• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      神經(jīng)網(wǎng)絡(luò)識(shí)別和Markov鏈預(yù)測(cè)的商用車(chē)APU控制策略

      2023-04-29 16:36:16王君琦李勇滔鄭偉光張彥會(huì)陳子郵許恩永李育方王善超
      關(guān)鍵詞:空氣壓縮機(jī)電控商用車(chē)

      王君琦 李勇滔 鄭偉光 張彥會(huì) 陳子郵 許恩永 李育方 王善超

      摘 要: 為改善商用車(chē)空氣處理系統(tǒng)的燃油經(jīng)濟(jì)性,提出一種以基于電磁閥控制的電控空氣處理單元(APU)控制策略,進(jìn)行了Simulink 系統(tǒng)仿真實(shí)驗(yàn)。該策略具有基礎(chǔ)、低壓和高壓等3 種工作模式;基于發(fā)動(dòng)機(jī)工況識(shí)別和預(yù)測(cè)方法;利用Matlab/Simulink 搭建車(chē)輛模型和空氣處理系統(tǒng)模型;并構(gòu)建了神經(jīng)網(wǎng)絡(luò)模式識(shí)別和Markov 鏈預(yù)測(cè)控制模型對(duì)發(fā)動(dòng)機(jī)的運(yùn)行工況進(jìn)行識(shí)別分類(lèi)和需求扭矩百分比預(yù)測(cè)。結(jié)果表明:仿真實(shí)驗(yàn)驗(yàn)證了工況分類(lèi)和電磁閥控制策略的有效性。在中國(guó)重型商用車(chē)瞬態(tài)工況(C-WTVC)下,與相同儲(chǔ)氣筒初始?xì)鈮簵l件的機(jī)械A(chǔ)PU 相比較,應(yīng)用該控制策略的電控APU 的功率消耗下降480 Wh,下降比率34.7%,燃油經(jīng)濟(jì)性顯著改善。

      關(guān)鍵詞: 商用車(chē);燃油經(jīng)濟(jì)性;空氣處理單元(APU);電磁閥控制;控制策略;模式識(shí)別;Markov 鏈

      中圖分類(lèi)號(hào): U 463.55 ;TP 212 文獻(xiàn)標(biāo)識(shí)碼: A DOI: 10.3969/j.issn.1674-8484.2023.05.009

      使用電子控制并優(yōu)化其控制策略從而提升商用車(chē)輛的燃油經(jīng)濟(jì)性、安全性和駕駛體驗(yàn)成為了不可阻擋的趨勢(shì)[1-3]。因?yàn)殡娮涌刂频钠?chē)零部件有著更加智能化、精確化和響應(yīng)快等優(yōu)勢(shì)[4],且合理的車(chē)輛電子電氣架構(gòu)可以實(shí)現(xiàn)車(chē)輛信息共享、滿(mǎn)足功能分配、滿(mǎn)足成本控制等特點(diǎn)[5],對(duì)機(jī)械零部件實(shí)現(xiàn)電子控制或?qū)F(xiàn)有的機(jī)械零部件更換為電子控制的零部件是滿(mǎn)足提升燃油經(jīng)濟(jì)性的有效方法。

      空氣處理單元(air processing unit,APU)是商用車(chē)空氣處理系統(tǒng)中處理干燥壓縮空氣的重要部件,其主要作用是干燥和清潔空氣壓縮機(jī)輸入的壓縮空氣。因空氣處理系統(tǒng)涉及的空氣壓縮機(jī)對(duì)燃油消耗存在一定影響,近年來(lái)該系統(tǒng)的性能優(yōu)化問(wèn)題受到了國(guó)內(nèi)外學(xué)者的高度重視。

      楊長(zhǎng)偉[6-7] 等人明確了空氣壓縮機(jī)的占空比和實(shí)際工作時(shí)間為評(píng)價(jià)APU 性能的重要指標(biāo),并提出了更改空氣處理系統(tǒng)零件的機(jī)械結(jié)構(gòu)以實(shí)現(xiàn)減少能量消耗的方法。項(xiàng)小雷[8] 等人將鍵合圖理論用于分析空氣處理系統(tǒng),以提升系統(tǒng)的響應(yīng)性能。傳統(tǒng)APU 由于采用的是氣壓控制的調(diào)壓閥,固定的氣壓值控制調(diào)壓閥換向只能為APU 提供單一的工作模式,未能滿(mǎn)足日益復(fù)雜的行駛工況和駕駛需求。電子控制的汽車(chē)零部件能夠?qū)崿F(xiàn)更高的控制精度和更復(fù)雜的控制任務(wù),不僅可以通過(guò)合適的模式工作閾值和合理的模式切換策略,兼顧不同的駕駛工況,以達(dá)到節(jié)省燃油和提高動(dòng)力性的需求[9],還可利用先進(jìn)的控制算法對(duì)車(chē)輛或發(fā)動(dòng)機(jī)的運(yùn)行工況進(jìn)行預(yù)判斷,使其工作狀態(tài)更加安全穩(wěn)定[10-12]。電子控制的APU 能夠通過(guò)不同的工作模式匹配對(duì)應(yīng)的工況形式,相比于傳統(tǒng)的機(jī)械式APU,其在燃油經(jīng)濟(jì)性、零部件使用壽命方面具有一定的提升[13-14]。

      為此,本文以電控空氣處理單元APU 的占空比和能量消耗為研究對(duì)象,基于發(fā)動(dòng)機(jī)工況識(shí)別和預(yù)測(cè),提出的一種具有多工作模式的商用車(chē)APU 控制策略。將利用Matlab/Simulink 搭建駕駛員、車(chē)輛和APU 的仿真模型。通過(guò)對(duì)實(shí)車(chē)行駛數(shù)據(jù)進(jìn)行訓(xùn)練,由神經(jīng)網(wǎng)絡(luò)完成發(fā)動(dòng)機(jī)工況的分類(lèi)識(shí)別,并使用Markov 鏈預(yù)測(cè)未來(lái)短時(shí)間內(nèi)的發(fā)動(dòng)機(jī)需求扭矩輔助工況識(shí)別,根據(jù)識(shí)別分類(lèi)和預(yù)測(cè)發(fā)動(dòng)機(jī)工況對(duì)APU 的模式進(jìn)行控制??赏M(jìn)一步優(yōu)化模式識(shí)別和預(yù)測(cè)算法,提升商用車(chē)空氣處理系統(tǒng)的能耗表現(xiàn)。

      1 商用車(chē)電控APU 模式

      1.1 電控APU 工作模式

      空氣處理單元APU. 包含空氣壓縮機(jī)、干燥罐和儲(chǔ)氣筒等主要零部件。電控APU 可以控制入口壓力,從而控制空氣壓縮機(jī)的功率消耗。在對(duì)電控APU 工作模式設(shè)計(jì)時(shí),應(yīng)考慮車(chē)輛的發(fā)動(dòng)機(jī)運(yùn)行工況,并將發(fā)動(dòng)機(jī)運(yùn)行工況和APU 工作模式進(jìn)行匹配。在應(yīng)對(duì)加速或爬坡等對(duì)發(fā)動(dòng)機(jī)功率需求較大的工況時(shí),空氣壓縮機(jī)應(yīng)減少對(duì)發(fā)動(dòng)機(jī)的功率和扭矩消耗;而應(yīng)對(duì)減速或下坡等工況時(shí),車(chē)輪可以對(duì)發(fā)動(dòng)機(jī)進(jìn)行反拖,空氣壓縮機(jī)應(yīng)充分利用反拖能量進(jìn)行泵氣。通過(guò)分析上述發(fā)動(dòng)機(jī)工況并對(duì)各運(yùn)行工況進(jìn)行匹配,設(shè)計(jì)基礎(chǔ)模式、低壓模式和高壓模式3 種APU 工作模式。

      商用車(chē)電控APU 的3 種工作模式主要特點(diǎn)如下:基礎(chǔ)模式,儲(chǔ)氣筒的氣壓適中,空氣壓縮機(jī)負(fù)荷適中,發(fā)動(dòng)機(jī)做功直接帶動(dòng)空氣壓縮機(jī),有一定的燃油消耗;低壓模式,儲(chǔ)氣筒的氣壓較低,空氣壓縮機(jī)負(fù)荷低,發(fā)動(dòng)機(jī)在進(jìn)入該模式一段時(shí)間內(nèi)不帶動(dòng)空氣壓縮機(jī),空氣壓縮機(jī)不消耗發(fā)動(dòng)機(jī)功率;高壓模式,儲(chǔ)氣筒的氣壓較高,空氣壓縮機(jī)負(fù)荷較高,燃油消耗大,若發(fā)動(dòng)機(jī)靠車(chē)輛滑行或下坡反拖的能量對(duì)空氣壓縮機(jī)做功,可以減少燃油消耗。

      在基礎(chǔ)模式、低壓模式和高壓模式下,轉(zhuǎn)入泵氣狀態(tài)的切進(jìn)壓力分別為pnci、plci、phci ;轉(zhuǎn)入卸荷模式的切斷壓力分別為pnco、plco、phco。其中,最低壓plci 應(yīng)滿(mǎn)足國(guó)標(biāo)[15] 最低額定工作氣壓1.0 MPa ;最大壓力phco應(yīng)不超過(guò)儲(chǔ)氣筒允許的最大壓力和空氣壓縮機(jī)的最大排壓限制,最大壓力限制為1.3 MPa。為滿(mǎn)足降低功率消耗和燃油消耗的要求,各壓力值區(qū)間還應(yīng)滿(mǎn)足以下條件:

      電控空氣處理單元APU 各模式壓力區(qū)間示意圖如圖1 所示。

      1.2 基于神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)工況模式識(shí)別

      神經(jīng)網(wǎng)絡(luò)模式識(shí)別在發(fā)動(dòng)機(jī)運(yùn)行工況識(shí)別分類(lèi)中應(yīng)用廣泛[16-17]。在對(duì)發(fā)動(dòng)機(jī)運(yùn)行工況分類(lèi)時(shí),通常以車(chē)輛的車(chē)速信息或加速度信息描述車(chē)輛的運(yùn)動(dòng)狀態(tài),無(wú)法判斷發(fā)動(dòng)機(jī)當(dāng)前或未來(lái)一段時(shí)間內(nèi)的功率或扭矩需求。為描述車(chē)輛行駛過(guò)程中對(duì)發(fā)動(dòng)機(jī)的扭矩需求,根據(jù)運(yùn)動(dòng)學(xué)狀態(tài)將車(chē)輛運(yùn)行工況分為怠速工況、勻速工況、加速工況和減速工況,其中,空擋滑行狀態(tài)下發(fā)動(dòng)機(jī)仍需做功維持運(yùn)轉(zhuǎn)和附件正常運(yùn)行,同樣定義為發(fā)動(dòng)機(jī)怠速工況。從轉(zhuǎn)轂試驗(yàn)中采集的商用車(chē)行駛狀態(tài)信息中,抽取各運(yùn)動(dòng)學(xué)片段的典型車(chē)輛加速度a 和發(fā)動(dòng)機(jī)扭矩需求Treq 的百分比γ(Treq),如圖2 所示。

      綜合考量工況分類(lèi)所需的車(chē)輛傳感器信號(hào)[18-19] 和電控空氣處理單元APU 控制要求,在采集并分類(lèi)的車(chē)輛運(yùn)行工況中選取平均車(chē)速vave、最大車(chē)速vmax、平均加速度aave、最大加速度amax、平均扭矩百分比γ(Treq ave)和最大扭矩百分比γ(Treq max)作為APU 控制系統(tǒng)的車(chē)輛工況識(shí)別特征參數(shù),各典型工況的特征參數(shù)如表1所示。

      根據(jù)已采集的行車(chē)數(shù)據(jù)信息,使用統(tǒng)計(jì)狀態(tài)轉(zhuǎn)移矩陣計(jì)算方法,得到的商用牽引車(chē)帶掛行駛功率轉(zhuǎn)移概率如圖3 所示。

      當(dāng)需求扭矩百分比狀態(tài)處于γi (Treq) 時(shí),根據(jù)狀態(tài)轉(zhuǎn)移概率矩陣P,選擇P ( i , : ) 中需求扭矩概率最大的扭矩值作為下一時(shí)刻的預(yù)測(cè)值。通過(guò)這一方法,可以根據(jù)狀態(tài)轉(zhuǎn)移概率Pij 的k 階概率確定未來(lái)k 步的加速度狀態(tài)。若車(chē)輛在同一工況下,車(chē)輛需求扭矩百分比狀態(tài)分布概率穩(wěn)定,可按照上述Markov 預(yù)測(cè)方法獲得理想的預(yù)測(cè)結(jié)果,為防止概率矩陣隨車(chē)輛運(yùn)行數(shù)據(jù)更新或駕駛員駕駛風(fēng)格不同而發(fā)生變化,導(dǎo)致預(yù)測(cè)結(jié)果出現(xiàn)誤差,還應(yīng)對(duì)狀態(tài)轉(zhuǎn)移矩陣進(jìn)行實(shí)時(shí)更新,其更新過(guò)程如圖4 所示。

      2 車(chē)輛關(guān)鍵部件參數(shù)及其建模

      2.1 車(chē)輛關(guān)鍵參數(shù)

      某商用車(chē)整車(chē)參數(shù)如表3 所示,其余參數(shù)將根據(jù)GB/T 27840-2021 設(shè)定。

      2.2 車(chē)輛及其APU 數(shù)學(xué)模型的建立

      數(shù)學(xué)模型設(shè)計(jì)時(shí),考慮使用工況車(chē)速作為輸入,空氣處理單元APU 電磁閥狀態(tài)量作為輸出。因此,需要建立的數(shù)學(xué)模型包含模擬油門(mén)和剎車(chē)踏板開(kāi)度的駕駛員模型、車(chē)輛傳動(dòng)模型、空氣處理系統(tǒng)氣壓模型、電磁閥控制模型。

      駕駛員模型使用比例—積分(proportional integral,PI)控制,較比例—積分— 微分(proportional integralderivative,PID)控制方便簡(jiǎn)潔,控制效果穩(wěn)定可靠。駕駛員模型以目標(biāo)車(chē)速和實(shí)際車(chē)速之差為輸入信號(hào),輸出表示油門(mén)踏板開(kāi)度和剎車(chē)踏板開(kāi)度的比例信號(hào)。油門(mén)踏板開(kāi)度可以聯(lián)合發(fā)動(dòng)機(jī)模型中的車(chē)速和擋位信息進(jìn)一步獲得發(fā)動(dòng)機(jī)的需求扭矩輸出。良好的車(chē)速跟隨可以保證仿真結(jié)果的準(zhǔn)確性。

      設(shè)某時(shí)刻目標(biāo)車(chē)速為vref,同一時(shí)刻實(shí)際車(chē)速為vact,則該時(shí)刻目標(biāo)車(chē)速和實(shí)際車(chē)速之差為Δv = vref - vact。

      根據(jù)PI 控制,踏板開(kāi)度信號(hào)為

      2.3 控制系統(tǒng)Simulink 模型建立空氣處理單元APU 系統(tǒng)仿真模型主要由整車(chē)模型、控制器模型和儲(chǔ)氣筒氣壓模型組成。為快速構(gòu)建APU 系統(tǒng)仿真模型,降低模型搭建難度和模型階次,本文建立的系統(tǒng)模型將基于以下假設(shè):

      發(fā)動(dòng)機(jī)扭矩計(jì)算忽略加速阻力和坡道阻力;儲(chǔ)氣筒內(nèi)壓縮空氣視為理想氣體,其壓縮因子Z = 1;儲(chǔ)氣筒內(nèi)壓縮空氣消耗視為勻速消耗,其總消耗量由同等質(zhì)量條件的轉(zhuǎn)轂實(shí)驗(yàn)得出。

      根據(jù)式(8)—式(16), 建立某商用牽引車(chē)輛及其空氣處理系統(tǒng)仿真模型,系統(tǒng)仿真模型如圖5 所示。

      在APU 模型中,電磁閥決策模塊使用并行狀態(tài)機(jī)實(shí)現(xiàn),APU 的狀態(tài)切換和APU 的模式切換2 個(gè)子模塊都處于活動(dòng)狀態(tài)。其中,APU 狀態(tài)子模塊中的氣壓工作區(qū)間由APU 模式子模塊決定并發(fā)送至APU 狀態(tài)子模塊。該模型以發(fā)動(dòng)機(jī)轉(zhuǎn)速為輸入,以電磁閥狀態(tài)xv1和xv2、空氣壓縮機(jī)負(fù)載時(shí)間tdur、儲(chǔ)氣筒氣壓值p 為輸出。

      3 結(jié)果及分析

      3.1 模式識(shí)別和預(yù)測(cè)分類(lèi)結(jié)果

      為驗(yàn)證模式識(shí)別和預(yù)測(cè)分類(lèi)方法的有效性,在中國(guó)重型商用車(chē)瞬態(tài)工況(China World Transient VehicleCycle,C-WTVC)的車(chē)速輸入下,分別對(duì)加速度分類(lèi)、神經(jīng)網(wǎng)絡(luò)識(shí)別分類(lèi)、神經(jīng)網(wǎng)絡(luò)識(shí)別和Markov 鏈預(yù)測(cè)分類(lèi)的工況分類(lèi)方法進(jìn)行仿真,輸出電控空氣處理單元APU 的工作模式,仿真輸出C-WTVC 工況車(chē)速下的電控APU 工作模式分類(lèi)結(jié)果如圖6 所示,其中,“模式1”表示低壓模式,“模式2”表示基礎(chǔ)模式,“模式3”表示高壓模式。

      通過(guò)與加速度分類(lèi)和模式識(shí)別分類(lèi)方法進(jìn)行對(duì)比,基于神經(jīng)網(wǎng)絡(luò)識(shí)別和Markov 鏈預(yù)測(cè)的電控APU 控制方法模式切換頻次較其他方法明顯降;另外,通過(guò)觀察分類(lèi)結(jié)果和車(chē)速可以發(fā)現(xiàn),該方法對(duì)細(xì)微的車(chē)輛狀態(tài)變化判斷更加準(zhǔn)確、避免了APU 工作模式頻繁切換。相比于加速度分類(lèi)方法,該方法使得APU 工作模式可以穩(wěn)定應(yīng)對(duì)突然變化的速度需求和發(fā)動(dòng)機(jī)扭矩需求,具有較好的魯棒性。

      3.2 電控APU 仿真結(jié)果及分析

      采用C-WTVC 車(chē)速作為輸入,在儲(chǔ)氣筒初始?xì)鈮褐翟O(shè)定為1.0 MPa、車(chē)輛牽引質(zhì)量30 t 條件下,對(duì)單一工作模式的機(jī)械式空氣處理單元APU 和加速度分類(lèi)、神經(jīng)網(wǎng)絡(luò)識(shí)別分類(lèi)、神經(jīng)網(wǎng)絡(luò)識(shí)別和Markov 鏈預(yù)測(cè)分類(lèi)的工況分類(lèi)方法分別進(jìn)行仿真。APU 各模式仿真切斷閥狀態(tài)結(jié)果如圖7 所示,其中“狀態(tài)1”表示切斷電磁閥xv1 通電,此時(shí)空氣壓縮機(jī)不工作;“狀態(tài)0”表示切斷電磁閥xv1 不通電,空氣壓縮機(jī)工作?;谏窠?jīng)網(wǎng)絡(luò)識(shí)別和Markov 鏈預(yù)測(cè)控制以及基于調(diào)壓閥控制的APU,空氣壓縮機(jī)的瞬時(shí)功率Pins 曲線(xiàn)如圖8 所示。

      記錄機(jī)械式APU 仿真實(shí)驗(yàn)結(jié)果和多模式電控APU 各工作模式仿真數(shù)值結(jié)果,以機(jī)械式APU 臺(tái)架實(shí)驗(yàn)數(shù)值結(jié)果作為對(duì)照,APU 各工作模式實(shí)驗(yàn)數(shù)值結(jié)果如表5 所示。其中: tdur 為空氣壓縮機(jī)工作時(shí)間,γ(tdur)為空氣壓縮機(jī)占空比,Pcom 為空氣壓縮機(jī)功耗,nv1 為切斷(電磁)閥換向次數(shù)。表5 中,機(jī)械式APU 臺(tái)架實(shí)驗(yàn)結(jié)果為機(jī)械式APU 在3 輪C-WTVC 工況下的實(shí)驗(yàn)結(jié)果平均值。仿真實(shí)驗(yàn)與臺(tái)架實(shí)驗(yàn)的空氣壓縮機(jī)占空比絕對(duì)誤差約為3%。考慮到臺(tái)架實(shí)驗(yàn)中空氣壓縮機(jī)轉(zhuǎn)速值獲取過(guò)程包含車(chē)輛換檔時(shí)的動(dòng)力銜接和行駛阻力等因素,認(rèn)為該仿真實(shí)驗(yàn)結(jié)果具有參考意義。

      由表5 可知:在C-WTVC 工況下,通過(guò)對(duì)駕駛工況識(shí)別和分類(lèi)的APU 控制策略相較于機(jī)械式APU 的氣壓控制方法可以顯著降低空氣壓縮機(jī)的工作時(shí)間,占空比下降約12%;在空氣壓縮機(jī)功耗方面,電控APU 控制策略使空氣壓縮機(jī)功耗下降約480 kWh,功率消耗下降約34.7% ;基于神經(jīng)網(wǎng)絡(luò)識(shí)別和Markov 鏈預(yù)測(cè)分類(lèi)的APU 控制策略較其他2 種控制策略在能耗方面優(yōu)勢(shì)不明顯,但較其他2 種控制方法降低了電磁閥的換向次數(shù),減少了電磁閥的工作強(qiáng)度,起到了節(jié)能和增加電磁閥使用壽命的效果。

      4 結(jié) 論

      本文基于發(fā)動(dòng)機(jī)工況識(shí)別和預(yù)測(cè),提出的一種具有3 種工作模式的商用車(chē)空氣處理單元APU 控制策略,建立了該車(chē)輛和空氣處理系統(tǒng)的Matlab/Simulink 系統(tǒng)仿真模型。

      在中國(guó)重型商用車(chē)瞬態(tài)工況(C-WTVC) 工況下,該電控APU 相較單一模式的APU 減少了12% 的空氣壓縮機(jī)工作時(shí)間,降低了空氣壓縮機(jī)的能量消耗約34.7%。

      該電控APU 能夠?qū)Σ煌ぞ匦枨蟀俜直人幍墓r進(jìn)行識(shí)別和分類(lèi),使控制單元準(zhǔn)確控制APU 工作模式。在車(chē)輛應(yīng)對(duì)爬坡和超車(chē)等復(fù)雜工況時(shí),該控制策略的應(yīng)用降低了發(fā)動(dòng)機(jī)附件的功率消耗,燃油經(jīng)濟(jì)性得到了顯著改善。

      參考文獻(xiàn) ( References)

      [1] LIU Dahui, Eksioglu B, Schmid M J, et al. Optimizingenergy savings for a fleet of commercial autonomoustrucks [C]// IEEE Trans Intel Transp Syst, 2022, 23(7):7570-7586.

      [2] 李耀華, 何杰, 范吉康. 基于多MAP 圖的商用車(chē)電動(dòng)助力轉(zhuǎn)向控制策略[J]. 汽車(chē)安全與節(jié)能學(xué)報(bào), 2022, 13(1):86-94.

      LI Yaohua, HE Jie, FAN jikang. Control strategy ofelectric power steering for commercial vehicle based onMulti-MAP [J]. J Autom Safe Energ, 2022, 13(1): 86-94.(in Chinese)

      [3] 楊凡, 顧杰, 黃凡, 等. 商用車(chē)氣壓電子駐車(chē)系統(tǒng)坡道輔助控制方法[J]. 液壓與氣動(dòng), 2021, 45(8): 145-153.

      YANG Fan, GU Jie, HUANG Fan, et al. Hill startassistance control method of commercial vehicle withelectronic air parking brake system [J]. Chin HydrauPneumatics, 2021, 45(8): 145-153. (in Chinese)

      [4] 同曉雅, 杜彬, 任靜媛, 等. 基于商用車(chē)的電子駐車(chē)制動(dòng)控制系統(tǒng)研究[J]. 汽車(chē)電器, 2022(10): 65-66+69.

      TONG Xiaoya, DU Bin, REN Jingyuan, et al. Researchon electronic parking brake control system based oncommercial vehicle [J]. Auto Electric Parts, 2022(10): 65-66+69. (in Chinese)

      [5] 張文斌, 王濤, 丁萬(wàn)興, 等. 重型商用車(chē)電子電氣架構(gòu)的規(guī)劃[J]. 汽車(chē)電器, 2021(1): 30-34. ZHANG Wenbin,

      WANG Tao, DING Wanxing, et al. Planning of electronicand electrical architecture of heavy commercial vehicle [J].Auto Electric Parts, 2021(1): 30-34. (in Chinese)

      [6] 楊長(zhǎng)偉. 商用車(chē)制動(dòng)系空氣管理系統(tǒng)研究仿真[D]. 吉林:吉林大學(xué), 2018.

      YANG Changwei. Research and simulation of airmanagement system of commercial vehicle brake system[D]. Jilin: Jilin University. 2018. (in Chinese)

      [7] Park W K, Mun S D, Lee H K, et al. Optimization ofdrying performance considering driving conditions [J].Int.J Automot. Technol. 12, 705 (2011).

      [8] 項(xiàng)小雷, 李松松. 鍵合圖理論在商用車(chē)氣制動(dòng)系統(tǒng)空氣干燥器響應(yīng)特性分析中的應(yīng)用[J]. 汽車(chē)技術(shù), 2012(10): 32-35+61.

      XIANG Xiaolei, LI Songsong. Application of bond graph theory on air dryer response characteristic analysis of theair brake system for commercial vehicles [J]. Auto Tech,2012(10): 32-35+61. (in Chinese)

      [9] 張旗, 嚴(yán)天一, 趙燕樂(lè). 具有多工作模式的電機(jī)式主動(dòng)橫向穩(wěn)定器控制策略研究[J]. 機(jī)械科學(xué)與技術(shù), 2023,42(5): 793-801.

      ZHANG Qi, YAN Tianyi, ZHAO Yanle. Research oncontrol strategy of a motor-type active anti-roll stabilizerwith multiple operating modes [J], Mech Sci Tech AerospEngi, 2023, 42(5): 793-801. (in Chinese)

      [10] 李耀華, 劉洋, 馮乾隆, 等. 基于最優(yōu)預(yù)瞄和模型預(yù)測(cè)的智能商用車(chē)路徑跟蹤控制[J]. 汽車(chē)安全與節(jié)能學(xué)報(bào),2020, 11(4): 462-469.

      LI Yaohua, LIU Yang, FENG Qianlong, et al. Pathtracking control for an intelligent commercial vehiclebased on optimal preview and model predictive [J]. JAutom Safe Energ, 2020, 11(4): 462-469. (in Chinese)

      [11] 史培龍, 趙軒, 陳子童, 等. 基于道路行駛工況辨識(shí)的重型載貨汽車(chē)排氣制動(dòng)系統(tǒng)主動(dòng)控制研究[J]. 汽車(chē)工程,2023, 45(1): 104-111+146.

      SHI Peilong, ZHAO Xuan, CHEN Zitong, et al. Studyon active control of exhaust brake system for heavydutytruck based on road driving condition recognition[J]. Autom Engineering, 2023, 45(1): 104-111+146. (inChinese)

      [12] 蔡偉. 基于車(chē)速預(yù)測(cè)的電動(dòng)商用汽車(chē)能量管理策略研究[D]. 成都: 西華大學(xué), 2022.

      CAI Wei. Research on energy management strategy ofelectric commercial vehicles based on condition prediction[D]. Chengdu: Xihua University, 2022. (in Chinese)

      [13] 郇浪浪, 田雪毅, 趙鵬昌, 等. 空氣處理單元的原理及實(shí)現(xiàn)方式研究[J]. 汽車(chē)實(shí)用技術(shù), 2021, 46(11): 196-198.

      HUAN Langlang, TIAN Xueyi, ZHAO Pengchang, etal. Study on the Principle and Implementation of AirTreatment Unit [J], Auto Appl Tech, 2021, 46(11): 196-198.(in Chinese)

      [14] 呂征, 李法兵, 陳首剛. 商用車(chē)電控空氣干燥器性能研究及應(yīng)用[J]. 汽車(chē)實(shí)用技術(shù), 2018(20): 159-162.

      L? Zheng, LI Fabing, CHEN Shougang. Propertiesand application of electronic controlled air dryer forcommercial vehicles [J], Auto Appl Tech, 2018(20): 159-162. (in Chinese)

      [15] 中華人民共和國(guó)工業(yè)和信息化部. 重型商用車(chē)輛燃料消耗量測(cè)量方法: GB/T 27840-2021 [S]. 北京: 中國(guó)標(biāo)準(zhǔn)出版社, 2021.

      Ministry of Industry and Information Technology ofthe Peoples Republic of China. Fuel consumption testmethods for heavy-duty commercial vehicles: GB/T27840-2021 [S]. Beijing: Standards Press of China, 2021.(in Chinese)

      [16] JIE Xing, HAN Xuefeng, YE Hui, et al. Driving cyclerecognition for hybrid electric vehicle [C]// ITEC Asia-Pacific, 2014: 1-6.

      [17] 劉靈芝, 張冰戰(zhàn), 蔣通. 基于工況自適應(yīng)的PHEV 等效燃油最小策略[J]. 汽車(chē)安全與節(jié)能學(xué)報(bào), 2020, 11(3): 371-378.

      LIU Lingzhi, Zhang Bingzhan, JIANG Tong. Equivalentconsumption minimization strategy for PHEV based ondriving condition adaptation [J]. J Autom Safe Energ,2020, 11(3): 371-378. (in Chinese)

      [18] FENG Lei, LIU Wenjia, CHEN Bo. Driving patternrecognition for adaptive hybrid vehicle control [J]. SAEInt J Alt Power, 2012, 1(1): 169-179.

      [19] Ericsson E. Independent driving pattern factors and theirinfluence on fuel-use and exhaust emission factors [J].Transp Res Part D: Transp Environ, 2001, 6(5): 325-345.

      [20] 吳迪. ISG 混合動(dòng)力汽車(chē)能量?jī)?yōu)化管理策略研究[D]. 合肥: 合肥工業(yè)大學(xué), 2013: 75-88.

      WU Di. Research on energy optimal management controlstrategy for ISG hybrid electric vehicle [D]. Hefei: HefeiUniversity of Technology, 2013: 75-88. (in Chinese)

      [21] 尹燕莉, 馬永娟, 周亞偉, 等. Markov 鏈與Q-Learning算法的超輕度混動(dòng)汽車(chē)模型預(yù)測(cè)控制[J]. 汽車(chē)安全與節(jié)能學(xué)報(bào), 2021, 12(4): 557-569.

      YING Yanli, MA Yongjuan, ZHOU Yawei, et al. Modelpredictive control of super-mild hybrid electric vehiclebased on Markov chain and Q-Learning [J]. J Autom SafeEnerg, 2021, 12(4): 557-569. (in Chinese)

      [22] 付翔, 鐵鑫, 劉會(huì)康. 基于需求功率預(yù)測(cè)的混合動(dòng)力越野車(chē)能量管理[J]. 江蘇大學(xué)學(xué)報(bào)( 自然科學(xué)版), 2021,42(1): 67-76.

      FU Xiang, TIE Xin, LIU Huikang. Energy managementof hybrid off road vehicles based on demand powerprediction [J]. J Jiangsu Univ (Nat Sci Ed), 2021, 42(1):67-76. (in Chinese)

      猜你喜歡
      空氣壓縮機(jī)電控商用車(chē)
      上海電控所: 三心同繪創(chuàng)新景 電控電抗競(jìng)爭(zhēng)輝
      比亞迪商用車(chē)
      商用車(chē)聯(lián)合制動(dòng)系統(tǒng)分析
      比亞迪商用車(chē)
      基于ADVISOR的燃料電池商用車(chē)動(dòng)力系統(tǒng)仿真
      電控發(fā)動(dòng)機(jī)點(diǎn)火控制系統(tǒng)的原理與診斷
      基于Matlab與Ansys聯(lián)合仿真平臺(tái)的空氣壓縮機(jī)減振分析
      電控氣動(dòng)步進(jìn)系統(tǒng)的PLC實(shí)現(xiàn)
      煤礦井下空氣壓縮機(jī)若干安全問(wèn)題的討論
      基于MCGS的空氣壓縮機(jī)監(jiān)控系統(tǒng)
      鄂伦春自治旗| 石屏县| 上高县| 淄博市| 岐山县| 昌平区| 鹿邑县| 遂溪县| 揭阳市| 邛崃市| 临猗县| 金门县| 泗阳县| 南涧| 尚义县| 文昌市| 新沂市| 长治市| 五常市| 皮山县| 萨嘎县| 吉水县| 读书| 河北区| 轮台县| 洪湖市| 五峰| 嵩明县| 楚雄市| 崇阳县| 盱眙县| 伊川县| 漳平市| 古浪县| 沂源县| 珠海市| 荆州市| 英德市| 高碑店市| 栾川县| 九龙坡区|