자동차용 쿨링 제어 시스템을 제공한다.
선택적으로, 각 클라이언트 유닛이 현재 사용하고 있는 예측 수학 모델에 대해, 상기 서버 유닛은 클라이언트 유닛으로부터 수신한 계산 입력 데이터의 일부 및 온도 데이터의 일부를 각각 상기 예측 수학 모델의 입력과 출력으로 하여, 상기 데이터와 상기 예측 수학 모델의 매칭 여부를 검증한다.
선택적으로, 상기 서버 유닛의 검증 결과, 상기 예측 수학 모델과 데이터가 매칭되지 않으면, 새로운 예측 수학 모델로 상기 예측 수학 모델을 대체한다.
선택적으로, 상기 새로운 예측 수학 모델은 상기 서버 유닛에 의해 이미 수신한 데이터를 기초로 상기 서버 유닛의 데이터 메모리로부터 선택되거나, 또는 상기 새로운 예측 수학 모델은 상기 서버 유닛에 의해 이미 수신한 데이터를 기초로 생성된다.
선택적으로, 상기 서버 유닛의 검증 결과, 상기 예측 수학 모델과 데이터가 매칭되면, 상기 서버 유닛이 이미 수신한 데이터를 기초로 상기 예측 수학 모델을 최적으로 개선한다.
선택적으로, 상기 새로운 예측 수학 모델 또는 상기 최적으로 개선된 예측 수학 모델은 상기 클라이언트 유닛으로 발송되어 사용되도록 한다.
선택적으로, 상기 예측 수학 모델은 인공 신경망에 의한 계산 모델, 퍼지 논리 계산 모델, 유전 알고리즘 계산 모델, 적응형 학습 계산 모델 또는 인공 지능 계산 모델이다.
선택적으로, 자동차에서 상기 냉각이 필요한 유닛에 방열 유닛이 갖추어 있어, 상기 예측되는 온도 데이터가 일정한 값보다 클 경우, 대응되는 클라이언트 유닛이 상기 방열 유닛을 작동시켜 상기 냉각이 필요한 유닛이 미리 쿨링될 수 있도록 한다.
선택적으로, 자동차가 전기자동차일 경우, 상기 냉각이 필요한 유닛은 전기자동차의 배터리 팩 유닛, 배터리 관리 유닛, 인버터 유닛, 모터 유닛, 기어박스 유닛을 포함한다.
선택적으로, 각 클라이언트 유닛에 사용되는 예측 수학 모델은 자동차의 운전자에 의해 주동적으로 선택될 수 있다.
선택적으로, 상기 계산 입력 데이터는 상기 냉각이 필요한 유닛의 동작 파라미터 데이터 및/또는 자동차의 도로 상황 데이터를 포함하고, 상기 도로 상황 데이터는 자동차의 실시간 내비게이트 및/또는 위성 포지셔닝 데이터에 의해 얻어진다.
선택적으로, 상기 서버 유닛은 다수 개의 클라이언트 유닛으로부터의 데이터를 기초로, 상기 다수 개의 클라이언트 유닛 중 하나의 예측 수학 모델과 그의 데이터의 매칭 여부를 확인한다.
본 출원의 다른 일측면에 따르면, N개의 클라이언트 유닛과 무선 네트워크를 통해 서로 데이터 연결되는 서버 유닛; 및 N개의 자동차에 설치될 수 있으며, 대응되는 자동차에서의 상기 자동차에서 냉각이 필요한 유닛의 온도를 평가할 수 있는 계산 입력 데이터를 실시간으로 수집 및 저장할 수 있으며, 상기 냉각이 필요한 유닛의 온도 데이터를 실시간으로 수집 및 저장할 수 있고, 수집된 계산 입력 데이터를 이용하여, 하나의 상기 서버 유닛에 의해 확인된 예측 수학 모델을 기초로 상기 냉각이 필요한 유닛의 미래의 어느 시각에서의 온도 데이터를 예측할 수 있으며, 예측된 온도 데이터를 기초로 상기 냉각이 필요한 유닛이 선택적으로 미리 쿨링될 수 있도록 하는 N개의 클라이언트 유닛을 제공하되, 여기서 N은 1보다 크거나 같으며,
상기 서버 유닛은 상기 N개의 클라이언트 유닛으로부터 수집된 계산 입력 데이터 및 온도 데이터를 수신할 수 있으며, 수신된 데이터를 기초로 상기 예측 수학 모델을 최적으로 개선 또는 새로운 예측 수학 모델을 구축할 수 있는 자동차, 특히 전기자동차의 쿨링 예측 제어 방법을 제공한다.
선택적으로, 각 클라이언트 유닛이 현재 사용하고 있는 예측 수학 모델에 대해, 상기 서버 유닛은 클라이언트 유닛으로부터 수신한 계산 입력 데이터의 일부 및 온도 데이터의 일부를 각각 상기 예측 수학 모델의 입력과 출력으로 하여, 상기 데이터와 상기 예측 수학 모델의 매칭 여부를 검증한다.
선택적으로, 상기 서버 유닛의 검증 결과, 상기 예측 수학 모델과 데이터가 매칭되지 않으면, 새로운 예측 수학 모델로 상기 예측 수학 모델을 대체한다.
선택적으로, 상기 새로운 예측 수학 모델은 상기 서버 유닛에 의해 이미 수신한 데이터를 기초로 상기 서버 유닛의 데이터 메모리로부터 선택되거나, 또는 상기 새로운 예측 수학 모델은 상기 서버 유닛에 의해 이미 수신한 데이터를 기초로 생성된다.
선택적으로, 상기 서버 유닛의 검증 결과, 상기 예측 수학 모델과 데이터가 매칭되면, 상기 서버 유닛은 이미 수신한 데이터를 기초로 상기 예측 수학 모델을 최적으로 개선한다.
선택적으로, 상기 새로운 예측 수학 모델 또는 상기 최적으로 개선된 예측 수학 모델은 상기 클라이언트 유닛으로 발송되어 사용되도록 한다.
선택적으로, 상기 예측 수학 모델은 인공 신경망에 의한 계산 모델, 퍼지 논리 계산 모델, 유전 알고리즘 계산 모델, 적응형 학습 계산 모델 또는 인공 지능 계산 모델이다.
선택적으로, 자동차에서 상기 냉각이 필요한 유닛에 방열 유닛이 갖추어 있어, 상기 예측되는 온도 데이터가 일정한 값보다 클 경우, 대응되는 클라이언트 유닛이 상기 방열 유닛을 작동시켜 상기 냉각이 필요한 유닛이 미리 쿨링될 수 있도록 한다.
선택적으로, 자동차가 전기자동차일 경우, 상기 냉각이 필요한 유닛은 전기자동차의 배터리 팩 유닛, 배터리 관리 유닛, 인버터 유닛, 모터 유닛, 기어박스 유닛을 포함한다.
선택적으로, 각 클라이언트 유닛에 사용되는 예측 수학 모델은 자동차의 운전자에 의해 주동적으로 선택될 수 있다.
선택적으로, 상기 계산 입력 데이터는 상기 냉각이 필요한 유닛의 동작 파라미터 데이터 및/또는 자동차의 도로 상황 데이터를 포함하고, 상기 도로 상황 데이터는 자동차의 실시간 내비게이트 및/또는 위성 포지셔닝 데이터에 의해 얻어진다.
선택적으로, 상기 서버 유닛은 다수 개의 클라이언트 유닛으로부터의 데이터를 기초로, 상기 다수 개의 클라이언트 유닛 중 하나의 예측 수학 모델과 그의 데이터의 매칭 여부를 확인한다.
본 출원의 다른 일측에 따르면, 자동차, 특히 전기자동차에 설치되는 클라이언트 유닛을 더 제공하며, 상기 클라이언트 유닛은 자동차, 특히 전기자동차에서의 상기 자동차, 특히 전기자동차에서 냉각이 필요한 유닛의 온도를 평가할 수 있는 계산 입력 데이터를 실시간으로 수집 및 저장할 수 있고, 상기 클라이언트 유닛은 상기 냉각이 필요한 유닛의 온도 데이터를 실시간으로 수집 및 저장할 수 있고, 상기 클라이언트 유닛은 무선 네트워크에 의해 상술한 쿨링 제어 시스템과 데이터 연결되어, 수집된 계산 입력 데이터를 이용하여, 하나의 상기 쿨링 제어 시스템의 서버 유닛에 의해 확인된 예측 수학 모델을 기초로 상기 냉각이 필요한 유닛의 미래의 어느 시각에서의 온도 데이터를 예측할 수 있으며, 자동차, 특히 전기자동차에서 상기 냉각이 필요한 유닛에 방열 유닛이 갖추어 있어, 상기 예측되는 온도 데이터가 일정한 값보다 클 경우, 상기 클라이언트 유닛이 상기 방열 유닛을 작동시켜 상기 냉각이 필요한 유닛이 미리 쿨링될 수 있도록 한다.
본 출원의 상기 기술적 수단을 사용하면, 예측 수학 모델은 빅 데이터 계산 방법을 기초로 실시간으로 업데이트될 수 있으므로, 데이터로 획득되는 정확도에 대한 요구가 낮아지지만, 차량의 관련 유닛에 대한 온도 예측 판단의 정확도는 반대로 더욱 높아질 수 있다.
후술하는 구체적인 설명에 아래의 도면을 결합하여 본 출원의 전술 및 기타 측면에 대해 더욱 전면적으로 이해할 수 있을 것이다. 지적해야 할 것은, 각 도면의 비례는 명확하게 설명하기 위한 목적으로 서로 상이할 수 있으나, 이는 본 출원의 이해에 영향을 미치지 않는다. 도면에서:
도 1은 본 출원의 일 실시예에 따른 전기자동차 쿨링 제어 시스템의 구성을 나타내는 도면이며;
도 2는 도 1의 쿨링 제어 시스템에서의 별도 하나의 클라이언트 유닛(N)의 하나의 전기자동차에서의 응용을 나타내는 블록도이며;
도 3은 전기자동차 쿨링 제어 시스템에 사용되는 온도 예측 수학 모델의 예시를 나타내는 도면이며;
도 4는 전기자동차 쿨링 제어 시스템의 서버 유닛에 사용되는 제어 방법의 하나의 예시를 나타내는 도면이며; 및
도 5는 전기자동차 쿨링 제어 시스템의 클라이언트 유닛, 즉 전기자동차에 사용되는 제어 방법의 하나의 예시를 나타내는 도면이다.
본 출원의 각 도면에서, 구조가 동일 또는 기능이 유사한 특징에 대해서는 동일한 도면 부호로 표시한다.
본 출원의 이하 내용은 주로 전기자동차에 대해 설명하지만, 본 기술 분야의 기술자들은 동일한 기술이 기타 유형의 자동차, 예를 들면 연료유 자동차에도 적용될 수 있는 것을 이해해야 한다.
도 1은 본 출원의 일 실시예에 따른 전기자동차 쿨링 제어 시스템의 구성을 나타내는 도면이다. 쿨링 제어 시스템은 서버 유닛(200) 및 클라이언트 유닛(1, 2, 3, 4, 5, 6,..., N)을 포함하되, 여기서 N은 1보다 크거나 같은 정수일 수 있다. 서버 유닛(200)은 컴퓨터 또는 마이크로프로세서 및 데이터 메모리를 포함할 수 있다. 데이터 메모리는 예를 들어 수신한 데이터를 저장 및/또는 컴퓨터 또는 마이크로프로세서에서 수학 모델의 계산을 수행할 수 있다. 컴퓨터 또는 마이크로프로세서는 데이터 메모리에 저장된 수학 모델을 호출할 수 있으며, 실시간으로 수신한 데이터 또는 데이터 메모리에 기록된 데이터를 이용하여 계산을 한다. 선택적으로 및/또는 대체적으로, 컴퓨터 또는 마이크로프로세서는 수신된 최신 데이터를 기초로 수학 모델을 업데이트 및/또는 새로운 수학 모델을 구축할 수도 있다.
각 클라이언트 유닛(1, 2, 3, 4, 5, 6, ..., N)도 컴퓨터 또는 마이크로프로세서 및 데이터 메모리를 포함할 수 있다. 본 기술분야의 기술자에게 있어서, 클라이언트 유닛도 전기자동차의 차량제어유닛(VCU) 또는 모터제어유닛(MCU)의 마이크로프로세서(μC)이거나 또는 별도의 제어 유닛으로 각각의 전기자동차에 설치될 수 있음은 자명한 것이다. 각 클라이언트 유닛(1, 2, 3, 4, 5, 6, ..., N)은 자체의 전기자동차에 대해 대응되는 데이터 정보(예를 들어, 도 2 참조)를 실시간으로 수집할 수 있다. 서버 유닛(200)과 클라이언트 유닛(1, 2, 3, 4, 5, 6, ..., N) 사이는 무선으로 데이터 연결되며, 예를 들어, 4G, 5G, 무선 인터넷(Internet), 무선 인트라넷(Intranet), 무선 사물인터넷 등과 같은 무선 통신 네트워크를 통해 서로 데이터 연결됨으로써, 각 클라이언트 유닛이 실시간으로 수집한 정보를 즉시 서버 유닛(200)으로 전송할 수 있으며, 서버 유닛(200)도 데이터를 즉시 각 클라이언트 유닛(1, 2, 3, 4, 5, 6, ..., N)으로 전송할 수 있다. 각 클라이언트 유닛의 데이터 메모리는 예를 들어 수신되는 데이터를 저장 및/또는 컴퓨터 또는 마이크로프로세서에서 수학 모델의 계산을 수행할 수 있다. 각 클라이언트 유닛의 컴퓨터 또는 마이크로프로세서는 클라이언트 유닛의 데이터 메모리에 저장된 수학 모델을 호출하거나, 또는 서버 유닛의 데이터 메모리에 저장된 수학 모델을 수신할 수 있으며, 실시간으로 수신한 데이터 또는 데이터 메모리에 기록된 데이터를 이용하여 계산을 한다.
예를 들어, 서버 유닛(200)은 클라이언트 유닛(1, 2, 3, 4, 5, 6, ..., N)과 클라우드 컴퓨팅 시스템의 방식으로 구축될 수 있으며, 여기서, 서버 유닛(200)은 클라우드를 컴퓨팅하는 클라우드 서버로서, 각 클라이언트 유닛(1, 2, 3, 4, 5, 6, ..., N)에 클라우드 컴퓨팅 서비스 기능을 제공한다.
도 2는 도 1의 쿨링 제어 시스템에서의 별도 하나의 클라이언트 유닛(N)의 하나의 전기자동차에서의 응용을 나타내는 블록도이다. 상술한 바와 같이, 클라이언트 유닛(N)은 전기자동차에 이미 존재하는 차량제어유닛(VCU) 또는 모터제어유닛(MCU)의 마이크로프로세서(μC)이거나 또는 별도로 설치된 유닛일 수 있다. 클라이언트 유닛(N)은 무선 통신 모듈을 구비하여, 상술한 바와 같이 서버 유닛(200)과 데이터 연결될 수 있다. 전기자동차에서, 클라이언트 유닛(N)은 CAN 버스와 같은 임의의 적절한 차량탑재 데이터 버스를 통해 냉각이 필요한 각 유닛과 데이터 연결될 수 있어, 전기자동차가 작동되면 대응되는 유닛의 온도 데이터를 실시간으로 획득할 수 있다. 냉각이 필요한 유닛은, 예를 들어 배터리 팩 유닛(N001), 배터리 관리 유닛(N002), 인버터 유닛(N003), 모터 유닛(N004), 기어박스 유닛(N005) 등을 포함한다. 또한, 선택적으로, 상기 배터리 팩 유닛(N001), 배터리 관리 유닛(N002), 인버터 유닛(N003), 모터 유닛(N004), 기어박스 유닛(N005)에는 각각 대응되는 방열 유닛 예를 들어 NC001, NC002, NC004, NC005가 갖추어 있다. 각 방열 유닛도 클라이언트 유닛(N)과 차량탑재 데이터 버스를 통해 데이터 연결되며, 클라이언트 유닛(N)으로부터의 명령을 기초로 선택적으로 작동되어, 대응되는 유닛이 냉각되도록 한다. 예를 들어, 방열 유닛은 팬과 같은 에어 쿨링 방열 장치 및/또는 수냉 방열 장치를 포함할 수 있다.
각 클라이언트 유닛(1, 2, 3, 4, 5, 6, ..., N)은 각 전기자동차로부터 다량의 데이터를 수집하여 서버 유닛(200)으로 전송한다. 서버 유닛(200)은 빅데이터 분석 방법을 이용하여 수신된 데이터에 대해 분석을 진행한다.
도 3은 전기자동차 쿨링 제어 시스템에 사용되는 온도 예측 수학 모델의 예시를 나타내는 도면이다. 예를 들어, 상기 수학 모델은 서버 유닛(200) 및/또는 각 클라이언트 유닛(N)의 컴퓨터에서 작동될 수 있다. 또한, 상기 수학 모델은 서버 유닛(200)의 컴퓨터에 의해 선택적으로 교체되거나 추가로 최적화될 수 있다. 데이터 모델은 예를 들어 본 기술분야의 기술자들이 숙지하고 있는 빅데이터 분석 계산을 구현할 수 있는 임의의 적절한 수학 모델, 예를 들어 인공 신경망 계산 모델, 퍼지 논리 계산 모델, 유전 알고리즘 계산 모델, 적응형 학습 계산 모델 또는 인공 지능 계산 모델 등일 수 있다.
예를 들어, 각각의 전기자동차에 있어서, 작동 후에 클라이언트 유닛은 배터리 팩 유닛(N001)의 온도 값(TN001), 배터리 관리 유닛(N002)의 온도 값(TN002), 인버터 유닛(N003)의 온도 값(TN003), 모터 유닛(N004)의 온도 값(TN004), 기어박스 유닛(N005)의 온도 값(TN005) 등을 실시간으로 수집할 수 있다. 따라서, 각 클라이언트 유닛이 실시간으로 수신한 온도 데이터(T(t))=[TN001, TN002, TN003, TN004, ...]이며, 여기서 전기자동차가 작동 시, t=0이다. 온도 데이터 외에, 각 클라이언트 유닛은 전기자동차 작동 후의 대응되는 동작 파라미터, 예를 들어 배터리 팩 유닛(N001)의 전압(UN001)과 전류(IN001), 배터리 관리 유닛(N002)의 출력(PN002), 인버터 유닛(N003)의 전압(UN003)과 전류(IN003), 모터 유닛(N004)의 토크(TN004), 회전수(nN004)와 출력(PN004), 기어박스 유닛(N005)의 토크(TN005) 등 임의의 적절한 데이터를 수신할 수도 있다. 예를 들어, 전기자동차가 작동 후, 클라이언트 유닛은 각각의 시각(t)에서 전기자동차의 동작 파라미터(X(t))=[UN001, IN001, PN002, UN003, IN003, TN004, nN004, PN004, TN005, ...]를 실시간으로 획득할 수 있다. 본 기술분야의 기술자에게 있어서, 위에서 언급한 온도 데이터 및 동작 파라미터 데이터는 단지 비제한적으로 열거된 것임은 자명한 것이며, 본 기술분야의 기술자들이 생각해낼 수 있는 임의의 기타 수신 가능 및/또는 사용 가능한 데이터는 모두 추가할 수 있다.
다음으로, 공식 T(t`)=Func(X(t))을 이용하여 미래의 어느 시각(t`)(>t)의 (관련 유닛의) 온도 데이터를 예측할 수 있으며, 여기서 Func은 도 3에 도시된 예측 수학 모델의 예시이다. 예를 들어, Func은 신경망 기술에 의한 예측 모델일 수 있다. 지적해야 할 점으로서, 본 출원은 예측 모델의 결정 방법에 대해서는 주목하지 않으며, 예를 들어 예측 모델은 본 기술분야에서 공지된 모델을 직접적으로 사용할 수 있고, 나아가 임의의 경영 수학 계산 소프트웨어에 이미 존재하는 모델, 예를 들어 Matlab 소프트웨어에서의 뉴런 함수 등을 직접적으로 사용할 수 있다. 또한, 후술하는 설명에서, 예를 들어 예측 수학 모델에 대한 업데이트는 예를 들어 경영 수학 계산 소프트웨어 중의 기술을 직접적으로 사용할 수도 있다. 도 3을 예로, 좌측 입력단(X(t))에 3개의 항목이 있으며, 각각 전기자동차의 모터 출력(power), 모터 회전수, 출력 토크일 수 있으며; 우측 출력단(T(t`))에 2개의 항목이 있으며, 각각 모터 온도, 배터리 온도일 수 있으며; 중간의 계산 과정 Func은 예를 들어 Matlab 소프트웨어 중의 뉴런 함수에 의해 정의될 수 있으며, 도 3에서 함수 정의는 4개의 뉴런(F1, F2, F3, F4)을 구비한다. 그러나, 뉴런의 수량은 입력단 데이터의 증감에 따라 대응되게 증감될 수 있다. 출력 데이터도 대응되게 증감될 수 있다. 따라서, 실시간으로 획득한 데이터(X(t))를 기초로 미래의 어느 시각(예를 들어, t`=10분 후)의 온도 데이터(T(t`))를 예측할 수 있다. 상기 예측 과정은 서버 유닛(200) 및/또는 각 클라이언트 유닛(N)의 컴퓨터에서 구현할 수 있다.
도 4는 전기자동차 쿨링 제어 시스템의 서버 유닛(200)에 사용되는 제어 방법의 하나의 예시를 나타내는 도면이다. 단계(S100)에서, 서버 유닛(200)은 각 클라이언트 유닛(N)으로부터 실시간으로 검출된 온도 데이터(T(t))와 동작 파라미터 데이터(X(t))를 포함하는 데이터를 수신한다. 단계(S200)에서, 서버 유닛(200)은 상기 데이터를 서버 유닛(200)의 데이터 메모리에 저장할 수 있다. 선택적으로, 각 클라이언트 유닛(N)에 대해 각각 데이터를 분류하여 저장할 수 있다. 그 다음, 단계(S300)에서, 서버 유닛(200)은 어느 클라이언트 유닛에 대해 해당 클라이언트 유닛과 대응되는 일부의 저장된 온도 데이터(T(t))와 동작 파라미터 데이터(X(t))를 호출하고, 해당 클라이언트 유닛에서 작동하고 있는 예측 수학 모델(Func)을 호출하며, 아울러 호출한 동작 파라미터 데이터(X(t))를 입력으로 하고, 호출한 온도 데이터(T(t))를 출력으로 하여, 호출한 데이터와 호출한 예측 수학 모델(Func)의 매칭 여부를 검증한다. 예를 들어, 호출한 이력 동작 파라미터 데이터(X(t))를 호출한 예측 수학 모델(Func)의 입력으로 하여, 획득한 출력과 호출한 이력 온도 데이터(T(t)) 사이의 차이가 허용 가능한 범위 내에 있을 경우, 호출한 데이터와 호출한 예측 수학 모델(Func)이 매칭되는 것으로 판단하고, 아닐 경우 매칭되지 않는 것으로 판단한다.
단계(S300)에서의 검증 결과가 "Yes"일 경우, 단계(S400)에서, 서버 유닛(200)은 이미 저장된 다량의 데이터를 이용하여 예측 수학 모델(Func)에 대해 최적의 개선을 진행하여, 최적으로 개선된 예측 수학 모델(Func`)을 획득하도록 한다. 다음으로, 단계(S500)에서, 서버 유닛(200)은 상기 클라이언트 유닛과 대응되는 단계(S300)에서 호출된 것과 상이한 다른 일부의 저장된 온도 데이터(T(t))와 동작 파라미터 데이터(X(t))를 호출한다. 단계(S600)에서, 단계(S500)에서 호출한 데이터를 이용하여, 단계(S300)의 방식과 유사하게 개선된 예측 수학 모델(Func`)의 매칭 여부를 추가로 검증한다. 단계(S600)의 검증 결과가 "Yes"일 경우, 단계(S1000)를 진행하여 개선된 예측 수학 모델(Func`)을 대응되는 클라이언트 유닛으로 발송하고, 아울러 개선된 예측 수학 모델(Func`) 을 서버 유닛(200)의 데이터 메모리에 저장하여 후속의 분석에 사용되도록 한다. 예를 들어, 예측 수학 모델은 컴퓨터 명령의 방식으로 대응되는 클라이언트 유닛으로 무선으로 발송할 수 있다. 단계(S600)의 검증 결과가 "No"일 경우, 단계(S400)을 진행하여 예측 수학 모델을 다시 최적으로 개선하며, 예를 들어 데이터를 교체함으로써 다시 최적으로 개선할 수 있다.
단계(S300)의 검증 결과가 "No"일 경우, 단계(S700)에서, 서버 유닛(200)은 호출한 데이터를 기초로 새로운 적절한 예측 수학 모델(Func`)을 다시 선택할 수 있으며, 예를 들어, 데이터 메모리에 저장된 다수 개의 예측 모델에서 선택적으로 호출 및/또는 이력 데이터를 기초로 머신 러닝의 방식으로 새로운 예측 모델을 구축할 수 있다. 다음으로, 단계(S800)에서, 서버 유닛(200)은 상기 클라이언트 유닛과 대응되는 단계(S300)에서 호출된 것과 상이한 다른 일부의 저장된 온도 데이터(T(t))와 동작 파라미터 데이터(X(t))를 호출한다. 다음으로, 단계(S900)에서, 단계(S800)에서 호출한 데이터를 이용하여, 단계(S300)의 방식과 유사하게 단계(S700)에서 확인한 예측 수학 모델(Func``)의 매칭 여부를 추가로 검증한다. 단계(S900)의 검증 결과가 "Yes"일 경우, 단계(S1000)를 진행하여 업데이트된 예측 수학 모델(Func``)을 대응되는 클라이언트 유닛으로 발송하고, 아울러 업데이트된 예측 수학 모델(Func``)을 서버 유닛(200)의 데이터 메모리에 저장하여 후속의 분석에 사용되도록 한다. 단계(S900)의 검증 결과가 "No"일 경우, 단계(S700)을 진행하여 예측 수학 모델을 다시 업데이트한다.
또한, 서버 유닛(200)은 클라이언트 유닛에 의한 데이터를 기초로 상기 다수 개의 클라이언트 유닛에서의 임의의 하나의 클라이언트 유닛의 예측 수학 모델의 매칭 여부를 판단하고, 대응되게 업데이트를 진행할 수 있다. 선택적으로, 서버 유닛(200)은 다수 개의 클라이언트 유닛의 데이터 사이의 연관성을 이용하여 예측 수학 모델과 데이터의 매칭 여부를 판단할 수 있다.
도 5는 전기자동차 쿨링 제어 시스템의 하나의 클라이언트 유닛, 즉 전기자동차에 사용되는 제어 방법의 하나의 예시를 나타내는 도면이다. 단계(S2100)에서, 클라이언트 유닛은 서버 유닛(200)으로부터 자동적으로 예측 수학 모델, 예를 들어 도 4에서의 수학 모델(Func`) 또는 수학 모델(Func``)을 수신한다. 대체적으로 및/또는 선택적으로, 단계(S2100)에서, 전기자동차의 운전자는 스스로 클라이언트 유닛의 데이터 메모리로부터 적절한 예측 수학 모델을 선택할 수 있다. 예를 들어, 운전자는 전기자동차가 곧 오르막길, 내리막길 또는 혼잡한 차로에 진입할 것을 발견하면, 차량 탑재 터치 스크린을 통해 미리 설정한 예측 수학 모델을 선택할 수 있다. 단계(S2200)에서, 클라이언트 유닛은 동작 파라미터 데이터(X(t))와 온도 데이터(T(t))를 실시간으로 수집한다. 단계(S2300)에서, 클라이언트 유닛은 단계(S2100)에서 확인한 예측 수학 모델을 기초로 미래의 어느 시간(t`)의 온도 데이터(T(t`))를 예측한다. 단계(S2400)에서, 온도 데이터(T(t`))가 일정한 값(Tlim) 또는 범위보다 큰지 여부를 판단한다. 배터리 팩 유닛의 온도 데이터(T(t`))를 예로 하여, 미리 규정한 임의의 제한 값보다 크면, 단계(S2400)의 판단 결과가 "Yes"인 것으로 판단하고, 아닐 경우 "No"로 판단한다. 단계(S2400)의 판단 결과가 "No"일 경우, 단계(2200)를 진행한다. 단계(S2400)의 판단 결과가 "Yes"일 경우, 단계(2500)를 진행한다. 단계(S2500)에서, 클라이언트 유닛은 전기자동차의 대응되는 방열 유닛이 작동하도록 한다. 예를 들어, 배터리 팩 유닛의 온도 데이터(T(t`))가 일정한 범위보다 크면, 대응되게 배터리 팩 유닛의 방열 유닛을 작동시킨다. 다음으로, 단계(S2600)에서, 클라이언트 유닛은 실시간으로 수집한 동작 파라미터 데이터(X(t))와 온도 데이터(T(t)) 및/또는 예측한 온도 데이터(T(t`))를 서버 유닛(200)으로 전송하여 추가로 참조하도록 한다.
도 4와 도 5에서 설명한 과정은, 예를 들어 서버 유닛(200)과 각 클라이언트 유닛이 작동한 후에 진행될 수 있다. 본 기술분야의 기술자에게 있어서, 도 4와 도 5에서 설명한 과정 단계는 단지 선택적인 것으로, 구체적인 상황에 따라 대응되게 증감될 수 있음은 자명한 것이다.
본 출원은 클라우드 컴퓨팅을 기초로 서버 유닛(200)과 클라이언트 유닛을 포함하는 전기자동차 쿨링 제어 시스템을 구축한다. 클라이언트 유닛의 증가에 따라, 예측 수학 모델을 더욱 정확하게 업데이트하여 전기자동차의 냉각이 필요한 유닛의 승온 예측 판단의 성공율을 높이도록 할 수 있다. 또한, 각 클라이언트 유닛에 있어서, 예측 수학 모델의 입력은 동작 파라미터 데이터에 한정되지 않으며, 예를 들어 지리 정보, 도로 상황 정보, 내비게이트 정보 등과 같은 전기자동차 관련 유닛의 방열 상황을 예측하는 기타 정보를 입력으로 하여 사용할 수도 있다. 본 출원의 문맥에서 예측 수학 모델의 이러한 입력 데이터를 계산 입력 데이터로 총칭하고, 예측 수학 모델의 온도 출력 데이터를 온도 데이터로 총칭한다.
이상 본 출원의 특정 실시 방식에 대해 구체적으로 설명하였으나, 이는 단지 해석을 목적으로 제공되는 것으로, 본 출원의 범위가 이에 제한되는 것은 아니다. 또한, 본 기술분야의 기술자에게 있어서, 본 명세서에서 설명한 각 실시예는 서로 조합하여 사용될 수 있음은 자명한 것이다. 본 출원의 사상과 범위를 벗어나지 않는 것을 전제로, 각종 교체, 변경과 개조가 구상될 수 있다.

Claims (21)

  1. 자동차, 특히 전기자동차용 쿨링 제어 시스템으로서,
    N개의 클라이언트 유닛(1, 2, 3, 4, 5, 6, ..., N)과 무선 네트워크를 통해 서로 데이터 연결되는 서버 유닛(200); 및 각각 N개의 자동차에 설치될 수 있으며, 대응되는 자동차에서의 상기 자동차에서 냉각이 필요한 유닛의 온도를 평가할 수 있는 계산 입력 데이터(X(t))를 실시간으로 수집 및 저장할 수 있으며, 상기 냉각이 필요한 유닛의 온도 데이터(T(t))를 실시간으로 수집 및 저장할 수 있으며, 수집된 계산 입력 데이터(X(t))를 이용하여, 하나의 상기 서버 유닛(200)에 의해 확인된 예측 수학 모델(Func)을 기초로 상기 냉각이 필요한 유닛의 미래의 어느 시각에서의 온도 데이터(T(t`))를 예측할 수 있으며, 예측된 온도 데이터(T(t`))를 기초로 상기 냉각이 필요한 유닛이 선택적으로 미리 쿨링하도록 할 수 있는 N개의 클라이언트 유닛(1, 2, 3, 4, 5, 6, ..., N)을 포함하되, 여기서 N은 1보다 크거나 같으며,
    상기 서버 유닛(200)은 상기 N개의 클라이언트 유닛(1, 2, 3, 4, 5, 6, ..., N)으로부터 수집된 계산 입력 데이터(X(t)) 및 온도 데이터(T(t))를 수신하여, 수신된 데이터(X(t)와 T(t))를 기초로 상기 예측 수학 모델(Func)을 최적으로 개선하거나 또는 새로운 예측 수학 모델(Func``)을 구축할 수 있는 것을 특징으로 하는 자동차용 쿨링 제어 시스템.
  2. 제1항에 있어서,
    각 클라이언트 유닛이 현재 사용하고 있는 예측 수학 모델(Func)에 대해, 상기 서버 유닛(200)은 클라이언트 유닛으로부터 수신한 계산 입력 데이터(X(t))의 일부 및 온도 데이터(T(t))의 일부를 각각 상기 예측 수학 모델(Func)의 입력과 출력으로 하여, 상기 데이터와 상기 예측 수학 모델(Func)의 매칭 여부를 검증하는 것을 특징으로 하는 자동차용 쿨링 제어 시스템.
  3. 제2항에 있어서,
    상기 서버 유닛(200)의 검증 결과, 상기 예측 수학 모델(Func)과 데이터가 매칭되지 않으면, 새로운 예측 수학 모델(Func``)로 상기 예측 수학 모델(Func)을 대체하는 것을 특징으로 하는 자동차용 쿨링 제어 시스템.
  4. 제3항에 있어서,
    상기 새로운 예측 수학 모델(Func``)은 상기 서버 유닛(200)에 의해 이미 수신한 데이터를 기초로 상기 서버 유닛(200)의 데이터 메모리로부터 선택되거나, 또는 상기 새로운 예측 수학 모델(Func``)은 상기 서버 유닛(200)에 의해 이미 수신한 데이터를 기초로 생성되는 것을 특징으로 하는 자동차용 쿨링 제어 시스템.
  5. 제2항에 있어서,
    상기 서버 유닛(200)의 검증 결과, 상기 예측 수학 모델(Func)과 데이터가 매칭되면, 상기 서버 유닛(200)이 이미 수신한 데이터를 기초로 상기 예측 수학 모델(Func)을 최적으로 개선하여, 최적으로 개선된 예측 수학 모델(Func`)이 생성되도록 하는 것을 특징으로 하는 자동차용 쿨링 제어 시스템.
  6. 제4항 또는 제5항에 있어서,
    상기 새로운 예측 수학 모델(Func``) 또는 상기 최적으로 개선된 예측 수학 모델(Func`)은 상기 클라이언트 유닛으로 발송되어 사용되도록 하고, 상기 서버 유닛(200)의 데이터 메모리에 저장되는 것을 특징으로 하는 자동차용 쿨링 제어 시스템.
  7. 제1항 내지 제6항 중의 어느 한 항에 있어서,
    자동차에서 상기 냉각이 필요한 유닛에 방열 유닛이 갖추어 있어, 상기 예측되는 온도 데이터(T(t`))가 일정한 값(Tlim)보다 클 경우, 대응되는 클라이언트 유닛이 상기 방열 유닛을 작동시켜 상기 냉각이 필요한 유닛이 미리 쿨링될 수 있도록 하는 것을 특징으로 하는 자동차용 쿨링 제어 시스템.
  8. 제7항에 있어서,
    각 클라이언트 유닛에 사용되는 예측 수학 모델(Func)은 자동차의 운전자에 의해 주동적으로 선택될 수 있는 것을 특징으로 하는 자동차용 쿨링 제어 시스템.
  9. 제1항 내지 제8항 중의 어느 한 항에 있어서,
    상기 서버 유닛(200)은 다수 개의 클라이언트 유닛으로부터의 데이터를 기초로, 상기 다수 개의 클라이언트 유닛 중 하나의 예측 수학 모델과 그의 데이터의 매칭 여부를 확인하는 것을 특징으로 하는 자동차용 쿨링 제어 시스템.
  10. 제1항 내지 제9항에 있어서,
    상기 계산 입력 데이터(X(t))는 상기 냉각이 필요한 유닛의 동작 파라미터 데이터 및/또는 자동차의 도로 상황 데이터를 포함하고, 상기 도로 상황 데이터는 자동차의 실시간 내비게이트 및/또는 위성 포지셔닝 데이터에 의해 얻어지는 것을 특징으로 하는 자동차용 쿨링 제어 시스템.
  11. 자동차, 특히 전기자동차의 쿨링 제어 방법으로서,
    N개의 클라이언트 유닛(1, 2, 3, 4, 5, 6, ..., N)과 무선 네트워크를 통해 서로 데이터 연결되는 서버 유닛(200); 및 각각 N개의 자동차에 설치될 수 있으며, 대응되는 자동차에서의 상기 자동차에서 냉각이 필요한 유닛의 온도를 평가할 수 있는 계산 입력 데이터(X(t))를 실시간으로 수집 및 저장할 수 있으며, 상기 냉각이 필요한 유닛의 온도 데이터(T(t))를 실시간으로 수집 및 저장할 수 있으며, 수집된 계산 입력 데이터(X(t))를 이용하여, 하나의 상기 서버 유닛(200)에 의해 확인된 예측 수학 모델(Func)을 기초로 상기 냉각이 필요한 유닛의 미래의 어느 시각에서의 온도 데이터(T(t`))를 예측할 수 있으며, 예측된 온도 데이터(T(t`))를 기초로 상기 냉각이 필요한 유닛이 선택적으로 미리 쿨링될 수 있도록 하는 N개의 클라이언트 유닛(1, 2, 3, 4, 5, 6, ..., N)을 제공하되, 여기서 N은 1보다 크거나 같으며,
    상기 서버 유닛(200)은 상기 N개의 클라이언트 유닛(1, 2, 3, 4, 5, 6, ..., N)으로부터 수집된 계산 입력 데이터(X(t)) 및 온도 데이터(T(t))를 수신하여, 수신된 데이터(X(t)와 T(t))를 기초로 상기 예측 수학 모델(Func)을 최적으로 개선 또는 새로운 예측 수학 모델(Func``)을 구축할 수 있는 것을 특징으로 하는 자동차용 쿨링 제어 방법.
  12. 제11항에 있어서,
    각 클라이언트 유닛이 현재 사용하고 있는 예측 수학 모델(Func)에 대해, 상기 서버 유닛(200)은 클라이언트 유닛으로부터 수신한 계산 입력 데이터(X(t))의 일부 및 온도 데이터(T(t))의 일부를 각각 상기 예측 수학 모델(Func)의 입력과 출력으로 하여, 상기 데이터와 상기 예측 수학 모델(Func)의 매칭 여부를 검증하는 것을 특징으로 하는 자동차용 쿨링 제어 방법.
  13. 제12항에 있어서,
    상기 서버 유닛(200)의 검증 결과, 상기 예측 수학 모델(Func)과 데이터가 매칭되지 않으면, 새로운 예측 수학 모델(Func``)로 상기 예측 수학 모델(Func)을 대체하는 것을 특징으로 하는 자동차용 쿨링 제어 방법.
  14. 제13항에 있어서,
    상기 새로운 예측 수학 모델(Func``)은 상기 서버 유닛(200)에 의해 이미 수신한 데이터를 기초로 상기 서버 유닛(200)의 데이터 메모리로부터 선택되거나, 또는 상기 새로운 예측 수학 모델(Func``)은 상기 서버 유닛(200)에 의해 이미 수신한 데이터를 기초로 생성되는 것을 특징으로 하는 자동차용 쿨링 제어 방법.
  15. 제12항에 있어서,
    상기 서버 유닛(200)의 검증 결과, 상기 예측 수학 모델(Func)과 데이터가 매칭되면, 상기 서버 유닛(200)이 이미 수신한 데이터를 기초로 상기 예측 수학 모델(Func)을 최적으로 개선하여, 최적으로 개선된 예측 수학 모델(Func`)이 발생되도록 하는 것을 특징으로 하는 자동차용 쿨링 제어 방법.
  16. 제14항 또는 제15항에 있어서,
    상기 새로운 예측 수학 모델(Func``) 또는 상기 최적으로 개선된 예측 수학 모델(Func`)은 상기 클라이언트 유닛으로 발송되어 사용되도록 하고, 상기 서버 유닛(200)의 데이터 메모리에 저장되는 것을 특징으로 하는 자동차용 쿨링 제어 방법.
  17. 제11항 내지 제16항 중의 어느 한 항에 있어서,
    자동차에서 상기 냉각이 필요한 유닛에 방열 유닛이 갖추어 있어, 상기 예측되는 온도 데이터(T(t`))가 일정한 값(Tlim)보다 클 경우, 대응되는 클라이언트 유닛이 상기 방열 유닛을 작동시켜 상기 냉각이 필요한 유닛이 미리 쿨링될 수 있도록 하는 것을 특징으로 하는 자동차용 쿨링 제어 방법.
  18. 제17항에 있어서,
    각 클라이언트 유닛에 사용되는 예측 수학 모델(Func)은 자동차의 운전자에 의해 주동적으로 선택될 수 있는 것을 특징으로 하는 자동차용 쿨링 제어 방법.
  19. 제11항 내지 제18항 중의 어느 한 항에 있어서,
    상기 계산 입력 데이터(X(t))는 상기 냉각이 필요한 유닛의 동작 파라미터 데이터 및/또는 자동차의 도로 상황 데이터를 포함하고, 상기 도로 상황 데이터는 자동차의 실시간 내비게이트 및/또는 위성 포지셔닝 데이터에 의해 얻는 것을 특징으로 하는 자동차용 쿨링 제어 방법.
  20. 제11항 내지 제19항 중의 어느 한 항에 있어서,
    상기 서버 유닛(200)은 다수 개의 클라이언트 유닛으로부터의 데이터를 기초로, 상기 다수 개의 클라이언트 유닛 중 하나의 예측 수학 모델과 그의 데이터의 매칭 여부를 확인하는 것을 특징으로 하는 자동차용 쿨링 제어 방법.
  21. 자동차, 특히 전기자동차에 설치될 수 있는 클라이언트 유닛으로서, 상기 클라이언트 유닛은 자동차, 특히 전기자동차에서의 상기 자동차, 특히 전기자동차에서 냉각이 필요한 유닛의 온도를 평가할 수 있는 계산 입력 데이터(X(t))를 실시간으로 수집 및 저장할 수 있고, 상기 클라이언트 유닛은 상기 냉각이 필요한 유닛의 온도 데이터(T(t))를 실시간으로 수집 및 저장할 수 있으며, 상기 클라이언트 유닛은 무선 네트워크에 의해 제1항 내지 제10항 중의 어느 한 항에 따른 쿨링 제어 시스템과 데이터 연결되어, 수집된 계산 입력 데이터(X(t))를 이용하여, 하나의 상기 쿨링 제어 시스템의 서버 유닛(200)에 의해 확인된 예측 수학 모델(Func)을 기초로 상기 냉각이 필요한 유닛의 미래의 어느 시각에서의 온도 데이터(T(t`))를 예측할 수 있으며, 자동차, 특히 전기자동차에서 상기 냉각이 필요한 유닛에 방열 유닛이 갖추어 있어, 상기 예측되는 온도 데이터(T(t`))가 일정한 값(Tlim)보다 클 경우, 상기 클라이언트 유닛이 상기 방열 유닛을 작동시켜 상기 냉각이 필요한 유닛이 미리 쿨링될 수 있도록 하는 자동차, 특히 전기자동차에 설치될 수 있는 클라이언트 유닛.
KR1020190029722A 2018-03-19 2019-03-15 자동차 쿨링 제어 시스템 및 방법 KR102609053B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810225004.8 2018-03-19
CN201810225004.8A CN110286584A (zh) 2018-03-19 2018-03-19 机动车降温控制系统和方法

Publications (2)

Publication Number Publication Date
KR20190110038A true KR20190110038A (ko) 2019-09-27
KR102609053B1 KR102609053B1 (ko) 2023-12-06

Family

ID=67774785

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190029722A KR102609053B1 (ko) 2018-03-19 2019-03-15 자동차 쿨링 제어 시스템 및 방법

Country Status (4)

Country Link
US (1) US11619917B2 (ko)
KR (1) KR102609053B1 (ko)
CN (1) CN110286584A (ko)
DE (1) DE102019101688A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230062789A (ko) * 2021-10-26 2023-05-09 컨템포러리 엠퍼렉스 테크놀로지 씨오., 리미티드 열 관리 방법, 시스템, 도메인 컨트롤러 및 저장매체

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111459204B (zh) * 2020-03-31 2021-08-20 潍柴动力股份有限公司 车辆的温度控制方法、装置、设备、存储介质和车辆
CN114076042A (zh) * 2020-08-11 2022-02-22 郑州宇通客车股份有限公司 一种发动机热管理方法及采用该方法的车辆
CN113022378B (zh) * 2021-03-01 2023-03-07 中国第一汽车股份有限公司 温度一致性预测方法、装置、预测设备及存储介质
DE102021111961A1 (de) * 2021-05-07 2022-11-10 Bayerische Motoren Werke Aktiengesellschaft Wärmemanagementsystem für ein elektrifiziertes Kraftfahrzeug
CN116394711B (zh) * 2023-06-07 2023-08-18 江西五十铃汽车有限公司 汽车热管理方法、系统、计算机及可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120061434A (ko) * 2010-12-03 2012-06-13 현대모비스 주식회사 하이브리드/전기자동차의 온도센서 고장진단 장치 및 그 방법
US20160107526A1 (en) * 2014-10-15 2016-04-21 Johnson Controls Technology Company Cooling strategy for battery systems
KR20170013151A (ko) * 2015-07-27 2017-02-06 삼성전자주식회사 열 관리를 위한 배터리 시스템 및 방법

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5008863B2 (ja) * 2005-11-30 2012-08-22 プライムアースＥｖエナジー株式会社 二次電池用の制御装置、二次電池の温度推定方法を用いた二次電池の劣化判定方法
US7424868B2 (en) * 2006-05-15 2008-09-16 Daimler Trucks North America Llc Predictive auxiliary load management (PALM) control apparatus and method
US7962441B2 (en) * 2006-09-22 2011-06-14 Denso Corporation Air conditioner for vehicle and controlling method thereof
US8103414B2 (en) * 2008-10-30 2012-01-24 International Business Machines Corporation Adaptive vehicle configuration
CN101519073A (zh) * 2009-04-07 2009-09-02 北京大学 一种混合动力汽车行驶负载预测方法
JP5417123B2 (ja) * 2009-10-29 2014-02-12 株式会社日立製作所 電動車両の冷却システム
US9043038B2 (en) * 2010-02-18 2015-05-26 University Of Delaware Aggregation server for grid-integrated vehicles
US20150371151A1 (en) * 2014-06-20 2015-12-24 The Regents Of The University Of California Energy infrastructure sensor data rectification using regression models
DE102010063376A1 (de) * 2010-12-17 2012-06-21 Bayerische Motoren Werke Aktiengesellschaft Temperaturregelverfahren für einen elektrochemischen Energiespeicher in einem Fahrzeug
DE102012204410A1 (de) * 2012-03-20 2013-09-26 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben einer Batterieanordnung eines Kraftfahrzeugs
US20140012447A1 (en) * 2012-07-03 2014-01-09 Magna E-Car Systems Of America, Inc. Thermal management of vehicle battery pack during charging
FR3018921B1 (fr) * 2014-03-24 2017-07-07 Renault Sas Procede pour estimer l'autonomie d'un vehicule electrique ou hybride
CN105468054B (zh) * 2015-12-10 2018-10-23 长江大学 刹车温度监控装置的智能控制方法
EP3436749A4 (en) * 2016-04-01 2019-12-11 Tendril Networks, Inc. ORCHESTRATED ENERGY
US10351133B1 (en) * 2016-04-27 2019-07-16 State Farm Mutual Automobile Insurance Company Systems and methods for reconstruction of a vehicular crash
CN107539137B (zh) * 2016-06-27 2020-05-22 比亚迪股份有限公司 电动汽车中动力电池组的温度控制系统、方法及电动汽车
CN107640273A (zh) * 2016-07-21 2018-01-30 李魁杓 电动车温度控速方法
CN106240341B (zh) * 2016-08-05 2018-10-09 武汉理工大学 一种电动汽车用永磁同步电机冷却系统及其控制方法
US10209314B2 (en) * 2016-11-21 2019-02-19 Battelle Energy Alliance, Llc Systems and methods for estimation and prediction of battery health and performance
CN106935034B (zh) * 2017-05-08 2019-07-16 西安电子科技大学 面向车联网的区域交通流量预测系统及方法
CN107438833A (zh) * 2017-05-31 2017-12-05 深圳市爱夫卡科技股份有限公司 一种数据更新方法、装置、系统及服务器
CN107346460B (zh) * 2017-07-18 2018-06-12 吉林大学 基于智能网联系统下前车运行信息的未来工况预测方法
WO2019017991A1 (en) * 2017-07-21 2019-01-24 Quantumscape Corporation PREDICTIVE MODEL FOR ESTIMATING BATTERY CONDITIONS
US10288166B2 (en) * 2017-07-24 2019-05-14 Caterpillar Inc. System and method for predicting and responding to soft underfoot conditions
AU2018331966B2 (en) * 2017-09-14 2023-10-26 Abb Schweiz Ag Method and system for controlling a rechargeable battery

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120061434A (ko) * 2010-12-03 2012-06-13 현대모비스 주식회사 하이브리드/전기자동차의 온도센서 고장진단 장치 및 그 방법
US20160107526A1 (en) * 2014-10-15 2016-04-21 Johnson Controls Technology Company Cooling strategy for battery systems
KR20170013151A (ko) * 2015-07-27 2017-02-06 삼성전자주식회사 열 관리를 위한 배터리 시스템 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230062789A (ko) * 2021-10-26 2023-05-09 컨템포러리 엠퍼렉스 테크놀로지 씨오., 리미티드 열 관리 방법, 시스템, 도메인 컨트롤러 및 저장매체

Also Published As

Publication number Publication date
US20190286079A1 (en) 2019-09-19
CN110286584A (zh) 2019-09-27
US11619917B2 (en) 2023-04-04
KR102609053B1 (ko) 2023-12-06
DE102019101688A1 (de) 2019-09-19

Similar Documents

Publication Publication Date Title
KR20190110038A (ko) 자동차 쿨링 제어 시스템 및 방법
US20210213933A1 (en) Systems, apparatus and methods to improve plug-in hybrid electric vehicle energy performance by using v2c connectivity
US11043043B2 (en) Dynamic driving range prediction for electric vehicles
Olin et al. Reducing fuel consumption by using information from connected and automated vehicle modules to optimize propulsion system control
US11161497B2 (en) Hybrid vehicle and method of controlling mode transition
KR102406182B1 (ko) 빅데이터 기반의 차량 예측 제어 시스템 및 방법
CN102582627B (zh) 信息显示系统
CA2733719C (en) Method for controlling a hybrid drive in a rail vehicle
KR20150120286A (ko) 고도로 하이브리드화된 하이브리드 차량용 제어 시스템
CN109405842B (zh) 为车辆规划和调适到路线目的地的推荐行驶路线的方法
US20110046842A1 (en) Satellite enabled vehicle prognostic and diagnostic system
EP3410070B1 (en) Information processing apparatus and information processing method
KR20170030543A (ko) 차량의 연소 엔진 제어
KR20130008701A (ko) 차량 배터리수명 관리방법 및 관리시스템
CN107757614A (zh) 用于自动车辆的障碍物回避协同驾驶
US20200039499A1 (en) Throttle signal controller for a dynamic hybrid vehicle
CN115140046A (zh) 一种车辆控制方法、系统、车辆控制器及云服务器
KR20210144171A (ko) 분산 클라우딩을 이용한 차량 제어 시스템
US11325580B2 (en) Hybrid vehicle transmission control using driver statistics
US20220274490A1 (en) Device and Method to Determine Available Regenerative Braking Energy in a Route for Vehicle
KR20170027807A (ko) 차량의 준비 수단에 대한 제어
US20240053161A1 (en) Method for Predicting a Velocity Profile of a Vehicle
KR20230074258A (ko) 자동 운전 차량용 운전 경로를 결정하기 위한 방법 및 장치
EP3839436A1 (en) Emission adapted charging control for hybrid vehicles
CN111319611A (zh) 基于网联信息的预测型pm/pn排放优化控制系统及方法

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right