混合動(dòng)力系統(tǒng)優(yōu)化及智能能量管理

定　價(jià)：￥128.00

作　者：	曾小華、王越等著
出版社：	化學(xué)工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥128.00)

ISBN：	9787122423849	出版時(shí)間：	2023-03-01	包裝：	平裝
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　本書首先以商用車混合動(dòng)力系統(tǒng)能量流動(dòng)為出發(fā)點(diǎn)，提出了混合動(dòng)力系統(tǒng)瞬時(shí)效率最優(yōu)的控制方法，并得到了實(shí)際案例的驗(yàn)證。其次針對(duì)實(shí)際公交客車復(fù)雜行駛工況數(shù)據(jù)，提出了基于能耗特征的數(shù)據(jù)挖掘方法，對(duì)車聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行了有效利用。在此基礎(chǔ)上，提出有效利用車聯(lián)網(wǎng)信息的分層優(yōu)化自適應(yīng)智能能量管理方法與深度強(qiáng)化學(xué)習(xí)智能能量管理控制方法，并對(duì)這些智能能量管理控制方法的最優(yōu)性與工況適應(yīng)性、實(shí)時(shí)性均進(jìn)行了驗(yàn)證。本書緊密結(jié)合工程應(yīng)用的基本要求，內(nèi)容完整、系統(tǒng)、重點(diǎn)突出，強(qiáng)調(diào)知識(shí)的應(yīng)用性，具有較強(qiáng)的針對(duì)性。本書適合汽車研發(fā)設(shè)計(jì)、教學(xué)科研等相關(guān)人員使用。

作者簡介

　　曾小華，吉林大學(xué)汽車仿真與控制國家重點(diǎn)實(shí)驗(yàn)室教授、博士生導(dǎo)師。主要研究領(lǐng)域：節(jié)能與新能量汽車關(guān)鍵技術(shù)的研究，主要包括油電混合動(dòng)力汽車、液壓混合動(dòng)力汽車的驅(qū)動(dòng)理論、設(shè)計(jì)方法與控制技術(shù)。1999年開始并一直進(jìn)行節(jié)能與新能源汽車技術(shù)開發(fā)，已發(fā)表論文50余篇，為多家國內(nèi)外權(quán)威期刊論文評(píng)審專家；申請(qǐng)專利10余項(xiàng)，已獲授權(quán)發(fā)明專利7項(xiàng)。負(fù)責(zé)與參加20余項(xiàng)國家“863”項(xiàng)目、自然基金項(xiàng)目，省部級(jí)重點(diǎn)、重大項(xiàng)目以及龍頭整車企業(yè)項(xiàng)目。積累了豐富的節(jié)能與新能源汽車技術(shù)開發(fā)經(jīng)驗(yàn)和成果。教育背景：1995至1999年就讀于吉林工業(yè)大學(xué)汽車學(xué)院車輛工程系，獲得工學(xué)學(xué)士學(xué)歷；1999至2002年就讀于吉林大學(xué)汽車工程學(xué)院車輛工程系，獲得工學(xué)碩士學(xué)位；2002至2006年就讀于吉林大學(xué)汽車工程學(xué)院車輛工程系，獲得工學(xué)博士學(xué)位；工作經(jīng)歷：2000年－2004年，吉林大學(xué)，汽車動(dòng)態(tài)模擬國家重點(diǎn)實(shí)驗(yàn)室，助教2004年－2008年，吉林大學(xué)，汽車動(dòng)態(tài)模擬國家重點(diǎn)實(shí)驗(yàn)室，講師2008年－2013年，吉林大學(xué)，汽車仿真與控制（原汽車動(dòng)態(tài)模擬）國家重點(diǎn)實(shí)驗(yàn)室，副教授，碩士生導(dǎo)師2013年—至今，吉林大學(xué)，汽車仿真與控制（原汽車動(dòng)態(tài)模擬）國家重點(diǎn)實(shí)驗(yàn)室，教授，博士生導(dǎo)師。

圖書目錄

第1章　緒論 001
1.1　節(jié)能與新能源汽車的發(fā)展概況 002
1.2　混合動(dòng)力系統(tǒng)優(yōu)化設(shè)計(jì)方法研究 004
1.2.1　混合動(dòng)力系統(tǒng)構(gòu)型拓?fù)溲芯楷F(xiàn)狀 005
1.2.2　混合動(dòng)力系統(tǒng)設(shè)計(jì)參數(shù)與控制聯(lián)合優(yōu)化研究現(xiàn)狀 009
1.3　融合車聯(lián)網(wǎng)信息的混合動(dòng)力系統(tǒng)能量管理控制研究 011
1.3.1　車聯(lián)網(wǎng)與車輛節(jié)能技術(shù) 011
1.3.2　混合動(dòng)力車輛行駛工況信息研究現(xiàn)狀 015
1.3.3　混合動(dòng)力車輛能量管理策略研究現(xiàn)狀 018
1.4　本章結(jié)語 023
第2章　混合動(dòng)力系統(tǒng)優(yōu)化設(shè)計(jì)方法 025
2.1　混合動(dòng)力系統(tǒng)構(gòu)型拓?fù)浞治?026
2.1.1　構(gòu)型拓?fù)渖?026
2.1.2　生成結(jié)果與分析 035
2.2　混合動(dòng)力系統(tǒng)內(nèi)外雙層參數(shù)優(yōu)化方法 040
2.2.1　優(yōu)化三要素的確定 041
2.2.2　混合動(dòng)力系統(tǒng)參數(shù)-控制雙層優(yōu)化算法設(shè)計(jì) 045
2.3　優(yōu)化結(jié)果驗(yàn)證與分析 048
2.4　本章結(jié)語 066
第3章　基于車聯(lián)網(wǎng)信息行駛工況處理 068
3.1　車聯(lián)網(wǎng)信息下汽車行駛工況數(shù)據(jù)獲取 069
3.1.1　新能源汽車車聯(lián)網(wǎng)平臺(tái)介紹 069
3.1.2　基于車聯(lián)網(wǎng)的行駛工況數(shù)據(jù)獲取 072
3.1.3　車聯(lián)網(wǎng)平臺(tái)下行駛工況數(shù)據(jù)質(zhì)量問題 075
3.2　車聯(lián)網(wǎng)平臺(tái)下行駛工況數(shù)據(jù)缺失與數(shù)據(jù)噪聲處理 077
3.2.1　基于插補(bǔ)與神經(jīng)網(wǎng)絡(luò)的缺失數(shù)據(jù)估計(jì)方法 078
3.2.2　基于小波變換的噪聲數(shù)據(jù)濾波方法 078
3.2.3　行駛工況噪聲數(shù)據(jù)清洗方法 080
3.3　車聯(lián)網(wǎng)平臺(tái)下行駛工況數(shù)據(jù)處理的評(píng)價(jià)方法 083
3.3.1　行駛工況數(shù)據(jù)誤差評(píng)價(jià)指標(biāo) 083
3.3.2　行駛工況特征參數(shù)評(píng)價(jià)指標(biāo) 083
3.4　本章結(jié)語 084
第4章　基于車聯(lián)網(wǎng)信息行駛工況數(shù)據(jù)挖掘 085
4.1　數(shù)據(jù)挖掘理論在行駛工況數(shù)據(jù)中的應(yīng)用 086
4.2　基于能耗特性的公交線路行駛工況特征參數(shù)分析 087
4.2.1　公交線路特征統(tǒng)計(jì)分析 088
4.2.2　基于公交客車線路特點(diǎn)的行駛工況特征參數(shù)集 090
4.2.3　車輛能耗特性與工況特征關(guān)系分析 092
4.2.4　基于能耗回歸分析模型的工況特征參數(shù)篩選 096
4.3　基于能耗特征與線路特征參數(shù)的固定線路行駛工況合成 097
4.3.1　基于K-Means 算法的工況聚類分析 098
4.3.2　馬爾可夫鏈狀態(tài)轉(zhuǎn)移矩陣 100
4.3.3　公交線路行駛工況合成結(jié)果分析 101
4.4　基于能耗特征與線路特征參數(shù)的未來行駛工況智能預(yù)測 103
4.4.1　基于LS-SVM 和BP-NN 的智能預(yù)測模型 103
4.4.2　未來工況智能預(yù)測模型對(duì)比 105
4.4.3　未來工況預(yù)測精度影響因素分析 108
4.4.4　未來工況預(yù)測模型的魯棒性分析 112
4.5　本章結(jié)語 114
第5章　基于行駛工況信息的分層優(yōu)化自適應(yīng)能量管理策略 115
5.1　行星式混合動(dòng)力公交客車功率分流特性及其能量管理 116
5.1.1　雙行星排功率分流式混合動(dòng)力系統(tǒng)構(gòu)型 116
5.1.2　雙行星排式混合動(dòng)力系統(tǒng)功率分流狀態(tài)分析 119
5.1.3　雙行星排式混合動(dòng)力系統(tǒng)能量管理策略 121
5.2　分層優(yōu)化自適應(yīng)智能能量管理策略概述 125
5.2.1　分層優(yōu)化自適應(yīng)智能能量管理策略研究內(nèi)容 125
5.2.2　分層優(yōu)化自適應(yīng)智能能量管理策略架構(gòu) 126
5.3　基于固定線路合成工況的近似全局最優(yōu)控制 127
5.3.1　考慮終止約束的全局優(yōu)化SOC 軌跡求解 128
5.3.2　基于近似全局最優(yōu)的模式切換規(guī)則提取 131
5.3.3　基于近似全局最優(yōu)的SOC 軌跡規(guī)劃模型 133
5.4　基于未來工況預(yù)測的A-ECMS 自適應(yīng)控制 135
5.4.1　基于PMP 的等效燃油消耗最小策略 136
5.4.2　基于未來工況預(yù)測信息的自適應(yīng)規(guī)律 139
5.4.3　基于LQR 控制器的SOC 跟隨策略 140
5.5　分層優(yōu)化自適應(yīng)智能能量管理策略驗(yàn)證與分析 142
5.5.1　分層優(yōu)化自適應(yīng)智能能量管理策略最優(yōu)性 142
5.5.2　分層優(yōu)化自適應(yīng)智能能量管理策略適應(yīng)性 147
5.6　硬件在環(huán)試驗(yàn) 148
5.6.1　硬件在環(huán)試驗(yàn)平臺(tái) 148
5.6.2　硬件在環(huán)試驗(yàn)結(jié)果分析 150
5.7　本章結(jié)語 153
第6章　基于固定線路全局優(yōu)化的深度強(qiáng)化學(xué)習(xí)能量管理策略 154
6.1　學(xué)習(xí)型智能能量管理控制策略概述 155
6.1.1　學(xué)習(xí)型智能能量管理策略研究進(jìn)展 155
6.1.2　學(xué)習(xí)型智能能量管理的控制問題 157
6.2　基于固定線路全局優(yōu)化的深度強(qiáng)化學(xué)習(xí)能量管理策略 159
6.2.1　Deep Q-Learning 深度強(qiáng)化學(xué)習(xí)算法 159
6.2.2　基于固定線路行駛信息的深度強(qiáng)化學(xué)習(xí)策略架構(gòu) 161
6.2.3　Deep Q-Learning 能量管理策略算法設(shè)計(jì) 162
6.3　基于固定線路全局優(yōu)化的深度強(qiáng)化學(xué)習(xí)能量管理策略驗(yàn)證 163
6.3.1　F-DQL-EMS 智能能量管理策略的最優(yōu)性 164
6.3.2　F-DQL-EMS 智能能量管理策略的工況適應(yīng)性 167
6.4　硬件在環(huán)試驗(yàn) 168
6.5　兩種智能能量管理策略對(duì)比分析 170
6.5.1　智能能量管理策略的最優(yōu)性 170
6.5.2　智能能量管理策略的工況適應(yīng)性 171
6.5.3　智能能量管理策略的總結(jié)分析 172
6.6　本章結(jié)語 172
第7章　全書總結(jié) 174
7.1　內(nèi)容總結(jié) 175
7.2　未來展望 176
名詞簡寫 178
名詞索引 179
參考文獻(xiàn) 182