文献

J-GLOBAL ID：201702265672799610   整理番号：17A0366857

ハイブリッド電気自動車のための速度予測能力を持つ適応ECMSの調査【Powered by NICT】

Investigating adaptive-ECMS with velocity forecast ability for hybrid electric vehicles

著者 (3件)： Sun Chao (National Engineering Laboratory for Electric Vehicles, Collaborative Innovation Center of Electric Vehicles in Beijing, Beijing Institute of Technology, China) ,  Sun Fengchun (National Engineering Laboratory for Electric Vehicles, Collaborative Innovation Center of Electric Vehicles in Beijing, Beijing Institute of Technology, China) ,  He Hongwen (National Engineering Laboratory for Electric Vehicles, Collaborative Innovation Center of Electric Vehicles in Beijing, Beijing Institute of Technology, China)
資料名： Applied Energy  (Applied Energy)
巻： 185  号： P2  ページ： 1644-1653  発行年： 2017年 
JST資料番号： A0097A  ISSN： 0306-2619  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： エネルギー管理戦略は,ハイブリッド電気自動車(HEV)の燃料経済を改善するのに重要である。本論文では,HEV(ハイブリッド電気自動車)のための適応等価消費最小化戦略(ECMS)における速度予測の役割を評価することを目標とする。神経回路網に基づく速度予測因子は,履歴データからの学習による短期将来の運転挙動を予測するために構築した。速度予測因子は適応ECMSと組み合わせたリアルタイム等価因子(EF)適応のための一時的な運転情報を提供することである。従来の適応ECMS,EF推定のための歴史的駆動プロファイルを用いると比較して,提案した戦略は,運転行動の変化を予測およびEFを調整するより合理的にすることができた。シミュレーション結果は,従来の適応ECMSと比較して,取込まれた速度予測と提案した改善は充電状態(SOC)軌道のより良い燃費とより安定な電池状態を達成し,3%以上の燃料消費削減できることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 電池 ,  シミュレーション ,  エネルギー管理 ,  神経回路網 ,  燃料消費率 ,  燃料経済 ,  ニューラルネットワーク ,  *ハイブリッド自動車 ,  予測因子 ,  充電率 ,  経済
準シソーラス用語： 燃料消費量 ,  充電状態 ,  運転行動 ,  実時間 ,  *予測能力 , 【Automatic Indexing@JST】

著者キーワード (5件)： 適応ECMS ,  速度予測 ,  ニューラルネットワーク ,  燃料経済 ,  ハイブリッド電気自動車

分類 (2件)： 電気自動車  (QG07020B) ,  二次電池  (YB04030K)

タイトルに関連する用語 (4件)： ハイブリッド電気自動車 ,  予測能力 ,  適応 ,  調査