为了提高氢燃料电池混合动力汽车的燃料经济性,延长蓄电池寿命,选取中国重型商用车行驶工况-货车工况中3种典型工况代表“市区”“市郊”和“高速公路”,分别制定相应的最优能量管理策略;运用遗传算法优化支持向量机(gentic algorithm-s...为了提高氢燃料电池混合动力汽车的燃料经济性,延长蓄电池寿命,选取中国重型商用车行驶工况-货车工况中3种典型工况代表“市区”“市郊”和“高速公路”,分别制定相应的最优能量管理策略;运用遗传算法优化支持向量机(gentic algorithm-support vector machine,GA-SVM)算法识别车辆运行工况,动态选择相应的能量管理策略,使其对选定的几种代表性工况具有自适应性,从而降低氢耗量,延长蓄电池寿命。仿真结果表明,与无工况识别的能量管理策略和采用传统算法优化的支持向量机(support vector machine,SVM)工况识别能量管理策略相比,使用GA-SVM工况识别的能量管理策略的等效氢耗量分别降低了7.78%和1.31%,蓄电池电池荷电状态(battery state of charge,SOC)变化量减小,变化相对平稳,有利于延长电池寿命。展开更多
燃料电池系统是燃料电池汽车的主要能源供应,燃料电池自身存在动态响应慢等缺陷。为了提高混合动力汽车的燃料经济性并增加续航里程,提出了适用于燃料电池/蓄电池(FC+B)混合动力汽车的模糊逻辑控制策略,运用MATLAB/Simulink软件搭建了...燃料电池系统是燃料电池汽车的主要能源供应,燃料电池自身存在动态响应慢等缺陷。为了提高混合动力汽车的燃料经济性并增加续航里程,提出了适用于燃料电池/蓄电池(FC+B)混合动力汽车的模糊逻辑控制策略,运用MATLAB/Simulink软件搭建了混合动力汽车整车仿真模型。仿真结果表明,模糊逻辑控制策略新欧洲行驶工况(new European driving cycle,NEDC)和市郊循环工况(extra urban driving cycle,EUDC)两种工况下,能够实现燃料电池和蓄电池的最优功率分配,在燃料经济性和蓄电池的荷电状态(state of charge,SOC)方面也优于基于状态的自适应功率控制策略。展开更多
针对燃料电池混合动力汽车(Fuel Cell Hybrid electric Vehicle,FCHV)在频繁变载、启停、连续低载和怠速工况下燃料电池寿命衰减的现状,提出基于模糊控制与开关控制的滑动平均滤波复合能量管理策略,该复合能量管理策略以整车需求功率与...针对燃料电池混合动力汽车(Fuel Cell Hybrid electric Vehicle,FCHV)在频繁变载、启停、连续低载和怠速工况下燃料电池寿命衰减的现状,提出基于模糊控制与开关控制的滑动平均滤波复合能量管理策略,该复合能量管理策略以整车需求功率与燃料电池高效区下限之差和蓄电池SOC为模糊输入量,在有效避免燃料电池启停、连续低载和怠速工况的同时,通过开关控制可避免蓄电池过充产生的安全问题,通过滑动平均滤波控制可以改善燃料电池在频繁变载工况下耐久性差的问题。采用AVL Cruise软件和Matlab/Simulink软件进行联合仿真,仿真结果表明,提出的复合能量管理策略在保证蓄电池安全性的情况下,减少了引起燃料电池寿命衰减的工况,提升了燃料电池的耐久性。展开更多
文摘为了提高氢燃料电池混合动力汽车的燃料经济性,延长蓄电池寿命,选取中国重型商用车行驶工况-货车工况中3种典型工况代表“市区”“市郊”和“高速公路”,分别制定相应的最优能量管理策略;运用遗传算法优化支持向量机(gentic algorithm-support vector machine,GA-SVM)算法识别车辆运行工况,动态选择相应的能量管理策略,使其对选定的几种代表性工况具有自适应性,从而降低氢耗量,延长蓄电池寿命。仿真结果表明,与无工况识别的能量管理策略和采用传统算法优化的支持向量机(support vector machine,SVM)工况识别能量管理策略相比,使用GA-SVM工况识别的能量管理策略的等效氢耗量分别降低了7.78%和1.31%,蓄电池电池荷电状态(battery state of charge,SOC)变化量减小,变化相对平稳,有利于延长电池寿命。
文摘燃料电池系统是燃料电池汽车的主要能源供应,燃料电池自身存在动态响应慢等缺陷。为了提高混合动力汽车的燃料经济性并增加续航里程,提出了适用于燃料电池/蓄电池(FC+B)混合动力汽车的模糊逻辑控制策略,运用MATLAB/Simulink软件搭建了混合动力汽车整车仿真模型。仿真结果表明,模糊逻辑控制策略新欧洲行驶工况(new European driving cycle,NEDC)和市郊循环工况(extra urban driving cycle,EUDC)两种工况下,能够实现燃料电池和蓄电池的最优功率分配,在燃料经济性和蓄电池的荷电状态(state of charge,SOC)方面也优于基于状态的自适应功率控制策略。
