Python：混合动力汽车能量管理_动态规划简版（2/2）

最新推荐文章于 2024-05-21 21:16:18 发布
最新推荐文章于 2024-05-21 21:16:18 发布
阅读量6.2k 收藏 108
点赞数 18
分类专栏： 软件
本文为博主原创文章，未经博主允许禁止转载。
本文链接：https://blog.csdn.net/weixin_44808082/article/details/109344177
版权

目录

1 博客内容

题记：一汽使用导航动态数据规划能量管理专利，内容部分公式不合适，策略复杂也没讲透彻。本篇内容不申请发明专利，写出来供大家参考。本文可使用网址链接转载，内容转载须联系本人。

      算例来源：多年前杂货铺需要找零18.88元。有10，5，2，1，0.5，0.2，0.1，0.05，0.02，0.01元纸币。收银员使用纸币张数→最优是10张，最差是1888张。有时找零发现5角纸币没了，程序自动计算，最优是12张（少1张5角，用2张2角，1张1角补上）。
      算例简用：混合动力车有2度电和一箱油。1度电行驶里程6km@10km/h，5km@100km/h；1L油行驶里程8km@10km/h，16km@100km/h。上班先市区6公里（10km/h），再走绕城20公里（100km/h），最后市区6公里（10km/h）。设计员需要使用最少油量到达目的地→最优是1.25L,最差是2.125L。

2 更新算例

2.1 车辆动力学模型

      并联式混合动力，其中车辆、变速箱、发动机、电机、电池构型如下图。在这里插入图片描述

2.2 参数输入

2.2.1 车辆滑行阻力

      滑行阻力使用中汽研数据，选用日产leaf曲线，二项式拟合后近似方程如下，轮胎规格：215/55R17。

F_Veh=0.0387×V×V+0.2241×V+142.03

在这里插入图片描述

2.2.2 变速箱速比及扭矩损失


      使用某车论坛马自达6MT数据作为各档位速比输入。有关变速箱效率损失，设定各档位扭矩损失约8N·m：
在这里插入图片描述

2.2.3 发动机万有特性


      发动机燃油消耗率，使用EPA(美国环境保护局）网站提供的马自达2.0L-skyact发动机数据。
在这里插入图片描述

2.2.4 电机特性


      电机特性使用elecfans论坛数据：
在这里插入图片描述

3 基础模型数据


      3.1 车辆模型计算

系列公式工况0工况1工况2工况3工况4工况5工况6工况7工况8
车速(km/h)V5102030506080100120
驱动力(N)F_Veh=0.0387×V×V+0.2241×V+142.03144.1148.1162.0183.6250.0294.8407.6551.4726.2
功率(kW)P_Veh=F_Veh×V0.20.40.91.53.54.99.115.324.2
车轮半径（m）R_Wheel=(215×55%×2+25.4×17)/1000/20.3350.3350.3350.3350.3350.3350.3350.3350.335
轮端转速（rpm）V_wheel=V_veh×1000/60/(2×3.14×R_Wheel)39.679.2158.4237.7396.1475.3633.8792.2950.7
轮端扭矩（Nm）T_Wheel=F_Veh×R_Wheel48.349.654.361.583.798.8136.6184.7243.3
理想百公里电耗(kW·h)E_Veh_Opt=P_Veh×（100/V）4.04.14.55.16.98.211.315.320.2

      
3.2 变速箱模型数据

      变速箱的输出扭矩即为轮端扭矩。输入扭矩与输出扭矩之间关系除考虑速比外增加扭矩损失计算。

系列公式工况0工况1工况2工况3工况4工况5工况6工况7工况8
变速箱输出扭矩(N·m)T_TrsOut=T_Wheel39.679.2158.4237.7396.1475.3633.8792.2950.7
变速箱输出转速（rpm）V_TrsOut=V_Wheel48.349.654.361.583.798.8136.6184.7243.3
变速箱档位（-）N_Gear112344566
档位速比（-）K_Gear15.1615.169.035.754.264.263.492.982.98
各档位扭矩损失（N·m）T_Trslos7.57.57.7588.258.258.58.758.75
变速箱效率（-）η_Trs0.300.300.440.570.700.740.820.880.90
变速箱输入端扭矩（N·m）T_TrsIn=T_TrsOut/K_Gear+T_Trslos10.6810.7713.7618.7027.9131.4347.6370.7490.39
变速箱输入端转速（rpm）N_TrsIn=V_TrsOut*K_Gear60112011431136716872025221223612833
变速箱输入功率（kW）P_TrsIn=T_TrsIn*N_TrsIn/95500.671.352.062.684.936.6611.0317.4926.81

4 算例工况

4.1 工况1_CD模式


      电池提供整车行驶动力（CD模式），不考虑电池的内阻&SOC影响。

系列公式工况0工况1工况2工况3工况4工况5工况6工况7工况8
电机输出扭矩P_EM_Out=P_TrsIn0.671.352.062.684.936.6611.0317.4926.81
电机效率（-）η_EM0.820.840.850.870.890.890.920.920.92
电池输出功率（kW）P_Bat=P_EM_In=P_EM_Out/η0.821.612.433.085.577.4912.0619.1129.21
百公里电耗(度)E_EM_CD=(100/V)*P_Bat16.3916.1312.1310.2511.1412.4815.0719.1124.34
每度电行驶里程（km/度）EM_Km_P_kW·h=100/E_EM_CD6.106.208.259.768.978.016.645.234.11

4.2 工况2_CS模式

      内燃机提供整车行驶动力（CS模式），电机不参与工作。

系列公式工况0工况1工况2工况3工况4工况5工况6工况7工况8
内燃机转速（rpm）N_ICE_Out=N_TrsIn60112011431136716872025221223612833
内燃机扭矩（N·m）T_ICE_Out=T_TrsIn10.6810.7713.7618.7027.9131.4347.6370.7490.39
内燃机输出功率（kW）P_ICE=P_TrsIn0.671.352.062.684.936.6611.0317.4926.81
内燃机油耗（g/kW·h）Ge700650530420375332295250245
百公里油耗（L/100km）E_ICE_CS=P_ICEge/1000/0.74(100/V)12.7111.907.385.065.004.985.505.917.40
每升油行驶里程（km/L）ICE_Km_P_L7.878.4013.5519.7620.0120.0718.1916.9313.52

4.3 工况3_CS模式理想

      内燃机提供整车行驶动力（CS模式），同时向电机提供动力用于电池充电。

系列公式工况0工况1工况2工况3工况4工况5工况6工况7工况8
内燃机转速（rpm）N_ICE_Out=N_TrsIn60112011431136716872025221223612833
是否建议行驶充电-否是是是是是是是是
内燃机定转速时最佳油耗（g/kW·h）Ge_Opt-232232232226223225228225
内燃机定转速时最佳油耗点扭矩（Nm）T_ICE_Opt-90115120115125125128140
最佳油耗点内燃机转速（rpm）N_ICE_Opt=N_ICE-12011431136716872025221223612833
内燃机定速时最佳油耗功率（kW）P_ICE_Opt-11.317.217.220.326.529.031.641.5
最佳效率时发动机耗油量（L/h）E_ICE_drive=P_ICE_Opt*Ge_Opt/1000/0.74-3.555.405.386.217.998.809.7512.63
内燃机充电功率P_ICE_Charge=P_ICE_Opt-P_ICE-9.9615.1714.5015.3919.8417.9214.1514.72
内燃机充电扭矩T_ICE_Charge=T_ICE_Opt-T_ICE-79.23101.24101.3087.0993.5777.3757.2649.61
电机充电效率@N_ICEη_Charge-0.9000.9050.9100.9200.9280.9350.9400.941
最佳油耗工作时百公里充电量Q_Charge_ICE_Opt-89.67168.63343.97228.31530.68520.94413.30511.541
电量燃油等效系数（KW·h/L）K_Charge=P_ICE_Opt/E_ICE_drive*η_Charge-2.872.892.903.013.083.083.053.09
机动车驱动百公里油耗（L/100km）E_ICE_Opt=P_ICEGe_Opt/1000/0.74(100/V)-4.253.232.803.013.354.195.396.79

4.3 工况3_CS模式实际


      实际使用工况，低车速时内燃机充电扭矩时受到舒适性限制而降低充电扭矩而不能使用最佳最优化油耗点，但高车速时由于风噪和胎噪等背景噪声可使用最佳最优化油耗点（大扭矩）。优化后的数据如下：

系列公式工况0工况1工况2工况3工况4工况5工况6工况7工况8
内燃机转速（rpm）N_ICE_Out=N_TrsIn60112011431136716872025221223612833
是否建议行驶充电-否是是是是是是是是
内燃机定转速时最佳油耗（g/kW·h）Ge_Opt’-300265236226223225228225
内燃机定转速时最佳油耗点扭矩（Nm）T_ICE_Opt’-406080115125125128140
最佳油耗点内燃机转速（rpm）N_ICE_Opt=N_ICE-12011431136716872025221223612833
内燃机定速时最佳油耗功率（kW）P_ICE_Opt’-5.09.011.420.326.529.031.641.5
最佳效率时发动机耗油量（L/h）E_ICE_drive’=P_ICE_Opt*Ge_Opt/1000/0.74-2.043.223.656.217.998.809.7512.63
内燃机充电功率P_ICE_Charge’=P_ICE_Opt’-P_ICE-3.686.938.7715.3919.8417.9214.1514.72
内燃机充电扭矩T_ICE_Charge’=T_ICE_Opt’-T_ICE-29.2346.2461.3087.0993.5777.3757.2649.61
电机充电效率@N_ICEη_Charge’-0.8800.9050.9100.9200.9280.9350.9400.941
最佳油耗工作时百公里充电量Q_Charge_ICE_Opt’-32.34431.34726.61028.31530.68520.94413.30511.541
每升燃油充电量（KW·h/L）K_Charge’=P_ICE_Opt’/E_ICE_drive*η_Charge-2.172.532.853.013.083.083.053.09
车辆百公里油耗（L/100km）E_ICE_Opt’=P_ICEGe_Opt/1000/0.74(100/V)-5.493.692.843.013.354.195.396.79
车辆每升油行驶里程（km/L）Dis_Drive_ICE_Opt’-18.2127.0935.1633.2029.8723.8518.5614.72

4.3 工况3_附加

      检索混合动力构型时看到理想汽车使用串联式混合动力，使用东安1.2T增压直喷发动机给电机充电，发动机不直接驱动车辆。其原理参考搜狐汽车介绍如下：
在这里插入图片描述
      东安这款发动机的最佳油耗点估算在230g/kW·h附近。设定使用马自达发动机，2000rpm、120Nm（油耗223g/kW·h）。发电机充电效率92%：
单位里程充电量：

Q=（2000×120/9550×0.92）/(2000×120/9550×0.92×230/1000/0.74)=3.32kW·h/L


      使用“4.1 CD模式工况”百公里电耗8.01km/度，消除变速箱效率影响74%，估算理想汽车60km/h等速行驶1L油行驶里程：

Dis_Drive_LX=3.32×8.01/0.74=35.91km

      使用日产Leaf滑行阻力曲线，使用发动机最佳工况点工作点时，60km/h油耗为3.35L/100kM,折合1L油行驶里程约29.85km。

Dis_Drive_PHEV=100/3.35=29.85km

      PHEV内燃机最佳工况点驱动油耗差于EREV内燃机，主要受变速箱效率影响。

5 工况分类及行车充电优先级

5.1 NEDC工况分类


      NEDC使用4个市区工况和1个市郊工况。市区工况拆解为市区拥堵工况和市区通畅工况，市郊工况拆解为国道工况和高速工况。车速分类定义：
      市区拥堵：V_Veh≤25km/h；
      市区通畅：25km/h＜V_Veh≤40km/h；
      国道工况：40km/h＜V_Veh≤80km/h；
      高速工况：80km/h＜V_Veh；

5.2 典型工况及特征值


      选用车速20km/h,30km/h,60km/h和100km/h作为四种分类工况的典型值。

车速（km/h）203060100
百公里耗电量（kW·h/100km）12.1310.2512.4819.11
实际边走边发电时百公里发电量（kW·h/100km）31.3526.6130.6813.31
实际边走边发电时每升汽油发电量（kW·h/L）2.532.853.083.05
实际最佳工况点百公里燃油消耗量（L/100km）3.692.843.355.39
实际最佳工况点每升油行驶里程（km/L）27.0935.1629.8718.56
内燃机模式（CS）1L燃油行驶里程_行驶不发电13.5519.7620.0716.93

5.3 行车充电优先级

      行车发电的目的是调整发动机的工况点在最佳油耗点，但是实际车辆行驶过程中发动机受限其特性低速时并不未工作在最佳油耗点。假定用车速20km/h行车充电，所充电量用于车速100km/h，定义充电后行驶里程大于燃油模式（CD）里程具有经济性，评价如下：

车速20km/h时1L燃油充电电量→13.55公里@1L燃油内燃机CD模式
用于车速20km/h纯电行驶2.53/(12.13/100)20.86
用于车速30km/h纯电行驶2.53/(10.25/100)24.68
用于车速60km/h纯电行驶2.53/(12.48/100)20.27
用于车速100km/h纯电行驶2.53/(19.11/100)13.24
车速30km/h时1L燃油充电电量→19.76公里@1L燃油内燃机CD模式
用于车速20km/h纯电行驶2.85/(12.13/100)23.50
用于车速30km/h纯电行驶2.85/(10.25/100)27.80
用于车速60km/h纯电行驶2.85/(12.48/100)22.84
用于车速100km/h纯电行驶2.85/(19.11/100)14.91
车速60km/h时1L燃油充电电量→20.07公里@1L燃油内燃机CD模式
用于车速20km/h纯电行驶3.08/(12.13/100)25.39
用于车速30km/h纯电行驶3.08/(10.25/100)30.05
用于车速60km/h纯电行驶3.08/(12.48/100)24.68
用于车速100km/h纯电行驶3.08/(19.11/100)16.12
车速100km/h时1L燃油充电电量→16.93公里@1L燃油内燃机CD模式
用于车速20km/h纯电行驶3.05/(12.13/100)25.14
用于车速30km/h纯电行驶3.05/(10.25/100)29.76
用于车速60km/h纯电行驶3.05/(12.48/100)24.44
用于车速100km/h纯电行驶3.05/(19.11/100)15.96


      根据数据判断各车速，20km/h、30km/h、60km/h和100km/h都可用于行驶发电，但行驶所发电量不适于100km/h时使用。即20km/h行驶发电的电量不能用于100km/h车速，但是100km/h行驶发电的电量能用于20km/h车速。有一种情况，当电池电量用于20km/h、30km/h和 60km/h车速行驶后用剩余，100km/h可用纯电行驶。

5.4 路径分段

      导航可以提供车流情况预测实时车速，但是个人通过高德地图开发者web服务中未找到相关接口。
在这里插入图片描述
      设定地图从A市到B市（以天津火车站到北京火车站为例，里程约130km，地图预计2.5h），地图提供路径上的车速，间隔为10s。
      对路径分段，每2分（120s）分一段，车速20km/h对应里程约0.66km，车速100km/h对应里程约3.3km。

6 控制逻辑及软件程序

6.1 控制逻辑

在这里插入图片描述

6.2 Python软件程序

"""
    名称：  PHEV_Opt_Update.py
    作者：  Morven_Xie
    版本：  1.0
    时间：  2020/10/26 22:46
    功能：  用于插电式混合动力能量管理，实现PHEV燃油经济性最优化
    简介：  动态规划插混汽车运行模式（纯电行驶、内燃机行驶、行驶充电）
    Email:  morven_xie@163.com
"""

a=[20, 20, 20, 20, 20, 30, 30, 30, 30,60,60,60,60, 100, 100,
   100, 100,60, 60, 60, 30, 30,100,100,100,20,20,20,20]             # 设定车速分段信息
Time_Num=len(a)                                                     # 统计分段数量
DriveMode=[]                                                        # 定义运行模式，0为CD，1为DC，2位CS
Charge_DC=[]                                                        # 定义充电量库
Discharge_CD=[]                                                     # 定义放电量库
Discharge_CD_Level2=[]                                              # 定义二级放电量库
for i in range(0,Time_Num):                                         # 按照车速分段信息定义充电、放电、运行模式库内容
    DriveMode.append(0)
    Discharge_CD_Level2.append(0)
    if a[i]<=25:
        Discharge_CD.append(round(0.121,3))
        Charge_DC.append(round(0.3115,3))
    if 25<a[i]<=40:
        Discharge_CD.append(round(0.1025,3))
        Charge_DC.append(round(0.2621,3))
    if 40<a[i]<=80:
        Discharge_CD.append(round(0.1248,3))
        Charge_DC.append(round(0.3068,3))
    if a[i]>80:
        Discharge_CD.append(round(0,3))
        Discharge_CD_Level2[-1]=0.1911
        Charge_DC.append(round(0.1331,3))
        DriveMode[-1]=2

print(Discharge_CD)
print(Charge_DC)
print(DriveMode)
Charge_Sum=17.5                                                      # 定义发电量库
for i in range(0,Time_Num):
    Charge_Sum+=Charge_DC[i]*a[i]*0.2                               # 计算充电量
    Discharge_Sum =0
    for j in range(i,Time_Num):                                     # 计算纯电行驶电量需求
        Discharge_Sum+=(Discharge_CD[j]*a[i]*0.2)
    if Charge_Sum>Discharge_Sum:                                    # 当充电量大于纯电行驶电量需求，终止
        break
    DriveMode[i]=1
if DriveMode[0]==0:                                                 # 起始点电量大于整个路径电量一级需求，剩余电用于车速度100km/h二级需求
    Charge_Sum_Remain=Charge_Sum-Discharge_Sum
    for i in range(0,Time_Num):
        if DriveMode[i]==2 and(Charge_Sum_Remain)>=0:
            Charge_Sum_Remain-=Discharge_CD_Level2[i]*a[i]*0.2
            DriveMode[i]=0
print(DriveMode)

C:\Software\Anaconda3\python.exe D:/SoftApp/Python/Vehicle_Cruise/PHEV_Opt.py
注：0为纯电行驶状态，1为行驶充电状态，2为内燃机驱动（电量保持）
初始电量为0时运行结果：
[1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 2, 2, 2, 2, 0, 0, 0, 0, 0, 2, 2, 2, 0, 0, 0, 0]

初始电量为17.5时运行结果：
C:\Software\Anaconda3\python.exe D:/SoftApp/Python/Vehicle_Cruise/PHEV_Opt.py
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 0, 0, 0, 0, 0, 2, 2, 2, 0, 0, 0, 0]
程序待优化待更新内容，SOC电量不足，车速100km/h应优先行驶充电。

7 更新控制逻辑和软件程序

7.1 控制逻辑简图更新

在这里插入图片描述

7.2 Python软件程序更新

"""
    名称：  PHEV_Opt_Update.py
    作者：  Morven_Xie
    版本：  1.1
    时间：  2020/10/26 22:46
    更新：  2020/11/4 21:42
    功能：  用于插电式混合动力能量管理，实现PHEV燃油经济性最优化
    简介：  动态规划插混汽车运行模式（纯电行驶、内燃机行驶、行驶充电）
    Email:  morven_xie@163.com
"""
   
a=([20,20,20,20,20,30,30,30,30,60,60,60,60,100,100,100,100,60,60,60,30,30,100,100,100,20,20,20,20,20])                                     # 设定车速分段信息
Time_Num=len(a)                                                  # 车速分段数量
Mileage=0                                                        # 定义行驶里程
DriveMode=[]                                                      # 定义车辆运行模式，0为CD,1为DC,2为CS
Charge_Level=[[0]*Time_Num for i in range(2)]                    # 定义充电二维数组
DisCharge_Level=[[0]*Time_Num for i in range(2)]                 # 定义放电二维数组
Charge_Init=20                                                   # 定义电池包初始电景
SOC=Charge_Init                                                  # 定义电池包充电电量
Discharge_Sum=0                                                  # 定义电池包放电初始值电量
for i in range(0,Time_Num):
    DriveMode.append(1)                                          # 定义车辆初始运行模式
    Mileage+=a[i]*0.2                                            # 计算行驶里程
    if a[i]<=25:
        DisCharge_Level[0][i]=round(0.121,3)                           
        Charge_Level[1][i]=round(0.3115, 3)                      # 定义车辆充电模式优先2级数组值
    if 25<a[i]<=40:
        DisCharge_Level[0][i]=round(0.1025,3)                   # 定义车辆优先1级放电＿数组值
        Charge_Level[1][i]=round(0.2621,3)                       # 定义车辆充电模式优先2级数组值
    if 40<a[i]<=80:
        DisCharge_Level[0][i]=round(0.1248,3)                   # 定义车辆优先1级放电数组值
        Charge_Level[1][i]=round(0.3068,3)                      # 定义车辆充电模式优先2级数组值
    if a[i]>80:
        DisCharge_Level[0][i]=round(0,3)                        # 定义车辆充电模式优先1级＿数组值
        DisCharge_Level[1][i]=round(0.1911,3)                   # 定义车辆充电模式优先1级＿数组值
        Charge_Level[0][i]=round(0.1331, 3)                      # 定义车辆充电模式优先1级数组值
        DriveMode[-1]=2                                         # 定义车辆高速运行时模式为CS模式

for i in range(Time_Num-1,-1,-1):
    Discharge_Sum+=DisCharge_Level[0][i]*a[i]*0.2               # 计算全车速段一级放电电量需求
    if SOC>Discharge_Sum:                                       # 初始电池电量满足放电一级放电需求，车辆运行时模式为CD
        if DisCharge_Level[0][i]>0:
            DriveMode[i]=0
    else:
        break
if i==0:                                                        #初始电池电量有剩余，判断二级放电工况点状态
    for j in range(Time_Num - 1, 0, -1):
        SOC-=DisCharge_Level[1][j] * a[j]*0.2
        if SOC>0 and DisCharge_Level[1][j]>0:
            DriveMode[j]=0
s=0                                                                   # 一级充电模式不能满足二级放电需求时充电起始点
SOC= Charge_Init
for i in range(0,Time_Num):                                           # 判断一级放电工况
    SOC-=DisCharge_Level[0][i]*a[i]*0.2
    if SOC>0:
        if DisCharge_Level[0][i]>0:
            DriveMode[i]=0
    else:                                                             #电量不满足放电一级需求，调用一级充电开始工作
        for j in range(s,i):
            SOC+=Charge_Level[0][j]*a[j]*0.2
            if Charge_Level[0][j]>0:
                DriveMode[j]=1
            if SOC >0:
                if DisCharge_Level[0][i]> 0:
                    DriveMode[i]=0
                s =j+1
                break
        if SOC < 0:                                              #当一级充电仍不满足，调用二级充电开始工作
            for k in range(i,0,-1):
                SOC+=Charge_Level[1][k]*a[k]*0.2
                if Charge_Level[1][k]>0:
                    DriveMode[k]=1
                if SOC >0:
                    break
print("电池初始电量 %.2f kW，行驶里程 %.2f km" % (Charge_Init,Mileage))
print(DriveMode)


运行结果：

C:\Software\Anaconda3\python.exe D:/SoftApp/Python/Vehicle_Cruise/PHEV_Opt_Update.py

电池初始电量0.00 kW，行驶里程 300.00 km
[1, 1, 1, 0, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 1, 1, 2, 0, 0, 0, 0, 0, 2, 2, 2, 0, 0, 0, 0, 0]

电池初始电量 3.00 kW，行驶里程 300.00 km
[0, 0, 0, 0, 0, 1, 0, 0, 1, 1, 0, 0, 1, 1, 1, 1, 2, 0, 0, 0, 0, 0, 2, 2, 2, 0, 0, 0, 0, 0]

电池初始电量 10.00 kW，行驶里程 300.00 km
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 2, 0, 0, 0, 0, 0, 2, 2, 2, 0, 0, 0, 0, 0]

电池初始电量 20.00 kW，行驶里程 300.00 km
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]

>> 更多相关内容，点击Morven_Xie博客概览

Morven_X
关注
  • 18
    点赞
  • 踩
  • 108
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于DP动态规划的全局最优能量管理策略，程序为MATLAB m编程完成，大约700行左右
m0_74218291的博客
10-11 1831
4.DP作为基于优化的整车能量管理策略的基础，对后续ECMS能量管理策略和MPC能量管理策略的开发学习有着重要作用，可以在此程序基础上进行更改和延伸。基于DP动态规划的全局最优能量管理策略，程序为MATLAB m编程完成，大约700行左右。1.车辆构型为功率分流型（ECVT），类似丰田Pruis构型。3.全程序包含逆向迭代和正向寻优过程。2.电池SOC为电量维持型策略。
「混合动力汽车动态规划算法及油耗计算视频教程」
最新发布
Fkevciftzmf的博客
05-27 641
同时，我们提供了动态规划算法的初始化文件和结果后处理程序，方便用户进行定制开发和数据分析。DP为混合动力汽车燃油经济性提供了一种极限油耗的方法，利用DP能够得到特定构型在特定工况条件下的极限油耗，为基于规则的控制策略制定和不同规则的制定提供了理论参考和对比指标。混合动力汽车动态规划算法理论油耗计算与视频教学，使用matlab编写快速计算程序，整个工程结构模块化，可以快速改为串联，并联，混联等。DP动态规划初始化文件利用结构体定义各个部件参数，例如发动机，发电机，电机，变速箱，工况，减速器，电池等部件。
混合动力汽车动态规划算法理论油耗计算与视频教学，使用matlab编写快速计算程序，整个
eAadfnTmoG的博客
05-21 313
同时，我们提供了动态规划算法的初始化文件和结果后处理程序，方便用户进行定制开发和数据分析。DP为混合动力汽车燃油经济性提供了一种极限油耗的方法，利用DP能够得到特定构型在特定工况条件下的极限油耗，为基于规则的控制策略制定和不同规则的制定提供了理论参考和对比指标。混合动力汽车动态规划算法理论油耗计算与视频教学，使用matlab编写快速计算程序，整个工程结构模块化，可以快速改为串联，并联，混联等。DP动态规划初始化文件利用结构体定义各个部件参数，例如发动机，发电机，电机，变速箱，工况，减速器，电池等部件。
Python环境下利用matplotlib绘制发动机万有特性曲线.zip
08-22
开发工具是jupyter notebook，利用matplotlib绘制发动机万有特性曲线。主要分为三部分绘制，绘制等燃油消耗曲线/等功率曲线/外特性曲线。压缩包中的图是根据实际采集到的发动机数据（出于保密，无法上传），采用多元线性回归拟合绘制的图。其中多元线性回归主要是调用sklearn库来完成，绘图部分主要调用matplotlib。因为是自己看函数文档，一点一点手写的代码，中间走了很多坑，所以代码注释应当是非常详细。 因为数据量的问题，拟合存在一定的失真，相比实际的图会存在一定的出入，代码只是提供一种绘制方法，提供的图仅供参考！
【SCI复现】电动和插电式混合动力汽车（EV/PHEV）技术，用于通过在城市街道网络中模拟一支EV/PHEV车队来量化能源消耗，以不同的时空分辨率（Python代码实现）
2301_77414277的博客
02-18 712
根据[1]的数据，到2050年，全球70%的人口将居住在城市地区，约占全球63亿人口。在他们对EVs及其对气候影响的回顾中，参考文献[10]发现，使用来自全球变暖潜势（GWP）较低的电力的车辆比ICEVs更好。虽然重点集中在电动车上，为了展示该模型的有效性，我们演示了ICEV车辆如何通过将能源转换为汽油（升/公里）来纳入模型，从而直接比较使用两种车辆的个体级行为/模式对成本和效率的相对影响。其次，包括驾驶员行为和道路特征中的异质性，直接影响所需的能源，这在现实世界中是存在的。关键词：基于代理的模型；
绘制发动机万有特性实验图
Speike的博客
11-11 1621
绘制发动机万有特性实验图实验数据Matlab绘图结果实验数据与代码 武汉某大学发动机万有特性试验Matlab代码 实验数据 Matlab绘图结果 实验数据与代码 见链接跳转
如何制作万有特性曲线图
weixin_43332626的博客
05-20 2232
学习下怎么绘制发动机map图
解决centos python 3 ModuleNotFoundError: No module named '_bz2'
07-01
在使用Python进行编程时，有时会遇到`ModuleNotFoundError: No module named '_bz2'`这样的错误，这通常意味着你的Python 3环境缺少了一个名为_bz2的模块。这个模块是Python 3内置的，用于处理BZip2压缩格式的数据。...
DP.rar_DP_Energy Management _dp算法_energy management_汽车能量管理
07-14
汽车能量管理系统（Energy Management System, EMS）是现代电动汽车（EV）和混合动力电动汽车（HEV）的核心组件之一。它的主要任务是确保车辆在行驶过程中的高效能源利用，通过合理调度电池、电动机和内燃机等动力源...
MOG-python.zip_MOG-python_mog_高斯模型_高斯模型 Python_高斯混合 python
09-24
标题中的“MOG-python.zip_MOG-python_mog_高斯模型_高斯模型 Python_高斯混合 python”表明这是一个关于使用Python实现高斯混合模型（Mixture of Gaussians, MOG）的压缩包文件。这个模型常用于图像处理，特别是...
Matlab仿真混合动力汽车Simulink模型基于动态规划算（混合动力汽车能量管理）源代码下载
05-15
Matlab仿真混合动力汽车Simulink模型基于动态规划算（混合动力汽车能量管理）源代码下载 Matlab仿真混合动力汽车Simulink模型基于动态规划算（混合动力汽车能量管理）源代码下载 Matlab仿真混合动力汽车Simulink模型基于动态规划算（混合动力汽车能量管理）源代码下载
基于神经动态规划的混合动力汽车在线能量管理控制
04-10
基于神经动态规划的混合动力汽车在线能量管理控制
混合动力动态规划_；matlabcode_动态规划汽车_能量管理matlab_vehicle_动态规划混合
09-10
动态规划混合动力汽车模式切换程序，附带工况。
pytorch_mixup:混合的PyTorch实现
05-15
混合的PyTorch实现 用法 $ python main.py --block_type basic --depth 110 --use_mixup --mixup_alpha 1 --outdir results CIFAR-10的结果 模型 测试错误（1次运行） ResNet-preact-56 w / Mixup alpha = 0.5...
用python 实现2D不规则打包算法_C++_python代码_下载
06-08
包含用于 2D 不规则打包的算法和算法的简单教程 算法 Bottom-Left-Fill.py：嵌套问题的 2-...lp_algorithm.py：通过混合模拟退火和线性规划解决不规则条带包装问题 2006 lp_search.py​​ ：我们提出的一种新算法。...
基于动态规划的并联式混合动力汽车全局最优能量管理策略研究
Jimmkudo的博客
11-24 3998
混合动力汽车由于兼具传统燃油汽车和纯电动汽车的优点，在纯电动汽车和燃料电池汽车技术尚未成熟及充电等基础设施未普及之前，成为了各国政府和汽车行业关注的重点。能量管理策略作为HEV的核心技术之一，是车辆具有良好性能的基础，其核心是解决发动机和电机在各种行驶工况下的功率分配问题。本项目以P2构型的并联式混合动力汽车为研究对象，选取代表驾驶环境的标准工况，以油耗最小为目标函数，同时考虑驾驶舒适性，利用DP算法求解标准工况下全局最优控制策略，并利用MATLAB/Simulink平台对控制策略进行了仿真验证。
基于遗传算法的CVRP建模求解（Python）
博客简介
03-08 6737
带容量约束的车辆路径优化问题，CVRP，对一系列装卸货点进行适当的路径规划，在满足约束条件（客户需求、车辆载重和容积、车型、车辆行驶里程、配送中心数量等限制）和目标最优化（路程最短、成本最低、使用车辆数最少、配送时间最快等）下，将客户的配送需求从配送中心送达客户点，或从客户点送回配送中心。
cruise软件模型，cruise增程混动仿真模型，功率跟随控制策略，Cruise混动仿真模型，串联混动汽车动力性经济性仿真
edikxgo的博客
08-22 465
通过对该模型的建模和仿真分析，可以进一步优化增程混动汽车的控制策略，提升其经济性、动力性和环保性能，不断推动汽车技术的发展。在该模型中，通过对汽车的动力系统进行建模，可以对汽车的性能进行仿真分析，进一步优化汽车动力系统的控制策略。cruise软件模型，cruise增程混动仿真模型，功率跟随控制策略，Cruise混动仿真模型，串联混动汽车动力性经济性仿真。3.能量管理策略：该部分主要根据电池的充电状态，对发动机的输出功率进行控制，以及对电机进行回馈控制，实现整车的能量管理。
基于DP动态规划的全局最优能量管理策略，程序为MATLAB m编程完成
OinmpcJef的博客
11-22 815
在正向寻优过程中，算法从汽车前端出发，正向计算各部件的能量提供方案，并得出最优的能量管理策略。本文所提出的DP动态规划算法是一种基于优化的整车能量管理策略，具有全局最优性和高效性的优点，可以为后续ECMS和MPC能量管理策略的开发学习提供重要的参考。车辆构型是能量管理策略的关键考虑因素之一，本文所介绍的能量管理策略是基于功率分流型（ECVT）汽车构型的。4.DP作为基于优化的整车能量管理策略的基础，对后续ECMS能量管理策略和MPC能量管理策略的开发学习有着重要作用，可以在此程序基础上进行更改和延伸。
/usr/bin/python: can't find '__main__' module in '/usr/local/c2cpp/'
05-24
这个错误提示意味着 Python 解释器在 /usr/local/c2cpp/ 目录下找不到名为 __main__.py 的模块。这通常是因为你试图在该目录下直接运行 Python 脚本，而该目录不是一个 Python 包。如果你想在该目录下直接运行某个 Python 脚本，可以将脚本文件名命名为 __main__.py，这样 Python 解释器就能够找到该脚本并执行它了。如果你只是想运行某个 Python 脚本，可以在命令行中使用 python 命令加上脚本文件的路径来运行该脚本，例如： ``` python /usr/local/c2cpp/myscript.py ``` 这样就可以运行 /usr/local/c2cpp/ 目录下的 myscript.py 脚本。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值