CN102951037B - 增程式电动汽车的能量控制策略多模式自动切换方法 - Google Patents
增程式电动汽车的能量控制策略多模式自动切换方法 Download PDFInfo
- Publication number
- CN102951037B CN102951037B CN201210465535.7A CN201210465535A CN102951037B CN 102951037 B CN102951037 B CN 102951037B CN 201210465535 A CN201210465535 A CN 201210465535A CN 102951037 B CN102951037 B CN 102951037B
- Authority
- CN
- China
- Prior art keywords
- operating mode
- energy control
- control strategy
- current
- optimization
- 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.)
- Expired - Fee Related
Links
Classifications
-
- 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
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及一种增程式电动汽车的能量控制策略多模式自动切换方法，该方法包括以下步骤：1)实时采集汽车行驶的工况信息，计算某段时间内汽车行驶的工况特征参数；2)将步骤1)中的当前工况特征参数与各典型工况特征参数进行匹配处理，确定当前汽车行驶的工况类型；3)根据步骤2)中的工况类型自动选择该工况类型下的最优能量控制策略，并将当前的能量控制策略自动切换为最优能量控制策略。与现有技术相比，本发明具有性能可靠、整车动力性能稳定、实用性强等优点。
Description
技术领域
本发明涉及电动汽车控制技术领域，尤其是涉及一种增程式电动汽车的能量控制策略多模式自动切换方法。
背景技术
电动汽车被认为是解决能源危机和环境污染最具潜力的新能源汽车技术，但纯电动汽车存在续驶里程短、充电时间长的问题，增程式电动汽车的出现有效弥补了此种不足。
增程式电动汽车安装有能够增加续驶里程的增程器，与动力蓄电池一起作为整车动力源，增程器是能够发电且给车载动力蓄电池充电的辅助能量装置，如燃料电池发动机、蓄电池和内燃机等。当蓄电池电量充足时，汽车以纯电动模式行驶；当蓄电池电量不足时，增程器开始工作，给蓄电池充电或直接驱动电机，从而大幅提高电动汽车的续驶里程。
作为具有两种能量源的新能源汽车结构形式，增程式电动汽车的能量管理策略与整车的燃油经济性、动力性和排放密切相关。整车能量管理策略能够根据驾驶员的意图和汽车行驶状态信息，如加速踏板、蓄电池SOC(State of Charge)值等，在满足汽车动力性能的前提下，最优分配动力蓄电池和增程器的功率输出，提高汽车的燃油经济性和排放性能。
目前，增程式电动汽车的能量管理策略研究主要集中在以下几种：
(1)恒温器能量管理策略
其基本思想是：增程器工作在恒定的功率点上，其开启和关闭取决于蓄电池SOC的大小，当蓄电池SOC低于蓄电池SOC下限值时，增程器启动并输出恒定功率，如果增程器能给蓄电池充电使得蓄电池SOC达到蓄电池SOC上限值，增程器便会关闭，汽车以纯电动模式行驶直至蓄电池SOC下降到蓄电池SOC下限值时增程器再次启动。此种能量管理策略的制定基本都是设置增程式输出功率为最优效率点处，结构简单、可靠，是目前增程式电动汽车应用较为广泛的能量管理策略方式。但是，动力蓄电池充放电频繁，影响其使用寿命，而且增程器经常会对动力蓄电池大量充电，能量转换效率较低。
(2)功率跟随能量管理策略
功率跟随能量管理策略是增程器输出功率根据负载需求功率变化，不足的功率部分由蓄电池弥补。此种策略使得蓄电池基本没有充电能量损失，蓄电池放电功率变化平缓，有利于保护蓄电池的使用寿命，但增程器的输出功率变化较为频繁，波动较大，影响使用寿命，而且对于燃料电池增程器，还存在有动态响应滞后的问题，影响整车动力性能。
(3)瞬时优化能量管理策略
瞬时优化能量管理策略一般采用等效燃料消耗最小或者功率损失最小法，在某个工况瞬时，根据当前整车行驶状态如电机需求功率、蓄电池SOC等信息，计算出使得等效燃料消耗或者功率损失最小的增程器功率输出点。此种策略方法需要精确的车辆模型，计算量大，实现困难。
(4)模糊控制能量管理策略
该策略方法基于模糊控制理论实现动力系统能量源的功率分配，模糊控制器将整车行驶状态信息如车速、蓄电池SOC等输入量模糊化，设定模糊控制规则，以实现对动力系统的合理控制，从而提高整车性能。此种方法虽然可以将众多行驶状态信息考虑进去，实现较为复杂的控制规则，但是实现较为复杂，模糊控制器的建立主要依靠经验，无法获得全局最优。
在以上四种能量管理策略方法中，只有恒温器能量管理策略得到了推广应用，其他策略方法还不成熟，实用性不强。目前整车的能量管理策略方法在制定的过程中，至多考虑到整车行驶状态，即油门踏板深度、制动状态、蓄电池SOC和增程器输出功率效率点等因素，并未考虑到汽车行驶工况对整车燃料经济性的影响，而且控制规则的制定基本都是基于经验，在试凑的过程中确定控制参数，虽然具有一定的实用性，但无法使整车得到最优，利用优化算法对控制策略参数进行优化能够有效地处理这类问题。
恒温器控制策略具有其他控制策略无可比拟的优势，但受行驶工况影响较大，对于特定的行驶工况，存在对应的最优控制策略参数值，但是某一特定工况的最优控制策略参数值可能无法满足其他工况的性能要求，尤其是动力性无法得到保证，所以经常采用能够满足所有工况动力性要求的最大增程器输出功率，但是这样就降低了整车的经济性，无法达到整个工况范围内的最优，多模式切换控制策略通过不同的最优控制策略切换可以实现整个行驶工况范围内的最优。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种性能可靠、整车动力性能稳定、实用性强的增程式电动汽车的能量控制策略多模式自动切换方法。
本发明的目的可以通过以下技术方案来实现：
一种增程式电动汽车的能量控制策略多模式自动切换方法，该方法包括以下步骤：
1)实时采集汽车行驶的工况信息，计算某段时间内汽车行驶的工况特征参数；
2)将步骤1)中的当前工况特征参数与各典型工况特征参数进行匹配处理，确定当前汽车行驶的工况类型；
3)根据步骤2)中的工况类型自动选择该工况类型下的最优能量控制策略，并将当前的能量控制策略自动切换为最优能量控制策略。
所述的工况信息包括速度信息和坡度信息，所述的工况特征参数包括某段时间内的平均速度、平均加速度和平均减速度。
所述的步骤2)具体为：将当前工况特征参数与各典型工况特征参数进行比对，判断当前工况特征参数值与某一典型工况特征参数值的差是否在设定范围内，若是，则判断当前工况为该典型工况特征参数值所对应的工况类型，若否，则判断当前工况为不确定工况。
所述的工况类型包括城市工况、郊区工况、高速工况和不确定工况。
当工况类型为城市工况时，将当前的能量控制策略自动切换为与城市工况对应的经遗传算法优化后的最优能量控制策略；
当工况类型为郊区工况时，将当前的能量控制策略自动切换为与郊区工况对应的经遗传算法优化后的最优能量控制策略；
当工况类型为高速工况时，将当前的能量控制策略自动切换为与高速工况对应的经遗传算法优化后的最优能量控制策略；
当工况类型为不确定工况时，将当前的能量控制策略自动切换为与不确定工况对应的基于神经网络的瞬时优化能量控制策略。
所述的经遗传算法优化后的最优能量控制策略是指：在不同工况下，以燃油经济性为优化目标，以增程器恒定输出功率为优化变量，在满足汽车动力性能等约束条件下，利用遗传算法优化，得到不同工况下的增程器恒定输出功率最优值，进而得到不同工况所对应的最优能量管理控制策略，遗传算法的实现过程如下：
a)编码：将增程器恒定输出功率以二进制形式编码成字符串基因，作为优化处理的染色体；
b)初始化种群：种群是遗传优化进化工程的基础，增程器恒定输出功率字符串基因作为种群的个体；
c)适应度计算：通过计算优化变量对应的目标函数值得到种群中每个个体的适应度值，表征个体在种群中的适应能力；
d)遗传操作：采用选择、交叉和变异等操作产生下一代种群；
e)解码：循环进行遗传操作，满足终止条件后解码得到增程器恒定输出功率最优值。
所述的基于神经网络的瞬时优化能量控制策略是指：在某个行驶工况瞬时，根据当前整车行驶状态，即整车需求功率和蓄电池SOC，利用神经网络计算出使得当前总功率损失最小所对应的增程器输出功率。
与现有技术相比，本发明具有以下优点：
1)现有技术的能量管理策略的制定基本依据整车的行驶状态信息，很少能够考虑到整车行驶工况信息，本发明从整车行驶状态信息和识别工况信息出发，针对不同的行驶工况状态，整车能量管理策略能够通过各单模型控制策略自动切换实现经济性最优；
2)现有技术的能量管理策略控制参数很多都是依据经验需反复调整，本发明所用的单模型控制策略的控制参数经过遗传算法的优化，确保每个单工况中燃料经济性最优。
附图说明
图1为实施例中增程式电动汽车的结构示意图；
图2为实施例中整车能量管理控制系统的结构框图；
图3为本发明切换方法的结构框图；
图4为本发明的整车能量管理策略运行流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
一种增程式电动汽车的能量控制策略多模式自动切换方法，本方法用于增程式电动汽车的能量管理，增程式电动汽车的驱动系统结构如图1所示，其中实线表示电气连接，双实线表示机械连接。该增程式电动汽车包括增程器1、动力蓄电池组2、功率转换器a3、充电机4、功率转换器b5、驱动电机6和机械传动系统7。增程器1一方面可以为动力蓄电池组2充电，另一方面可以与动力蓄电池组2一起驱动电机6，并且外接电源可以通过充电机4为动力蓄电池组2充电。
如图2所示，增程式电动汽车的能量控制系统包括增程器控制器7、蓄电池控制器8、电机控制器9、能量管理控制器10、整车控制器11和工况识别器12，能量管理控制器10分别连接增程器控制器7、蓄电池控制器8、整车控制器11和工况识别器12，增程器控制器7与增程器1连接，蓄电池控制器8与动力蓄电池组2连接，电机控制器9与驱动电机6连接。工况识别器12识别工况后，能量管理控制器10根据当前工况、整车需求功率和蓄电池SOC状态等信息自动切换到当前工况下最优的能量控制策略，分配增程器和蓄电池的输出功率，控制二者共同作用为驱动电机提供所需功率，或者增程器在提供驱动电机需求功率的同时为动力蓄电池组充电，保持整车稳定行驶。
如图3-图4所示，上述增程式电动汽车的能量控制策略多模式自动切换方法具体包括以下步骤：
在步骤101中，实时采集汽车行驶的工况信息，包括速度信息和坡度信息等。
在步骤102中，计算某段时间内汽车行驶的工况特征参数，包括某段时间内的平均速度、平均加速度和平均减速度。
在步骤103中，将步骤102中的当前工况特征参数与各典型工况特征参数进行匹配处理，确定当前汽车行驶的工况类型，工况类型包括城市工况、郊区工况、高速工况和不确定工况，具体匹配处理包括：将当前工况特征参数与各典型工况特征参数进行比对，判断当前工况特征参数值与某一典型工况特征参数值的差是否在设定范围内，若是，则判断当前工况为该典型工况特征参数值所对应的工况类型，若否，则判断当前工况为不确定工况。
在步骤104中，根据步骤103中的工况类型自动选择该工况类型下的最优能量控制策略，并将当前的能量控制策略自动切换为最优能量控制策略：
若判断当前工况类型为城市工况，则将当前的能量控制策略自动切换为与城市工况对应的经遗传算法优化后的最优能量控制策略；
若判断当前工况类型为郊区工况，则将当前的能量控制策略自动切换为与郊区工况对应的经遗传算法优化后的最优能量控制策略；
若判断当前工况类型为高速工况，则将当前的能量控制策略自动切换为与高速工况对应的经遗传算法优化后的最优能量控制策略；
若判断当前工况类型为不确定工况，则将当前的能量控制策略自动切换为与不确定工况对应的基于神经网络的瞬时优化能量控制策略。
最优能量管理控制策略的基础是恒温器控制策略，其增程器的恒定输出功率是对应典型工况下经过遗传算法优化得到的最佳值。在不同类别的工况下，以燃油经济性为优化目标，以增程器恒定输出功率为优化变量，在满足汽车动力性能等约束条件下，利用遗传算法优化，便可得到不同类别工况下的增程器恒定输出功率最优值，进而得到不同类别工况所对应的最优能量管理控制策略，遗传算法的实现过程如下：
a)编码：将增程器恒定输出功率以二进制形式编码成字符串基因，作为优化处理的染色体；
b)初始化种群：种群是遗传优化进化工程的基础，增程器恒定输出功率字符串基因作为种群的个体；
c)适应度计算：通过计算优化变量对应的目标函数值得到种群中每个个体的适应度值，表征个体在种群中的适应能力；
d)遗传操作：采用选择、交叉和变异等操作产生下一代种群；
e)解码：循环进行遗传操作，满足终止条件后解码得到增程器恒定输出功率最优值。
基于神经网络的瞬时优化能量控制策略采用系统总功率损失最小法，在某个行驶工况瞬时，根据当前整车行驶状态，即整车需求功率和蓄电池SOC，利用神经网络算法，计算出使得当前系统总功率损失最小所对应的增程器输出功率。
本发明从整车行驶状态信息和识别工况信息出发，针对不同的行驶工况状态，整车能量管理策略能够通过各单模型控制策略自动切换实现经济性最优。
Claims (3)
1.一种增程式电动汽车的能量控制策略多模式自动切换方法，其特征在于，该方法包括以下步骤：
1)实时采集汽车行驶的工况信息，计算某段时间内汽车行驶的工况特征参数；
2)将步骤1)中的当前工况特征参数与各典型工况特征参数进行匹配处理，确定当前汽车行驶的工况类型；
3)根据步骤2)中的工况类型自动选择该工况类型下的最优能量控制策略，并将当前的能量控制策略自动切换为最优能量控制策略；
所述的步骤2)具体为：将当前工况特征参数与各典型工况特征参数进行比对，判断当前工况特征参数值与某一典型工况特征参数值的差是否在设定范围内，若是，则判断当前工况为该典型工况特征参数值所对应的工况类型，若否，则判断当前工况为不确定工况；
所述的工况类型包括城市工况、郊区工况、高速工况和不确定工况；
当工况类型为城市工况时，将当前的能量控制策略自动切换为与城市工况对应的经遗传算法优化后的最优能量控制策略；
当工况类型为郊区工况时，将当前的能量控制策略自动切换为与郊区工况对应的经遗传算法优化后的最优能量控制策略；
当工况类型为高速工况时，将当前的能量控制策略自动切换为与高速工况对应的经遗传算法优化后的最优能量控制策略；
当工况类型为不确定工况时，将当前的能量控制策略自动切换为与不确定工况对应的基于神经网络的瞬时优化能量控制策略；
所述的经遗传算法优化后的最优能量控制策略是指：在不同工况下，以燃油经济性为优化目标，以增程器恒定输出功率为优化变量，在满足汽车动力性能等约束条件下，利用遗传算法优化，得到不同工况下的增程器恒定输出功率最优值，进而得到不同工况所对应的最优能量管理控制策略，遗传算法的实现过程如下：
a)编码：将增程器恒定输出功率以二进制形式编码成字符串基因，作为优化处理的染色体；
b)初始化种群：种群是遗传优化进化工程的基础，增程器恒定输出功率字符串基因作为种群的个体；
c)适应度计算：通过计算优化变量对应的目标函数值得到种群中每个个体的适应度值，表征个体在种群中的适应能力；
d)遗传操作：采用选择、交叉和变异等操作产生下一代种群；
e)解码：循环进行遗传操作，满足终止条件后解码得到增程器恒定输出功率最优值。
2.根据权利要求1所述的一种增程式电动汽车的能量控制策略多模式自动切换方法，其特征在于，所述的工况信息包括速度信息和坡度信息，所述的工况特征参数包括某段时间内的平均速度、平均加速度和平均减速度。
3.根据权利要求1所述的一种增程式电动汽车的能量控制策略多模式自动切换方法，其特征在于，所述的基于神经网络的瞬时优化能量控制策略是指：在某个行驶工况瞬时，根据当前整车行驶状态，即整车需求功率和蓄电池SOC，利用神经网络计算出使得当前总功率损失最小所对应的增程器输出功率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210465535.7A CN102951037B (zh) | 2012-11-16 | 2012-11-16 | 增程式电动汽车的能量控制策略多模式自动切换方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210465535.7A CN102951037B (zh) | 2012-11-16 | 2012-11-16 | 增程式电动汽车的能量控制策略多模式自动切换方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102951037A CN102951037A (zh) | 2013-03-06 |
| CN102951037B true CN102951037B (zh) | 2015-06-24 |
Family
ID=47760622
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210465535.7A Expired - Fee Related CN102951037B (zh) | 2012-11-16 | 2012-11-16 | 增程式电动汽车的能量控制策略多模式自动切换方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102951037B (zh) |
Families Citing this family (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103507656B (zh) * | 2013-10-10 | 2016-02-17 | 同济大学 | 一种可在线自调整的增程式电动汽车能量管理方法及系统 |
| CN105799694B (zh) * | 2014-12-31 | 2019-03-29 | 比亚迪股份有限公司 | 车辆的控制方法、系统及车辆 |
| CN104890669B (zh) * | 2015-06-10 | 2017-12-12 | 安徽工业大学 | 一种混合动力汽车动力总成控制方法 |
| CN105253027B (zh) * | 2015-07-16 | 2017-10-31 | 浙江吉利控股集团有限公司 | 一种电动汽车分布式能源供给系统及其工作方法 |
| CN105774798A (zh) * | 2016-03-25 | 2016-07-20 | 北京新能源汽车股份有限公司 | 电动汽车增程式控制方法、控制器及电动汽车 |
| CN105731259B (zh) * | 2016-04-29 | 2017-12-15 | 上海海事大学 | 集装箱龙门起重机可插电串联增程式动力源装置能量控制方法 |
| CN107139777B (zh) * | 2017-05-12 | 2019-08-09 | 深圳通业科技股份有限公司 | 一种车辆能量管理方法及其系统 |
| CN107255921B (zh) * | 2017-07-04 | 2021-02-12 | 天津农学院 | 电动汽车增程器优化控制方法 |
| CN107627864B (zh) * | 2017-08-09 | 2019-11-26 | 浙江吉利新能源商用车有限公司 | 一种增程式车辆的功率分配方法和控制系统 |
| CN107599859B (zh) * | 2017-09-01 | 2018-07-06 | 苏州达思灵新能源科技有限公司 | 电动汽车的供电系统、控制方法和电动汽车 |
| CN108891302A (zh) * | 2018-06-25 | 2018-11-27 | 南京依维柯汽车有限公司 | 一种基于实时路况信息融合的纯电动物流车工况识别方法 |
| CN108944900B (zh) * | 2018-08-28 | 2020-10-09 | 安徽江淮汽车集团股份有限公司 | 燃料电池汽车能量管理控制方法 |
| CN110065488B (zh) * | 2019-05-15 | 2024-02-02 | 大连华锐重工焦炉车辆设备有限公司 | 一种重型agv框架运输车智能控制系统及控制方法 |
| CN112009455B (zh) * | 2019-05-28 | 2022-03-11 | 北汽福田汽车股份有限公司 | 混合动力车辆的能量管理方法、装置及车辆 |
| CN110667540B (zh) * | 2019-11-15 | 2020-07-03 | 吉林工程技术师范学院 | 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 |
| CN110901469B (zh) * | 2019-12-12 | 2021-05-04 | 湖北文理学院 | 动力电池剩余电量分配方法、电动汽车、存储介质及装置 |
| CN112659983B (zh) * | 2020-04-03 | 2023-05-12 | 长城汽车股份有限公司 | 非插电式燃料电池车辆的能量管理方法及电池控制系统 |
| CN111688697A (zh) * | 2020-06-16 | 2020-09-22 | 上海元城汽车技术有限公司 | 一种车辆控制的方法、装置、设备及存储介质 |
| CN112109594B (zh) * | 2020-08-31 | 2021-12-28 | 上汽大众汽车有限公司 | 用于混合动力车的能量管理控制方法和系统 |
| CN112054257B (zh) * | 2020-09-21 | 2022-04-26 | 北京罗克维尔斯科技有限公司 | 一种动力电池充放电控制方法及装置 |
| CN113104021B (zh) * | 2020-11-17 | 2022-06-07 | 吉林大学 | 一种基于智能优化的增程式电动汽车能量管理控制方法 |
| CN114655035B (zh) * | 2020-12-23 | 2023-09-08 | 北汽福田汽车股份有限公司 | 増程器控制方法、装置、车辆、存储介质及电子设备 |
| CN113335083A (zh) * | 2021-07-21 | 2021-09-03 | 东蒲联合科技(福建)有限责任公司 | 增程式电动冷链物流车能量配置方法及物流车 |
| CN113370844B (zh) * | 2021-07-22 | 2022-08-02 | 重庆长安新能源汽车科技有限公司 | 一种增程式电动汽车的增程器起停控制系统及控制方法 |
| CN115675125A (zh) * | 2021-07-29 | 2023-02-03 | 北京车和家信息技术有限公司 | 车辆增程器控制方法、装置、介质及增程式车辆 |
| CN113682295B (zh) * | 2021-08-25 | 2024-04-09 | 一汽解放汽车有限公司 | 一种汽车能量分配优化方法及组合动力增程式汽车 |
| CN114969979A (zh) * | 2022-06-10 | 2022-08-30 | 南京司凯奇汽车科技有限公司 | 一种基于燃料电池商用车的能量管理控制策略优化方法 |
| CN115657504B (zh) * | 2022-12-28 | 2023-04-11 | 山西成功汽车制造有限公司 | 一种增程式电动汽车半实物模拟控制试验台 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101125548A (zh) * | 2007-09-07 | 2008-02-20 | 南京工业职业技术学院 | 并联式混合动力系统的能量流控制方法 |
| CN102416950A (zh) * | 2011-10-31 | 2012-04-18 | 大连理工大学 | 一种基于最小等效燃油消耗的混合动力汽车控制方法 |
| CN202499131U (zh) * | 2012-01-11 | 2012-10-24 | 河南科技大学 | 混合动力汽车多工作模式下的能量切换控制系统 |
-
2012
- 2012-11-16 CN CN201210465535.7A patent/CN102951037B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101125548A (zh) * | 2007-09-07 | 2008-02-20 | 南京工业职业技术学院 | 并联式混合动力系统的能量流控制方法 |
| CN102416950A (zh) * | 2011-10-31 | 2012-04-18 | 大连理工大学 | 一种基于最小等效燃油消耗的混合动力汽车控制方法 |
| CN202499131U (zh) * | 2012-01-11 | 2012-10-24 | 河南科技大学 | 混合动力汽车多工作模式下的能量切换控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102951037A (zh) | 2013-03-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102951037B (zh) | 增程式电动汽车的能量控制策略多模式自动切换方法 | |
| CN109693578B (zh) | 一种燃料电池车整车功率分配控制方法和系统 | |
| 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 | |
| CN110040004B (zh) | 一种增程式纯电动汽车的功率跟随控制方法和系统 | |
| CN102951039B (zh) | 一种基于模糊控制的增程式电动车能量管理方法 | |
| CN107618519B (zh) | 一种燃料电池混合动力有轨电车参数匹配联合优化方法 | |
| CN104139709B (zh) | 一种燃料电池增程器的控制系统及控制方法 | |
| CN104627167B (zh) | 一种考虑电池寿命的混合动力车能量管理方法及系统 | |
| CN110356397B (zh) | 基于道路坡度的能量归一最小化的混合动力汽车优化方法 | |
| CN104071033A (zh) | 燃料电池超级电容混合动力机车参数匹配优化方法 | |
| CN108528436A (zh) | 一种内外层嵌套的ecms多目标双层优化方法 | |
| WO2019192420A1 (zh) | 一种增程式燃料电池电动汽车动力装置及其控制方法 | |
| CN113928187B (zh) | 一种燃料电池汽车的能量管理控制方法 | |
| CN102602388B (zh) | 一种优化混合动力发动机怠速下工况的方法和装置 | |
| CN113815437B (zh) | 燃料电池混合动力汽车的预测性能量管理方法 | |
| CN109421689A (zh) | 一种车辆节能控制方法、系统及车辆 | |
| CN104477042B (zh) | 一种增程式电动汽车增程器开启时间控制方法 | |
| CN108068813B (zh) | 用于确定混合电动车辆的最佳操作点的方法 | |
| Jia et al. | Energy management strategy of fuel cell/battery hybrid vehicle based on series fuzzy control | |
| Yadav et al. | Fuzzy control implementation for energy management in hybrid electric vehicle | |
| CN113104021B (zh) | 一种基于智能优化的增程式电动汽车能量管理控制方法 | |
| CN114771271A (zh) | 一种纯电动汽车再生制动力分配优化方法 | |
| CN117078030B (zh) | 一种基于车速预测的燃料电池公交车能量管理方法 | |
| CN112109594A (zh) | 用于混合动力车的能量管理控制方法和系统 | |
| CN116373840A (zh) | 一种混合动力汽车在线自适应能量管理方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150624 Termination date: 20181116 |