幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

混合動力系統優化及智能能量管理/新能源與智能汽車技術叢書

  • 作者：曾小華//王越|責編:黃瀅
  • 出版社：化學工業
  • ISBN：9787122423849
  • 出版日期：2023/03/01
  • 裝幀：平裝
  • 頁數：188
人民幣：RMB 128 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書首先以商用車混合動力系統能量流動為出發點，提出了混合動力系統瞬時效率最優的控制方法，並得到了實際案例的驗證。其次針對實際公交客車複雜行駛工況數據，提出了基於能耗特徵的數據挖掘方法，對車聯網數據進行了有效利用。在此基礎上，提出有效利用車聯網信息的分層優化自適應智能能量管理方法與深度強化學習智能能量管理控制方法，並對這些智能能量管理控制方法的最優性與工況適應性、實時性均進行了驗證。
    本書緊密結合工程應用的基本要求，內容完整、系統、重點突出，強調知識的應用性，具有較強的針對性。本書適合汽車研發設計、教學科研等相關人員使用。
作者介紹
曾小華//王越|責編:黃瀅
目錄
第1章  緒論
  1.1  節能與新能源汽車的發展概況
  1.2  混合動力系統優化設計方法研究
    1.2.1  混合動力系統構型拓撲研究現狀
    1.2.2  混合動力系統設計參數與控制聯合優化研究現狀
  1.3  融合車聯網信息的混合動力系統能量管理控制研究
    1.3.1  車聯網與車輛節能技術
    1.3.2  混合動力車輛行駛工況信息研究現狀
    1.3.3  混合動力車輛能量管理策略研究現狀
  1.4  本章結語
第2章  混合動力系統優化設計方法
  2.1  混合動力系統構型拓撲分析
    2.1.1  構型拓撲生成
    2.1.2  生成結果與分析
  2.2  混合動力系統內外雙層參數優化方法
    2.2.1  優化三要素的確定
    2.2.2  混合動力系統參數-控制雙層優化演算法設計
  2.3  優化結果驗證與分析
  2.4  本章結語
第3章  基於車聯網信息行駛工況處理
  3.1  車聯網信息下汽車行駛工況數據獲取
    3.1.1  新能源汽車車聯網平台介紹
    3.1.2  基於車聯網的行駛工況數據獲取
    3.1.3  車聯網平台下行駛工況數據質量問題
  3.2  車聯網平台下行駛工況數據缺失與數據雜訊處理
    3.2.1  基於插補與神經網路的缺失數據估計方法
    3.2.2  基於小波變換的雜訊數據濾波方法
    3.2.3  行駛工況雜訊數據清洗方法
  3.3  車聯網平台下行駛工況數據處理的評價方法
    3.3.1  行駛工況數據誤差評價指標
    3.3.2  行駛工況特徵參數評價指標
  3.4  本章結語
第4章  基於車聯網信息行駛工況數據挖掘
  4.1  數據挖掘理論在行駛工況數據中的應用
  4.2  基於能耗特性的公交線路行駛工況特徵參數分析
    4.2.1  公交線路特徵統計分析
    4.2.2  基於公交客車線路特點的行駛工況特徵參數集
    4.2.3  車輛能耗特性與工況特徵關係分析
    4.2.4  基於能耗回歸分析模型的工況特徵參數篩選
  4.3  基於能耗特徵與線路特徵參數的固定線路行駛工況合成
    4.3.1  基於K-Means演算法的工況聚類分析
    4.3.2  馬爾可夫鏈狀態轉移矩陣
    4.3.3  公交線路行駛工況合成結果分析
  4.4  基於能耗特徵與線路特徵參數的未來行駛工況智能預測
    4.4.1  基於LS-SVM和BP-NN的智能預測模型
    4.4.2  未來工況智能預測模型對比
    4.4.3  未來工況預測精度影響因素分析
    4.4.4  未來工況預測模型的魯棒性分析
  4.5  本章結語
第5章  基於行駛工況信息的分層優化自適應能量管理策略

  5.1  行星式混合動力公交客車功率分流特性及其能量管理
    5.1.1  雙行星排功率分流式混合動力系統構型
    5.1.2  雙行星排式混合動力系統功率分流狀態分析
    5.1.3  雙行星排式混合動力系統能量管理策略
  5.2  分層優化自適應智能能量管理策略概述
    5.2.1  分層優化自適應智能能量管理策略研究內容
    5.2.2  分層優化自適應智能能量管理策略架構
  5.3  基於固定線路合成工況的近似全局最優控制
    5.3.1  考慮終止約束的全局優化SOC軌跡求解
    5.3.2  基於近似全局最優的模式切換規則提取
    5.3.3  基於近似全局最優的SOC軌跡規劃模型
  5.4  基於未來工況預測的A-ECMS自適應控制
    5.4.1  基於PMP的等效燃油消耗最小策略
    5.4.2  基於未來工況預測信息的自適應規律
    5.4.3  基於LQR控制器的SOC跟隨策略
  5.5  分層優化自適應智能能量管理策略驗證與分析
    5.5.1  分層優化自適應智能能量管理策略最優性
    5.5.2  分層優化自適應智能能量管理策略適應性
  5.6  硬體在環試驗
    5.6.1  硬體在環試驗平台
    5.6.2  硬體在環試驗結果分析
  5.7  本章結語
第6章  基於固定線路全局優化的深度強化學習能量管理策略
  6.1  學習型智能能量管理控制策略概述
    6.1.1  學習型智能能量管理策略研究進展
    6.1.2  學習型智能能量管理的控制問題
  6.2  基於固定線路全局優化的深度強化學習能量管理策略
    6.2.1  Deep Q-Learning深度強化學習演算法
    6.2.2  基於固定線路行駛信息的深度強化學習策略架構
    6.2.3  Deep Q-Learning能量管理策略演算法設計
  6.3  基於固定線路全局優化的深度強化學習能量管理策略驗證
    6.3.1  F-DQL-EMS智能能量管理策略的最優性
    6.3.2  F-DQL-EMS智能能量管理策略的工況適應性
  6.4  硬體在環試驗
  6.5  兩種智能能量管理策略對比分析
    6.5.1  智能能量管理策略的最優性
    6.5.2  智能能量管理策略的工況適應性
    6.5.3  智能能量管理策略的總結分析
  6.6  本章結語
第7章  全書總結
  7.1  內容總結
  7.2  未來展望
名詞簡寫
名詞索引
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032