文献

J-GLOBAL ID：202202213786914664   整理番号：22A0928122

リアルタイムモデル予測制御技術に基づく電気自動車のための最適エネルギー配分戦略【JST・京大機械翻訳】

Optimal energy allocation strategy for electric vehicles based on the real-time model predictive control technology

著者 (10件)： Wei Hongqian (School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China) ,  Wei Hongqian (Low Emission Vehicle Research Beijing Key Laboratory, Beijing Institute of Technology, Beijing 100081, China) ,  Fan Likang (Vehicle Measurement, Control and Safety Key Laboratory of Sichuan Province, School of Automobile and Transportation, Xihua University, Chengdu 610039, China) ,  Ai Qiang (School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China) ,  Ai Qiang (Low Emission Vehicle Research Beijing Key Laboratory, Beijing Institute of Technology, Beijing 100081, China) ,  Zhao Wenqiang (School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China) ,  Zhao Wenqiang (Low Emission Vehicle Research Beijing Key Laboratory, Beijing Institute of Technology, Beijing 100081, China) ,  Huang Tianyi (Contemporary Amperex Technology Ltd, Ningde 352100, China) ,  Zhang Youtong (School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China) ,  Zhang Youtong (Low Emission Vehicle Research Beijing Key Laboratory, Beijing Institute of Technology, Beijing 100081, China)
資料名： Sustainable Energy Technologies and Assessments  (Sustainable Energy Technologies and Assessments)
巻： 50  ページ： Null  発行年： 2022年 
JST資料番号： W2952A  ISSN： 2213-1388  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： 電気自動車(EVs)は,省エネルギーと車両安全性における広い有望な応用により,クリーン輸送と見なされている。しかし,4つの個々の車内モータに電池エネルギーを割り当てる方法は,挑戦的な仕事である。本論文では,EVの動的エネルギー管理戦略を提案し,電池エネルギー消費を最適化し,同時にタイヤスリップ損失を低減した。基本的に,非線形モデル予測制御を利用してタイヤ動力学と車両負荷を同定した。次に,非線形制約による多目的最適化問題を,粒子速度の慣性重量と加速係数をリアルタイム計算のためにさらに変更する修正粒子群最適化(MPSO)アルゴリズムによって対処した。さらに,母集団のグローバル最適位置の修正は,局所最適ジレンマを効果的に避けることができた。提案したエネルギー戦略の優位性を検証するために,US06とWLTC03操作の下で数値テストを実行した。結果は,提案した動的エネルギー戦略が,動的負荷に従ってトルク要求を自動的に割り当てることができ,制動条件における前輪により多くの重みを与えることを実証した。典型的な規則ベース戦略と比較して,提案した戦略は,電池エネルギーの12~17%を保存でき,タイヤスリップ損失の近似13%を削減できる。さらに,修正PSOアルゴリズムは,EVのリアルタイムエネルギー管理におけるその応用価値をさらに検証する55%によって計算時間を減少できた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  電池 ,  *自動車 ,  電動機 ,  トルク ,  動荷重 ,  タイヤ ,  *電気自動車 ,  近似法 ,  多目的計画法 ,  母集団 ,  粒子速度
準シソーラス用語： 粒子群最適化 ,  自動車安全性 , 【Automatic Indexing@JST】

著者キーワード (6件)： 電気自動車 ,  エネルギー管理戦略 ,  エネルギー効率 ,  自動車動力学 ,  モデル予測制御 ,  オンライン最適化

分類 (1件)： 電気自動車  (QG07020B)

タイトルに関連する用語 (6件)： リアルタイム ,  モデル予測制御 ,  電気自動車 ,  エネルギー ,  配分 ,  戦略