基于超级电容的电梯能量再生系统

针对电梯采用制动电阻消耗回馈能量造成的极大浪费,介绍基于超级电容的电梯能量再生系统及其控制逻辑的设计。     

超级电容驱动的电梯制动能量回馈损耗控制

为了有效回收电梯制动时的再生电能,降低系统损耗,提出一种储能回馈型电梯能量控制方案.方案利用超级电容的储能特性实现电梯系统的电能吸收与回馈,从而将制动产生的电能用于补充母线,对功率采取补偿.首先针对超级电容驱动设计了相应的充放电阈值、容量和功率约束,用以提高其充放电效率,以及和其它模块的匹配性.然后设计了基于超级电容与...     

矿用绞车下降过程中电制动能量回收研究北大核心CSCD

针对矿用绞车下降过程中电制动产生的能量回收利用的问题,提出了一种超级电容回收电制动能量的方法,并且分析了不同载重下绞车能量回收系统的回收效率。首先对超级电容回收系统进行建模,然后结合电机矢量控制的建模,最后通过MATLAB/Simulink软件建立绞车回收系统的仿真模型。仿真出绞车在三种不同的载重下回收的能量,并计算出每种载重下的回收效率,仿真和计算结果表明:绞车能量回收系统回收的能量和回收效率随着负载的增大而增大。仿真结果表明,改进方法为矿用绞车电制动能量回收系统设计提供了科学依据。     

电动汽车制动能量回收控制策略的研究

电动汽车的驱动电机运行在再生发电状态时,既可以提供制动力,又可以给电池充电回收车体动能,从而延长电动车续驶里程。对制动模式进行了分类,并详细探讨了中轻度刹车时制动能量回收的机制和影响因素。提出了制动能量回收的最优控制策略,给出了仿真模型及结果,最后基于仿真模型及XL型纯电动车对控制算法的效果进行了评价。     

电动汽车电-液并联ABS制动系统能量回收研究

为了提高续驶里程,针对某款越野车改装的电动汽车制动系统,提出一种基于ABS的电-液并联制动系统。此系统采用固定比例的前后轴制动力分配方式,结合恒定充电电流与最大回馈功率复合的再生制动控制方式,以基于滑移率的PID控制ABS系统来调节电、液制动力比例,在确保制动安全可靠的同时实现制动能量回收。根据上述理论建立数学模型,并利用AMESim和Simulink进行联合仿真,在3种典型工况下分析制动性能和能量回收效率。结果表明：基于ABS的电-液并联制动系统综合制动性能良好,且3种工况下的一次制动最小能量回收效率分别达到28%、28%和11%。     

混合动力串并联制动能量回收策略设计与仿真

以某并联混合动力汽车为研究对象,提出一种对比汽车串联和并联制动能量回收系统的仿真方案。利用MATLAB/Simulink平台搭建控制策略,并与AVL Cruise进行联合仿真,用电池端能量评价制动能量回收率对经济性的影响。仿真结果表明：串联式制动能量回收系统是较为理想的选择。     

超级电容在直流电源系统中的应用

超级电容直流电源系统是一种新型电源,具有容量大、结构简单、便于携带、支持大电流充放电、循环寿命长、低温特性好、智能化以及环保无污染等优点,可以有效的解决铅酸电池带来的环境污染以及需长期维护等问题,可以广泛地生产普及,因此在新能源、交通运输、工业等领域有着重大的生产实践意义和广阔的应用前景.     

基于iCAN协议分布式超级电容监测系统

介绍了iCAN现场总线协议的特点,对基于iCAN分布式超级电容监测系统的硬件平台和软件流程作了说明。     

基于单片机的车载超级电容测试系统设计与实现

介绍了一种基于51系列单片机的车载超级电容测试系统。论述其工作原理和硬件结构,针对本系统的高抗噪音高精度特性作详细设计。通过现场试验结果对比,得出该电池检测设备具有调节精度高、抗干扰能力强、性能稳定可靠等优点,适用于车载动力电池的检测。     

电动自行车鼓式制动器的有限元仿真

利用ANSYS/LS-DYNA分析软件对某电动自行车鼓式制动器进行瞬态动力学仿真,以非等载荷数组施加于与领蹄、从蹄相连的摩擦衬片,模拟制动过程中制动鼓和摩擦衬片的应力分布,并以摩擦衬片为研究对象,从材质、厚度、起始角三方面对制动器进行结构改进,为电动自行车鼓式制动器设计软件的开发提供数据参考。     

基于51单片机的电动车手机充电器设计

在全球提倡环保和低碳节能的重要时期,骑自行车或电动车的人也越来越普遍。给出了一种利用电动车的太阳能电池板作为电源,以单片机为主控部件设计电动车车载手机充电器的设计方法。该充电器使用闭环控制,控制精度高,有自我调节能力,具有一定的实用性和市场前景。     

基于SVPWM的三电平中点钳位型逆变器的研究

在介绍三电平中点钳位型逆变器SVPWM控制策略基础上,本文结合DSP和FPGA各自的优点,设计了基于FPGA和DSP的中点钳位型三电平逆变器。并对SVPWM的控制策略进行了实验研究,得出了相电压、线电压和电流波形,实验结果表明了三电平NPC逆变器SVPWM方法的有效性。     

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.     

模糊控制的电动车复合电源能量管理研究

针对由蓄电池与超级电容器组成的电动汽车复合电源,为减缓蓄电池功率变化,提出了模糊逻辑控制能量管理策略,建立了蓄电池-超级电容复合电源系统仿真模型,在ADVISOR中进行仿真,得到了复合电源最佳荷电状态初始值.结果表明:对比于逻辑门限控制,模糊逻辑控制的蓄电池功率变化缓慢,减轻了蓄电池的负担.     

基于S函数的SVPWM算法仿真研究

在分析逆变器空间矢量脉宽调制(SVPWM)原理的基础上,利用MATLAB S函数编制的仿真程序对SVPWM算法进行仿真。仿真结果表明该算法的正确性、可行性及基于M文件S函数仿真模型的方便性和有效性。     

电流滞环跟踪控制的永磁无刷直流电机回馈制动的研究

对电流环采用电流滞环跟踪控制技术的无刷直流电机控制系统进行了研究,提出了电流反相控制回馈制动方式,即通过控制电机相反电势和相电流的相位关系来控制电机运行状态的控制方法,将电机在正向电动、正向制动、反向电动、反向制动四种运行状态下的控制算法统一起来.仿真实验表明,该系统动态响应性能好,其控制策略具有实现简便、可靠性高的特...     

随机开关频率PWM（RFPWM）逆变器的研究及仿真

本文中,针对逆变器电气传动的电磁噪音及谐波造成的振动,设计了一种采用随机开关频率PWM（RFPWM）技术的逆变器。通过运用PSIM工具进行了仿真,仿真结果表明逆变器的输出谐波频谱均匀随机分布。因此,通过本文设计的RFPWM方式,可获得较小的可听噪声和机械振动。仿真的结果表明电压的谐波被扩展到宽频带区域内,从而使宽频带噪声较小,且比窄频带噪声干扰小。     

零压变换软开关的双PWM变换器的研究

对于双脉宽调制（PWM）变换器,当电路开通或关断的时候都会产生开关损耗和噪声污染。这些干扰在小功率电路中可以被忽略,但在较大型的风力发电系统中是应该极力避免的。为了减小甚至避免这些不利因素影响系统的平稳运行,设计了一种基于零电压变换软开关技术的双PWM变换器,并且结合了空间矢量脉宽调制技术和PR控制方法。通过仿真试验和结果分析,验证了优化的变换器能够很好地改善传统变换器的输入和输出性能。     

某商用车鼓式制动器热固耦合分析

针对汽车制动鼓温度试验测试成本高、周期长等问题,利用Abaqus建立某商用车鼓式制动器有限元模型,采用完全热固耦合法分析制动鼓的温度场和热应力分布。仿真结果表明：紧急制动工况时,制动鼓的最高温度为156.5 ℃,最高热应力为130 MPa。有限元分析可快速获取制动器在工作状态时的温度和应力分布情况,有利于产品设计和改进,缩短产品迭代周期。