-
公开(公告)号：CN115114732A
公开(公告)日：2022-09-27
申请号：CN202210856318.4
申请日：2022-07-14
Applicant: 北京理工大学
IPC: G06F30/15 , B60L15/20 , B60L50/70 , G06F111/04 , G06F119/14
Abstract: 本发明公开了基于空间域凸优化的燃料电池汽车节能驾驶方法及装置，包括以下步骤：S1.在空间域内建立燃料电池汽车动力传动系统模型，包括车辆纵向动力学模型、电机模型、燃料电池系统模型和动力电池模型；S2.在空间域内建立多交叉口通行环境模型，包括信号灯约束、道路坡度干扰和道路限速；S3.在空间域内建立燃料电池汽车多交叉口节能驾驶问题；S4.利用凸近似和凸松弛技术对燃料电池汽车多交叉口节能驾驶问题进行凸化；S5.采用凸优化工具进行求解，得到最优决策。本发明能够以高效的计算效率实现全局最优的能耗经济性，具备实时应用潜力。
-
公开(公告)号：CN114103971B
公开(公告)日：2023-10-10
申请号：CN202111390601.4
申请日：2021-11-23
Applicant: 北京理工大学 , 广州汽车集团股份有限公司
Abstract: 本发明公开了一种燃料电池汽车节能驾驶优化方法及装置，所述方法包括：建立燃料电池汽车系统模型和其系统功率平衡模型；在电量维持模式下，求解燃料电池汽车在各种工况下的最优能量管理策略；基于得到的最优数据库进行训练，得到数据驱动的能量管理模型；建立包含信号灯的训练场景，定义状态空间和动作空间；根据数据驱动的能量管理模型，得到燃料电池汽车在某个状态和相应动作下的燃料消耗，建立相关的回报函数模型；在训练场景中进行训练，得到节能驾驶优化模型。本发明所提出的方法结合了联合优化和分层优化的优点，可将预先优化的能量管理策略融合到基于深度强化学习的燃料电池汽车车速规划之中，实现了能耗经济性和实时性的平衡。
-
公开(公告)号：CN112937547B
公开(公告)日：2023-03-24
申请号：CN202110121253.4
申请日：2021-01-28
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于全局工况的插电式混合动力公交车能量管理方法，包括以下步骤：S101.获取目标车辆的历史车速‑时间信息；S102.将所获取的车速‑时间数据进行分类、分段，并记录特征值，搭建工况数据库；S103.基于径向基神经网络，学习相邻工况段间的非线性关联，构建全局工况；S104.根据所构建全局工况和车辆控制模型计算所述目标车辆的全局SoC状态轨迹；S105.基于神经网络模型，根据所述目标车辆历史车速‑时间信息确定短期预测车速；S106.根据所述全局SoC状态轨迹和所述短期预测车速对车辆动力部件进行动力分配。本发明利用历史数据和神经网络预测公交车全局行驶工况，服务于下层MPC能量管理方法，以达到减少能耗的目的。
-
公开(公告)号：CN115114732B
公开(公告)日：2024-10-18
申请号：CN202210856318.4
申请日：2022-07-14
Applicant: 北京理工大学
IPC: G06F30/15 , B60L15/20 , B60L50/70 , G06F111/04 , G06F119/14
Abstract: 本发明公开了基于空间域凸优化的燃料电池汽车节能驾驶方法及装置，包括以下步骤：S1.在空间域内建立燃料电池汽车动力传动系统模型，包括车辆纵向动力学模型、电机模型、燃料电池系统模型和动力电池模型；S2.在空间域内建立多交叉口通行环境模型，包括信号灯约束、道路坡度干扰和道路限速；S3.在空间域内建立燃料电池汽车多交叉口节能驾驶问题；S4.利用凸近似和凸松弛技术对燃料电池汽车多交叉口节能驾驶问题进行凸化；S5.采用凸优化工具进行求解，得到最优决策。本发明能够以高效的计算效率实现全局最优的能耗经济性，具备实时应用潜力。
-
公开(公告)号：CN113978478B
公开(公告)日：2023-11-21
申请号：CN202111390517.2
申请日：2021-11-23
Applicant: 北京理工大学 , 广州汽车集团股份有限公司
IPC: B60W40/105 , B60W50/00 , G06F30/15 , G06F30/20 , G06F119/06
-
Patent Agency Ranking
公开(公告)号：CN112937547A
公开(公告)日：2021-06-11
申请号：CN202110121253.4
申请日：2021-01-28
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于全局工况的插电式混合动力公交车能量管理方法，包括以下步骤：S101.获取目标车辆的历史车速‑时间信息；S102.将所获取的车速‑时间数据进行分类、分段，并记录特征值，搭建工况数据库；S103.基于径向基神经网络，学习相邻工况段间的非线性关联，构建全局工况；S104.根据所构建全局工况和车辆控制模型计算所述目标车辆的全局SoC状态轨迹；S105.基于神经网络模型，根据所述目标车辆历史车速‑时间信息确定短期预测车速；S106.根据所述全局SoC状态轨迹和所述短期预测车速对车辆动力部件进行动力分配。本发明利用历史数据和神经网络预测公交车全局行驶工况，服务于下层MPC能量管理方法，以达到减少能耗的目的。
-
公开(公告)号：CN112989715B
公开(公告)日：2021-08-03
申请号：CN202110550474.3
申请日：2021-05-20
Applicant: 北京理工大学 , 广州汽车集团股份有限公司
Abstract: 本发明公开了一种燃料电池汽车多信号灯车速规划方法，构建包含个交通信号灯的深度强化学习DRL训练场景，建立燃料电池汽车FCV训练模型和交通信号灯模型；定义多信号灯训练DRL环境的状态空间、动作空间和奖励函数；在训练环境中对DRL网络进行训练，得到与对应的训练好的DRL车速规划模型DRL‑L；将训练好的DRL‑L模型应用到复杂的测试场景，得到全局经济车速；建立FCV动力传动系统模型，在电量维持模式下利用动态规划算法DP计算测试场景下全局车速规划结果的氢耗，并比较不同对应的DRL‑L模型性能。本发明对环境具有很强的自适应能力，具有更低的氢耗和更好的舒适性。
-
公开(公告)号：CN117818374A
公开(公告)日：2024-04-05
申请号：CN202410047424.7
申请日：2024-01-12
Applicant: 北京理工大学
Abstract: 本发明公开了一种纯电动车辆的节能驾驶和节能制冷集成控制方法，包括如下步骤：S1、在空间域中构建车辆运动状态的转移方程；S2、基于电机标定数据拟合电机的转矩边界；S3、标定并拟合车载空调的温度特性和能耗特性；S4、构建并求解滚动时域内的节能车速规划问题；S5、构建并求解滚动时域内的空调制冷优化问题。本发明将节能驾驶和节能制冷集成控制，获得的规划车速序列能够引导空调的制冷优化，同时基于优化目标可变的代价函数，提升了秒级规划时域长度下空调的节能制冷效果，促进了集成控制方法对高速道路和城市道路的适应能力。
-
公开(公告)号：CN114987292A
公开(公告)日：2022-09-02
申请号：CN202210822589.8
申请日：2022-07-12
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于神经网络打靶的燃料电池汽车能量管理方法，包括以下步骤：S1.建立燃料电池汽车动力传动系统模型，包括车辆纵向动力学模型、电机模型和能量源功率平衡模型；S2.利用动态规划求解燃料电池汽车最优能量管理问题，根据求解结果建立最优数据集；S3.基于最优数据集训练神经网络；S4.基于在神经网络能量管理策略下动力电池荷电状态SoC最终值和目标值的单调关系，在测试工况下利用二分法对最终SoC进行打靶，直至其达到期望值。本发明能够精确控制神经网络能量管理策略下的动力电池最终荷电状态，并以高效的计算效率实现近似最优的能耗经济性。
-
公开(公告)号：CN114103971A
公开(公告)日：2022-03-01
申请号：CN202111390601.4
申请日：2021-11-23
Applicant: 北京理工大学 , 广州汽车集团股份有限公司
Abstract: 本发明公开了一种燃料电池汽车节能驾驶优化方法及装置，所述方法包括：建立燃料电池汽车系统模型和其系统功率平衡模型；在电量维持模式下，求解燃料电池汽车在各种工况下的最优能量管理策略；基于得到的最优数据库进行训练，得到数据驱动的能量管理模型；建立包含信号灯的训练场景，定义状态空间和动作空间；根据数据驱动的能量管理模型，得到燃料电池汽车在某个状态和相应动作下的燃料消耗，建立相关的回报函数模型；在训练场景中进行训练，得到节能驾驶优化模型。本发明所提出的方法结合了联合优化和分层优化的优点，可将预先优化的能量管理策略融合到基于深度强化学习的燃料电池汽车车速规划之中，实现了能耗经济性和实时性的平衡。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.047 seconds)
