基于CRUISE的复合电源能量管理系统研究

研究电动车用复合电源能量管理系统设计问题。为将复合电源技术应用于电动汽车上,以动力电池作为主要能源、超级电容作为负载调控的方式,利用Cruise软件搭建了装用复合电系统的电动汽车整车模型;继而基于工况下整车的功率需求,开展复合电源系统的参数匹配工作,并最终在Simulink软件上进行了能量管理系统的开发,建立装有复合电源系统的电动车辆整车仿真模型。进行联合仿真结果表明,相比单一动力电池系统,复合电源系统可以有效地降低动力电池的大电流冲击,优化电源系统的工作效率,提高系统的制动回收效率,延长动力电池的使用寿命。     

插电式混合动力汽车车载复合电源功率分配策略研究

将原有插电式混合动力汽车单一电源系统改造成复合电源系统,根据整车性能要 求及所用循环工况对车载电源的能量和功率需求解耦,完成动力电池和超级电容的参数匹配; 在Matlab/simulink 中建立复合电源功率分配策略,仿真结果表明,采用复合电源能减少动力电 池循环充电次数,有效避免大电流对动力电池的冲击,充分发挥超级电容的高比功率特性,与 改造前相比,燃油经济性提高3.4%,纯电动行驶里程增加1.3%。     

基于超级电容的电动车制动能量回收技术研究

介绍了一种新的基于超级电容的电动车制动能量回收技术和装置,装置由机械式能量转换装置、超级电容蓄能装置和升压监控电路3部分构成。升压监控电路采用PWM斩波升压原理实现了电能从超级电容缓冲器到蓄电池的回馈。对电动车制动能量回收系统进行了理论分析、建模和仿真,介绍了电动车制动能量回收系统的路面实验。实验表明运用该技术,能量回收率可达9%,城市路况下一次续行里程平均可提高24.6%。     

基于改进型滤波器功率分流控制的HEV复合电源

针对混合动力汽车能量存储系统需要满足可变的负载功率需求以及吸收制动时的可再生功率这一问题,引入蓄电池-超级电容器复合电源储能系统。对主动式结构复合电源进行分析与研究,采用改进型滤波器功率分流控制策略,在MATALB 7仿真环境下对其进行建模和仿真,结果表明:由于超级电容器的加入,复合电源的功率输出能力大大提高了;改进型滤波器功率分流控制策略使得蓄电池的放电过程得到优化。     

高精度超级电容器充电电源的研制

本文介绍了一种高精度超级电容器充电电源装置的研制过程,以微控制器STC89C51为核心通过控制芯片及外围电路,来输出高准确度直流电流实现对超级电容器的精确充电和充电特性测试,该装置可依照充电状态的不同,适时调整充电电流大小,避免过充电造成超级电容器损害。仪器智能化程度高、技术指标国内最优,对于超级电容器的基础性研究具有很高的研究价值和现实意义。     

车载复合电源模糊能量管理策略优化设计

针对电动汽车复合电源模糊能量管理,传统模糊控制依赖专家经验存在精度不高、自适应性弱等不足,设计了一种基于改进布谷鸟搜索算法(ICS)优化的模糊控制方法。在Matlab/Simulink平台上建立车载复合电源模糊控制器,采用ICS算法对模糊控制器中的隶属度函数参数进行优化,然后将其嵌入到Advisor软件中复合电源电动汽车模型进行仿真与分析。结果表明,与传统模糊控制相比较,该方法能更好发挥超级电容性能优势,减缓了电池输入、输出功率且整车能耗经济性得到提升。     

航天器新型功率电源系统设计

近年来航天器整体技术发展迅速,对电源系统的轻质小型化要求越来越高;传统的功率电源系统储能单元采用蓄电池组或贮备电池,由于脉冲类负载存在脉冲电流用电的工作特性,在储能单元设计时通常采用增加电池设计容量的方式来满足脉冲类负载供电要求,导致功率电源系统轻质小型化设计受到限制;提出一种新型功率电源系统方案设计思路,引入超级电容器与蓄电池组联合供电输出,充分发挥超级电容器大脉冲放电的优势,有利于实现航天器功率电源系统轻质小型化,具有一定的应用前景。     

煤矿救灾机器人动力电源研究

针对机器人电源系统的需求,分析并比较了磷酸铁锂电池、超级电容以及磷酸铁锂电池并联超级电容的混合电源的性能,认为磷酸铁锂电池较适合作为煤矿救灾机器人的动力电源;研究了磷酸铁锂电池的小电流放电特性,建立了相应的放电模型,并据此对24V,40A.h的电池进行理论计算,得出结论:放电电流在30A以下时,电池自身消耗的能量可以控制在12%以下,降低输出电流可以降低电池自身的能量消耗,增加输出的能量。     

基于鱼群算法的复合电源模糊能量管理策略

针对电动车复合电源能量管理中传统模糊控制器设计主要依靠专家先验知识、主观性较大的缺点,提出一种基于鱼群算法优化的模糊能量管理策略,采用鱼群算法对模糊控制器的隶属度函数进行寻优.在MATLAB/Simulink环境下搭建仿真策略模型并导入到Advisor中联合仿真.结果表明,该控制策略能够合理分配蓄电池与超级电容的功率,且优化后的控制策略降低了整车功耗,提升了车辆性能.     

锅炉液位模糊控制的研究

在模糊控制器的基础上,利用模糊推理的方法实现了对液位参数的在线整定,并且在MATLAB软件下将该控制器在运动控制系统中的应用进行了研究,仿真结果表明,模糊控制能使系统达到满意的控制效果,对进一步应用研究具有较大的参考价值。     

Neural network sliding mode control based on on-line identification for electric vehicle with ultracapacitor-battery hybrid power

In order to deal with three major problems of electric vehicle (EV): the short driving range, the short life of batteries, and the poor ability of start-up, a hybrid power system was designed and applied to the EV. It was composed of an ultracapacitor with high-specific power and long life, four lead-acid batteries, and a bi-directional DC/DC converter. To improve the stability and reliability of the hybrid-power EV, based on establishing the mathematical models of driving and regenerative-braking processes, a novel neural network sliding mode controller (NNSMC) was researched and designed for the EV. The controller comprises a back propagation neural network (BPNN), a radial basis function neural network (RBFNN), and a sliding mode controller (SMC). The BPNN is used to adaptively adjust the switching gain of the SMC on-line so as to avoid the whippings. The RBFNN is used to perform system identification and parameter prediction. The experimental results show that the NNSMC is superior to PID controller at response speed, steady-state tracking error and resisting perturbation whenever driving or braking. Additionally, the hybrid-power EV with NNSMC can improve the ability of start-up, recover more energy, lengthen the life of batteries, and increase the driving range than the EV using batteries as its single power source by about 40%, and than the hybrid-power EV with PID controller by about 4%. Recommended by Editorial Board member Naira Hovakimyan under the direction of Editor Hyun Seok Yang. This work was supported by the National Innovation Funding of China (06C26216100555). Jian-Bo Cao received the B.S. degree in Mechanical Engineering from Dalian Jiaotong University in 2003 and the Ph.D. degree in Mechanical Engineering from Xi’an Jiaotong University in 2008. He is currently working at Transportation College, Zhejiang Normal University. His research interests include electric vehicle, hybrid power, and intelligent control. Bing-Gang Cao received the B.S., M.S., and Ph.D. degrees in Mechanical Engineering from Xi’an Jiaotong University in 1976, 1982, and 1992 respectively. He is currently a Professor at School of Mechanical Engineering, Xi’an Jiaotong University, where he is also the Director of Research & Development Center of Electric Vehicle. His research interests include robust control, intelligent control of electric vehicle, noise and vibration control of liquid system, control technology of renewable energy.     

多变量模糊系统控制设计及其在并行混合电动汽车中的应用

利用矩阵半张量积方法研究了多变量模糊系统模糊逻辑控制器的设计,并得到了若干新的结果.首先给出了模糊规则新的表示形式,基于该表示形式,构造了模糊逻辑控制器的结构矩阵,将复杂的模糊推理转变成了简单的代数等式.然后当模糊控制规则不完全时,建立了最小入度控制算法;当模糊控制规则不一致时,给出了相应的处理方法.最后将得到的结果应用到并行混合电动汽车(PHEV)能量管理和控制策略的模糊控制器设计.     

基于二次型性能指标的混合动力汽车实时优化控制

为解决混合动力系统实时优化控制问题,本文提出了一种基于二次型性能指标最优的混合动力汽车功率分配优化方案.通过合理的假设和近似,建立了混合动力系统的线性模型,并利用二次型最优控制理论将混合动力最优控制问题转化为二次型最优调节问题进行求解,得到了一个结构简单的实时优化控制算法.5种道路工况下的仿真结果表明,本文提出的控制方法在未来道路工况未知的情况下能够实现混合动力系统的实时优化控制,且节油率与离线计算以燃油消耗最小为性能指标的全局最优控制的节油率相近.     

基于自适应模糊控制器的无线传感器网络功率控制

针对现有的无线传感器网络（WSN）功率控制方法存在的节点早死问题,提出一种考虑节点剩余能量的功率控制方法——SAFPC。首先,设计了具有"输入-输出-反馈"机制的两级模糊控制器系统模型,主控制器负责节点发射功率调节,从控制器负责期望节点度调节,自适应地根据网络中节点剩余能量来调节发射功率;然后,分别对主、从控制器的模糊化、模糊规则及解模糊过程进行了详细描述;最后,从网络收敛时间、平均能耗以及生命周期方面对SAFPC进行了仿真分析。实验结果表明,与模糊控制传输功率方法（FCTP）相比,SAFPC收敛速率快12.5%,在不同网络规模情况下节点平均能耗降低3.68%,网络生命周期延长7.9%。可见,SAFPC能有效延长网络生命周期,提高网络动态适应性及链路鲁棒性。     

无线传感器网络的模糊功率控制技术

无线传感器网络节点通过撒播造成节点分布不均,分簇后导致分簇疏密不均,影响了网络性能,需要对簇头进行功率控制使网络结构更加优化.但这是一个难以确定其准确数学模型的过程,因此提出了一种采用模糊技术调整簇头功率以改变拓扑结构的方案.最后进行了仿真,实验结果证明通过分簇大小控制以后,网络的生存时间和通信量都有增加.     

Real-time energy management strategy based on predictive cruise control for hybrid electric vehicles

With the help of traffic information of the connected environment, an energy management strategy (EMS) is proposed based on preceding vehicle speed prediction, host vehicle speed planning, and dynamic programming (DP) with PI correction to improve the fuel economy of connected hybrid electric vehicles (HEVs). A conditional linear Gaussian (CLG) model for estimating the future speed of the preceding vehicle is established and trained by utilizing historical data. Based on the predicted information of the preceding vehicle and traffic light status, the speed curve of the host vehicle can ensure that the vehicle follows safety and complies with traffic rules simultaneously as planned. The real-time power allocation is composed of offline optimization results of DP and the real-time PI correction items according to the actual operation of the engine. The effectiveness of the control strategy is verified by the simulation system of HEVs in the interconnected environment established by E-COSM 2021 on the MATLAB/Simulink and CarMaker platforms.     

A control benchmark on the energy management of a plug-in hybrid electric vehicle

A benchmark control problem was developed for a special session of the IFAC Workshop on Engine and Powertrain Control, Simulation and Modeling (E-COSM 12), held in Rueil-Malmaison, France, in October 2012. The online energy management of a plug-in hybrid-electric vehicle was to be developed by the benchmark participants. The simulator, provided by the benchmark organizers, implements a model of the GM Voltec powertrain. Each solution was evaluated according to several metrics, comprising of energy and fuel economy on two driving profiles unknown to the participants, acceleration and braking performance, computational performance. The nine solutions received are analyzed in terms of the control technique adopted (heuristic rule-based energy management vs. equivalent consumption minimization strategies, ECMS), battery discharge strategy (charge depleting–charge sustaining vs. blended mode), ECMS implementation (vector-based vs. map-based), ways to improve the implementation and improve the computational performance. The solution having achieved the best combined score is compared with a global optimal solution calculated offline using the Pontryagin's minimum principle-derived optimization tool HOT.     

并联混合动力汽车模糊逻辑控制策略的建模和仿真

提出了基于模糊逻辑控制扭矩分配策略,建立了各功能组件模型.并利用ADVIS0R2002仿真平台,完成了该模糊逻辑扭矩控制策略和电气辅助控制策略仿真比较.结果表明,本文提出的模糊逻辑控制策略对提高混合动力汽车的动力性和燃油经济性,改善尾气的排放有明显的作用.     

一种基于模糊控制的无线传感器网络拓扑控制算法

在无线传感器网络乃至无线网络邻域中,拓扑控制一直是研究热点之一,是无线传感器网络中一种重要的能量节省技术。当前已有很多能量高效的拓扑控制算法,它们试图寻求一个合适的节点发射功率或者一个良好的网络拓扑结构,实际应用中两者往往都需要考虑。提出一种新的拓扑控制方法——HFLTC,该方法基于模糊控制和链路质量评估模型优化进行功率控制,并引入XTC算法思想成链。仿真结果表明,这种把拓扑结构和功率控制结合考虑的方法,更节省网络的平均能耗,提高了整个网络的生命周期。     

基于模糊混合控制的自治水下机器人路径跟踪控制

基于模糊混合控制策略,本文提出了一种用于非线性欠驱动自治水下机器人的鲁棒路径跟踪控制方法.利用Sugeno型模糊推理系统,将PD滑模控制器与非奇异终端滑模控制器光滑连接,构造了模糊混合控制器.它能充分融合这两类控制器的优势,无论系统远离平衡点还是在其附近,都能取得快速收敛的效果.如果,借助于非时间参考量,将该混合控制器用于自治水下机器人路径跟踪控制,将有利于提高它在不确定环境中的跟踪能力.最后,通过仿真计算结果验证了该控制策略的有效性.