高原地区不同品牌混合动力公交车适应性分析

针对昆明示范运营的混合动力公交客车,依托昆明市新能源汽车示范运行信息化管理与监控平台,采集同一公交线路上不同品牌混合动力公交客车运行数据,并对运行车辆的油耗数据和故障进行对比分析。结果表明:三种不同品牌混合动力公交客车节油效果比纯柴油公交客车明显;高原环境的差异性和技术条件的不成熟导致混合动力公交客车故障率明显高于纯柴油公交客车;不同品牌混合动力公交客车在该公交线路上的性能存在较大差异。     

基于改进最小二乘支持向量机与Box-Cox变换的锂离子电池容量预测

精确、可靠的电池容量预测可以避免电池滥用,提升电池使用安全;同时在此基础上开展的剩余寿命估测能够为电池系统维护及更换提供参考.基于改进双最小二乘支持向量机方法和Box-Cox变换,提出一种锂离子电池容量及剩余循环寿命的协同估算方法.首先提取老化电池部分容量增量曲线包络面积作为特征量,通过Box-Cox变换进一步提高特征量与目标估计量之间的相关性.然后基于瑞利熵理论改进传统最小二乘支持向量机算法的稀疏性,建立电池容量和剩余使用寿命协同估算模型,结合层次分析法和熵权法对估算结果进行充分地评估.最后,采用粒子群优化算法搜索改进最小二乘支持向量机算法中的最优超参数组合.估算结果显示所研究的方法能够显著提高特征参数与估计量之间的线性相关性,容量估计误差小于1.44％,剩余使用寿命预测误差小于47次循环,验证了算法的有效性.     

聚类分析法在城市公交行驶工况开发中的应用

摘要：针对昆明市161路混合动力公交客车实际行车数据,使用K—Means聚类分析法对运动学片段进行了分类,并构建了161路的行驶工况．研究表明：K—Means聚类分析法获得的两类运动学片段特征明显,分别反映了较为通畅和十分拥堵的交通状况;构建的行驶工况可以代表161路的实际行驶工况,具有怠速时间长、平均车速低、加减速所占比例高和车辆启停频繁的特点．     

不同大气压力下掺烧10%体积含量生物柴油对共轨柴油机燃烧和排放的影响

对高压共轨柴油机在不同大气压力下掺烧10%体积含量生物柴油(B10)和石化柴油的燃烧和排放特性进行了试验研究。试验结果表明:外特性工况下,与原机相比,3 200r/min和1 200r/min时B10的最高燃烧压力、峰值压升率略低,峰值放热率略高;2 200r/min时B10的最高燃烧压力、峰值压升率和放热率均略高;HC和CO排放均降低;大气压力81kPa时B10的NOx排放降低1.2%～10.0%,碳烟减少4.8%～20.4%,大气压力100kPa时NOx排放增加1.0%～4.3%,碳烟减少6.2%～16.8%。等功率工况下,与原机相比,B10的最高燃烧压力、峰值压升率和放热率略高,碳烟和NOx排放有不同程度的降低。外特性工况下,与大气压力81kPa时相比,100kPa下原机和B10的最高燃烧压力、峰值压升率和放热率均略高;NOx排放增加12.0%～369.2%,碳烟减少23.2%～34.6%。等功率工况下,与大气压力81kPa时相比,100kPa下原机和B10的最高燃烧压力、峰值压升率和放热率均略高,NOx排放增加14.5%～330.7%,低转速的增加幅度较大,碳烟减少4.6%～74.4%,HC和CO排放均增加。关键词:内燃机;高压共轨柴油机;生物柴油;燃烧;不同大气压力;排放     

基于改进WOA优化BP神经网络的车用PMSM参数辨识

基于改进WOA优化BP神经网络的车用PMSM参数辨识     

不同技术路线混合动力公交客车适应性分析

基于昆明市新能源汽车数据采集及实时监控平台,对在昆明市同一线路运行的并联式混合动力公交客车(PHEV)、混联式混合动力公交客车(SPHEV)和常规客车的节油率及故障数进行了比较分析。结果表明,SPHEV年平均节油率为18.91%,PHEV年平均节油率为10.52%,节油效果明显;SPHEV和PHEV当量故障数明显高于常规客车,其中SPHEV故障率更高。     

基于优化Elman神经网络的锂电池容量预测北大核心CSCD

锂离子电池容量的精确预测有利于提升电池的使用安全和避免电池滥用,受其复杂的内部电化学反应和外部使用条件影响,对其老化后的容量精确预测一直是电池管理系统的难点之一。为实现锂电池全服役周期内容量的高效准确预测,本文提出了一种基于遗传算法优化的Elman神经网络(GA-Elman)电池容量预测模型。首先选择电池不同循环下的放电容量增量、内阻以及温度数据作为有效表征电池老化和容量衰减规律的特征量,其次运用主成分分析算法对特征量进行降维以降低训练量数据维度,然后基于Elman神经网络构建电池容量预测模型,并引入遗传算法优化Elman神经网络的权值和阈值,实现对电池容量的高效精确预测,最后在不同电池上对该模型进行了验证。验证结果表明:与传统Elman神经网络和长短期记忆神经网络(long and short term memory neural network,LSTM NN)预测模型相比,GA-Elman神经网络预测模型有更好的预测精度和更高的运算效率。在不同电池上该模型预测结果的最大平均绝对误差为0.92%,最大均方根误差为1.02%,最小拟合系数为0.9679,表明该模型可以精确预测锂电池衰退过程中的容量并且对不同电池有较强的适应性。     

车用永磁同步电机变指数滑模控制研究

为了提高车用永磁同步电机在模型参数和外界干扰等不确定性因素影响下的电机调速性能,设计一种改进型的滑模控制器。利用变指数趋近律削减滑动模态过程中的抖振,采用微积分项提高系统的鲁棒性,能较高精度的完成速度跟踪控制,并对所设计的控制器进行稳定性和可达性分析。将控制策略嵌入永磁同步电机的速度控制环中,在恒转速和新欧洲行驶工况两个条件中进行仿真实验。结果表明,改进型的滑模控制器具有精确的跟踪控制和高效的响应能力。     

基于混合算法的电池健康状态估计

为了保证电动汽车安全可靠的运行,动力电池的健康状态(SOH)显得尤为重要。宽的电压平台和严重的两极分化不利于锂离子电池SOH的估计。为了解决锂离子电池寿命预测困难这个问题,在安时积分法的基础上,通过对锂离子电池外特性的分析,采用BP神经网络算法对锂离子电池进行建模,并将此模型带入K-均值算法中。系统实现的目的是对电池健康状况进行准确评估。经过实验数据的验证,证明了这种算法的精确程度,为电池管理系统稳定工作提供保证。     

不同大气压力下B10生物柴油混合燃料对柴油机性能的影响

为了探索掺烧生物柴油后大气压力对柴油机性能的影响和变动规律,在高压共轨柴油机上进行了不同大气压力下燃用纯柴油与B10混合燃料的对比试验研究．试验结果表明：随着大气压力升高,两种燃料的动力性均呈上升趋势,有效燃油消耗率和排气温度均呈下降趋势;气压从100kPa下降至81kPa时,外特性的中、高转速区域动力性下降0．7％～3．1％,中、低转速区域动力性下降2．9％～17．8％;在相同气压下,燃用B10混合燃料的动力性比纯柴油时下降0．7％～2．6％,有效燃油消耗率上升0．7％～3．5％．