基于工况识别的增程式电动汽车能量管理策略研究
这是一篇关于增程式电动汽车,能量管理策略,多目标优化,工况识别,硬件在环的论文, 主要内容为增程式电动汽车具有构型简单、燃油经济性高和续航里程远等优点,成为新能源汽车重要研究方向之一。能量管理策略在一定程度上决定了增程式电动汽车的经济性、排放性及动力性。本文以增程式电动汽车为研究对象,围绕动力源之间的能量分配、工况自适应性和增程器的轴系扭振,开展了基于工况识别的增程式电动汽车能量管理策略多目标优化研究,主要内容如下:(1)建立增程器轴系8自由度集中质量扭振模型,计算并构建增程器输出轴的扭振MAP图。基于Matlab/Simlink软件建立了考虑扭振和能耗的增程式电动汽车整车仿真模型,模型包括整车动力模型、驱动电机模型、动力电池组模型、结合扭振和油耗MAP的增程器模型。通过增程器台架实验和整车油耗实验验证模型精度,为后续多目标优化的能量管理策略研究奠定基础。(2)提出一种遗传算法优化的BP神经网络(GA-BP)工况识别方法。该方法以速度区间的特征参数为输入,工况类型为输出,通过参数匹配和识别精度分析,分别建立GA-BP工况识别器和BP工况识别器。对比两者识别效果,GA-BP工况识别器在误差、最大误差和识别精度等方面均有明显改善。(3)针对固定工况能量管理策略研究难以适应复杂行驶工况的问题,提出一种基于工况识别的增程器多工作点能量管理策略,以加权求和方式构造考虑扭振与等效油耗的多目标优化函数,以能量管理策略的多工作点为优化变量,采用改进果蝇算法进行全局优化。依据权重分布将优化分为四种类型,仿真结果表明综合型具有相对均衡的控制效果;相对工况识别前,工况识别后多目标优化的总指标有所改善。(4)为了验证所提出能量管理策略的实时性,建立以模拟整车模型的实时仿真平台与快速原型整车控制器为核心的硬件在环实验系统。快速原型作为汽车真实控制器,实时仿真平台作为整车模型的载体,以中国工况为输入,评价多目标优化的工况识别能量管理策略实时性。结果显示,硬件在环实验在等效油耗、油耗、扭振指标等方面与仿真结果误差较小,SOC曲线等基本吻合,说明能量管理策略具有较高的实时性,能够满足设计需求。
基于工况识别的增程式电动汽车能量管理策略研究
这是一篇关于增程式电动汽车,能量管理策略,多目标优化,工况识别,硬件在环的论文, 主要内容为增程式电动汽车具有构型简单、燃油经济性高和续航里程远等优点,成为新能源汽车重要研究方向之一。能量管理策略在一定程度上决定了增程式电动汽车的经济性、排放性及动力性。本文以增程式电动汽车为研究对象,围绕动力源之间的能量分配、工况自适应性和增程器的轴系扭振,开展了基于工况识别的增程式电动汽车能量管理策略多目标优化研究,主要内容如下:(1)建立增程器轴系8自由度集中质量扭振模型,计算并构建增程器输出轴的扭振MAP图。基于Matlab/Simlink软件建立了考虑扭振和能耗的增程式电动汽车整车仿真模型,模型包括整车动力模型、驱动电机模型、动力电池组模型、结合扭振和油耗MAP的增程器模型。通过增程器台架实验和整车油耗实验验证模型精度,为后续多目标优化的能量管理策略研究奠定基础。(2)提出一种遗传算法优化的BP神经网络(GA-BP)工况识别方法。该方法以速度区间的特征参数为输入,工况类型为输出,通过参数匹配和识别精度分析,分别建立GA-BP工况识别器和BP工况识别器。对比两者识别效果,GA-BP工况识别器在误差、最大误差和识别精度等方面均有明显改善。(3)针对固定工况能量管理策略研究难以适应复杂行驶工况的问题,提出一种基于工况识别的增程器多工作点能量管理策略,以加权求和方式构造考虑扭振与等效油耗的多目标优化函数,以能量管理策略的多工作点为优化变量,采用改进果蝇算法进行全局优化。依据权重分布将优化分为四种类型,仿真结果表明综合型具有相对均衡的控制效果;相对工况识别前,工况识别后多目标优化的总指标有所改善。(4)为了验证所提出能量管理策略的实时性,建立以模拟整车模型的实时仿真平台与快速原型整车控制器为核心的硬件在环实验系统。快速原型作为汽车真实控制器,实时仿真平台作为整车模型的载体,以中国工况为输入,评价多目标优化的工况识别能量管理策略实时性。结果显示,硬件在环实验在等效油耗、油耗、扭振指标等方面与仿真结果误差较小,SOC曲线等基本吻合,说明能量管理策略具有较高的实时性,能够满足设计需求。
新型ETA冷却机自动控制
这是一篇关于ETA冷却机,工况识别,EEMD-WOA-DELM,预测控制的论文, 主要内容为在水泥工业生产中,篦冷机是冷却高温水泥熟料和进行热回收的关键设备,篦冷机的稳定运行对于水泥工业提高产品质量、降低生产能耗、减少废气排放具有重要的理论意义和社会价值。本文的研究立足于生产现场新引进的冷却机设备,通过智能算法结合实际应用,实现新引进冷却机设备的自动控制,保证设备处于高效稳定的运行状态,提高生产效率,降低操作员工作强度,提高生产现场自动化水平,同时达到节能减排降低能耗的目的。本文以生产现场新引进的新型ETA冷却机为研究对象,汲取传统篦冷机研究的优秀成果,结合新型ETA冷却机设备调试运行中遇到的问题,通过大量历史数据分析,设计新型ETA冷却机自动控制方案,并进行软件开发,实现对冷却机篦压的设定及控制,保证设备高效稳定运行。本文主要研究内容如下:(1)新型ETA冷却机研究分析。深入剖析新型ETA冷却机与传统篦冷机的差异,总结两者的异同之处,分析新型ETA冷却机的控制难点,设计ETA冷却机控制方案。(2)新型ETA冷却机典型工况划分。根据ETA冷却机工艺,选取与冷却机工况相关的变量;通过PSO-Kmeans算法对处理后的变量进行聚类分析,实现冷却机典型工况划分;设计基于RF-XGBoost的工况识别器对典型工况进行识别,识别准确率达到98.6%。(3)新型ETA冷却机篦压设定系统研究。针对划分出的冷却机典型工况,分析相应工况下的变量相关性;选取关键变量,建立基于EEMD-WOA-DELM的篦压预测模型和基于出口熟料温度的篦压补偿模型;通过以上两个模型组成篦压设定系统,通过篦压设定系统给出当前工况下的最优篦压设定值。(4)新型ETA冷却机篦压预测控制研究。采集生产现场数据,通过BP神经网络辨识得到冷却机的控制模型;将辨识得到的神经网络模型作为预测控制的预测模型,设计预测控制器,使冷却机篦压稳定在最优设定值附近。仿真结果表明,本文设计的控制器具有较高的控制精度和鲁棒性。(5)新型ETA冷却机自动控制系统开发。基于前文的研究内容,开发冷却机自动控制软件,采用模块化设计思想,软件主要包含用户登录模块、数据采集与存储模块、工况识别模块、篦压设定模块、预测控制模块等,通过各模块间的通信配合,实现冷却机的自动控制功能。
基于工况识别的增程式电动汽车能量管理策略研究
这是一篇关于增程式电动汽车,能量管理策略,多目标优化,工况识别,硬件在环的论文, 主要内容为增程式电动汽车具有构型简单、燃油经济性高和续航里程远等优点,成为新能源汽车重要研究方向之一。能量管理策略在一定程度上决定了增程式电动汽车的经济性、排放性及动力性。本文以增程式电动汽车为研究对象,围绕动力源之间的能量分配、工况自适应性和增程器的轴系扭振,开展了基于工况识别的增程式电动汽车能量管理策略多目标优化研究,主要内容如下:(1)建立增程器轴系8自由度集中质量扭振模型,计算并构建增程器输出轴的扭振MAP图。基于Matlab/Simlink软件建立了考虑扭振和能耗的增程式电动汽车整车仿真模型,模型包括整车动力模型、驱动电机模型、动力电池组模型、结合扭振和油耗MAP的增程器模型。通过增程器台架实验和整车油耗实验验证模型精度,为后续多目标优化的能量管理策略研究奠定基础。(2)提出一种遗传算法优化的BP神经网络(GA-BP)工况识别方法。该方法以速度区间的特征参数为输入,工况类型为输出,通过参数匹配和识别精度分析,分别建立GA-BP工况识别器和BP工况识别器。对比两者识别效果,GA-BP工况识别器在误差、最大误差和识别精度等方面均有明显改善。(3)针对固定工况能量管理策略研究难以适应复杂行驶工况的问题,提出一种基于工况识别的增程器多工作点能量管理策略,以加权求和方式构造考虑扭振与等效油耗的多目标优化函数,以能量管理策略的多工作点为优化变量,采用改进果蝇算法进行全局优化。依据权重分布将优化分为四种类型,仿真结果表明综合型具有相对均衡的控制效果;相对工况识别前,工况识别后多目标优化的总指标有所改善。(4)为了验证所提出能量管理策略的实时性,建立以模拟整车模型的实时仿真平台与快速原型整车控制器为核心的硬件在环实验系统。快速原型作为汽车真实控制器,实时仿真平台作为整车模型的载体,以中国工况为输入,评价多目标优化的工况识别能量管理策略实时性。结果显示,硬件在环实验在等效油耗、油耗、扭振指标等方面与仿真结果误差较小,SOC曲线等基本吻合,说明能量管理策略具有较高的实时性,能够满足设计需求。
基于混合智能模型的篦冷机建模方法与预测控制研究
这是一篇关于篦冷机,工况识别,融合聚类,预测控制的论文, 主要内容为水泥篦式冷却机是水泥生产过程中的重要冷却设备,其功能是对水泥熟料进行快速冷却的同时,尽可能多地回收利用冷却风与熟料换热产生的热能,因此提高篦冷机冷却效率与热回收效率是提高水泥生产能源利用效率的关键。水泥冷却过程具有多变量、大滞后和非线性等特点,并且关键数据难以直接测量,使得建立精确的冷却过程数学模型以及实现篦冷机的自动控制成为一大难题。本文针对以上问题展开研究,主要工作内容如下:1、本文对篦冷机的机理模型、质量平衡模型和热量平衡模型进行了详细分析,确立了本文研究所涉及到的主要参数。并且通过对篦冷机控制目标和控制难点的详细分析,提出了一套基于混合智能模型的篦冷机优化管控系统方案。2、在篦冷机料层厚度工况划分这种样本类别不平衡的分类中,传统聚类算法作为无监督学习算法,存在很难与实际工艺相结合的问题。本文针对这个问题,将K-Means算法融入基于密度聚类的思想,提出了融合聚类算法,以提取面向工况划分的数据标签。3、针对基于融合聚类算法的篦冷机工况识别问题,本文提供了一套工况识别辅助诊断方案,即使用融合聚类算法获得的工况标签,训练基于RBF-SVM算法的工况识别模型,并利用水泥企业的现场运行数据验证该模型的有效性。4、针对篦冷机设备存在大滞后、时滞不准和模型不精确的问题,本文提出了基于工况识别模型的篦冷机多工况自适应预测控制算法,开发了基于Welle Vue软件的篦冷机优化管控平台,将该算法应用于篦冷机篦下压力回路的控制中,验证了本文控制策略的可行性。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码客栈 ，原文地址：https://m.bishedaima.com/lunwen/52645.html
