کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5476813 1521424 2017 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
An adaptive model predictive controller for a novel battery-powered anti-idling system of service vehicles
ترجمه فارسی عنوان
یک کنترل کننده پیش بینی کننده مدل سازگار برای یک سیستم ضد تانک جدید باتری با استفاده از وسایل نقلیه خدمات
کلمات کلیدی
ضد خلط کنترل کننده پیش بینی مدل سازگار، الکتریکی از سیستم های کمکی خودرو فیلتر کلمن،
ترجمه چکیده
این مقاله یک سیستم قدرت کمکی برای احیاء و بازسازی وسایل نقلیه خدمات ارائه می دهد. سیستم ذخیره انرژی در سیستم نیروی کمکی مجازی قادر است سیستم های کمکی را به منظور دستیابی به ضد خاموش شدن سیستم ها اعمال کند. وسایل نقلیه خدمات (به عنوان مثال کامیون های تحویل یا اتوبوس های عمومی) به طور کلی مسیرهای از پیش تعریف شده دارند، لذا استفاده از یک استراتژی کنترل پیش بینی مدل برای بهبود وضعیت سوخت نیروی برق جدید امکان پذیر و سودمند است. با این حال، وزن / بار چنین وسایل نقلیه خدمات در طول یک چرخه درایو متغیر است. بنابراین، یک کنترل کننده پیش بینی کننده مدل سازگار باید برای این تغییرات طراحی شود. گرچه چرخه درایو از پیش تعیین شده است، این امر باعث عدم اطمینان یا اختلالات ناشی از ترافیک یا شرایط آب و هوایی در شرایط واقعی می شود. برای مقابله با این مشکل، روش پیش بینی میزان بزرگ اندازه گام در الگوریتم پیش بینی مدل سازگار برای افزایش استحکام آن استفاده می شود. الگوریتم پیشنهادی با یک مدل پیش بینی کننده پیش فرض مدل در سناریوهای مختلف برای نشان دادن کاربرد و بهینه بودن آن (بیش از 7 درصد صرفه جویی در سوخت) مقایسه می شود. رویکرد پیشنهادی مستقل از توپولوژی نیروی ترانزیستوری است تا بتواند به طور مستقیم به سایر انواع وسایل نقلیه الکتریکی هیبریدی گسترش یابد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
پیش نمایش مقاله
یک کنترل کننده پیش بینی کننده مدل سازگار برای یک سیستم ضد تانک جدید باتری با استفاده از وسایل نقلیه خدمات
چکیده انگلیسی
This paper presents an anti-idling regenerative auxiliary power system for service vehicles. The energy storage system in the regenerative auxiliary power system is able to electrify the auxiliary systems so as to achieve anti-idling. Service vehicles (e.g. delivery trucks or public buses) generally have predetermined routes, thus it is feasible and profitable to utilize a model predictive control strategy to improve the fuel economy of the new powertrain. However, the mass/load of such service vehicles is time-varying during a drive cycle. Therefore, an adaptive model predictive controller should be designed to account for this variation. Although the drive cycle is preset, it would experience uncertainties or disturbances caused by traffic or weather conditions in real situations. To deal with this problem, a large step size prediction method is used in the adaptive model predictive algorithm to enhance its robustness. The proposed algorithm is compared to a prescient model predictive controller in different scenarios to demonstrate its applicability and optimality (more than 7% fuel savings). The proposed approach is independent of the powertrain topology such that it is able to be directly extended to other types of hybrid electric vehicles.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy - Volume 127, 15 May 2017, Pages 318-327
نویسندگان
, , , , ,