Гибридная гусеничная машина: Электромеханическая трансмиссия  для военной гусеничной машины  с гибридной силовой установкой

По его словам, прототип автомобиля начали разрабатывать в Киеве два года назад. Над ним работала команда из шести человек – автомехаников, водителей, слесарей. Конструктором и дизайнером проекта выступил сам Кузнецов. Прототип был на гусеничном ходу с дизельным двигателем, но уже мог держаться на воде и прошел успешные испытания на Днепре. Однако создать полноценный образец не было технической и экономической возможности. Затем команда переехала в ОАЭ. В партнерстве с известной оборонной компанией Streit Group украинцам удалось собрать первый опытный образец за пять месяцев.

«На автомобиле броня финского производства. Амортизаторы, выдерживающие нагрузку в 65 тонн, мы заказали в Австралии. Электробатарею по нашим чертежам изготовили в Китае на том же заводе, где производятся аккумуляторы для Tesla. Компания в Шардже для нас изготовила под заказ резиновые гусеницы, более прочные и удобные в эксплуатации, чем существующие аналоги. Если обычная гусеница повреждается, ее можно только выбросить. Наши гусеницы поддаются ремонту – достаточно заменить поврежденную часть. Это удешевляет ее почти на 70% по сравнению с другими мировыми образцами», – сообщил конструктор.

Кузнецов: Украинский автомобиль уже вызвал большой интерес. Фото из архива Александра Кузнецова

Он подчеркнул, что реализации проекта способствовали благоприятные экономические условия, которые в ОАЭ созданы для бизнеса.

«Мы не смогли сделать все это в Киеве. Нашу идею в Украине воспринимали как странность. Не было поддержки и финансов. Экономические и административные условия в Эмиратах намного лучше. Мы быстро нашли партнеров, которые нас обеспечили помещением и технической поддержкой, при этом совершенно не вмешивались в процесс. Мы приехали в сентябре, за пару дней зарегистрировали компанию и начали работать. Здесь не нужно платить никаких налогов, даже 5% НДС, потому что наше производство находится на территории свободной экономической зоны. Когда автомобиль отправился на выставку, сотрудники таможни помогли нам решить все трудности с оформлением документов. Нам вообще здесь очень много помогали», – рассказал Кузнецов.

Кузнецов: Украинский автомобиль уже вызвал большой интерес. Фото из архива Александра Кузнецова

Он отметил, что в планах у команды доработка опытного образца и запуск серийного производства.

«Наш автомобиль уже вызвал большой интерес. Мы планируем провести дополнительные испытания и доработать опытный образец. Хотим установить дополнительное оборудование, чтобы была возможность погружаться под воду. Сейчас мы представляем БМП на гусеничном ходу, но в планах у нас и колесная версия. Также хотим поставить на автомобиль вооружение – пулемет, противотанковую систему, украинский комплекс «Сармат» производства КБ «Луч». Спрос на такие машины большой, поэтому мы собираемся запускать серийное производство», – сообщил Кузнецов.

Выставка IDEX-2021 продлится с 21-го до 25 февраля. В этом году в ней принимают участие более 900 производителей военной техники и вооружений из 59 стран.

ВИДЕО

Видео: editor GORDON / YouTube

Для Арктики и Антарктики в России создали гибридные вездеходы

По мнению нижегородских разработчиков, гибридные силовые установки в экстремальных низкотемпературных условиях работают лучше, чем традиционные ДВС. Авторы создали две модели – колесную и гусеничную – под общим именем #Русак/#Rusak.

В Петербурге в рамках международного форума «Арктика: настоящее и будущее» были представлены различные модели вездеходов с гибридной силовой установкой, которые будут доставлять грузы в Антарктиду и Арктику. Транспортные средства разработали ученые из Нижегородского государственного технического университета (НГТУ) имени Алексеева.

По словам руководитель проекта Александра Блохина, гибридная силовая установка повышает эффективность работы машины при низких температурах. «Тяговый электропривод редко пытались использовать в арктических условиях, хотя при отрицательных температурах он работает лучше, чем двигатель внутреннего сгорания», – подчеркнул разработчик.

Вездеходы представлены в двух форматах – колесные 8х8 и гусеничные. Силовые установки могут быть бензо-электрические или дизель-электрические. Оба варианта являются амфибиями, на суше развивают скорость до 60 км/ч, на воде – до 10 км/ч. Колесная машина весит 8 тонн, ее грузоподъемность – порядка 2,5 т, рассчитана на 14-18 пассажиров. Гусеничный вариант считается легким – он 4-местный, весит 3 т и на борт может взять до 500 кг. Машины, получившие имя «Русак» (Rusak), уже прошли испытания в Якутии и на Чукотке.

Сейчас в арктических условиях используют машины, которые либо перевозят грузы до 1 тонны, либо массивные «Уралы» и КАМАЗы, которые предназначены для транспортировки 5–7 тонн груза. «Получается ниша, которая никем не занята, хотя потребность для перевозки 2–3 т грузов в настоящее время есть.

Поэтому мы решили создать семейство вездеходов, которые обладают такой грузоподъемностью. Мы выбрали колесную формулу 8х8, что позволяет машинам иметь колоссальную проходимость», – пояснил Блохин.

Серийное производство вездеходов будет запущено в следующем году. По планам производства, в 2020 году будут выпущены 50 вездеходов, а впоследствии выпуск доведут до 100 машин в год. На технику уже есть предварительные заказы.

Двухмоторный привод гибридной гусеничной машины.

Контекст 1

… силовые установки для гусеничных транспортных средств активно исследуются в связи с их улучшенной экономией топлива, значительным бортовым электроснабжением и возможностью скрытной работы. Некоторые гибридные силовые агрегаты применялись на гусеничных машинах, и сообщалось о разработке и реализации прототипа [1–4]. По сравнению с гибридными колесными транспортными средствами исследования гибридных гусеничных транспортных средств с точки зрения оптимизации все еще скудны.Конструкция привода с двумя двигателями, ограниченная удельной мощностью компонентов и пространством для упаковки, принята для тяжелонагруженного гибридного гусеничного транспортного средства, как показано на Рисунке 1. Две звездочки приводятся в действие по отдельности от двух электродвигателей. Дизель-генераторная установка и блок тяговых аккумуляторных батарей обеспечивают два двигателя электрической энергией. Управляемость транспортного средства, такая как направление или поворот, поддерживается за счет управления скоростью / крутящим моментом двух двигателей, в то время как дизель-генераторная установка управляется для регулирования распределения мощности между генератором и аккумулятором.Этот автомобиль в основном работает как серийный гибрид, за исключением разворотов, когда внешний двигатель приводится в движение, а внутренний выполняет торможение. Контроллер контроля оценивает намерение водителя и оптимальным образом координирует работу двигатель-генераторной установки, аккумуляторной батареи и двух электродвигателей. На рисунке 1 также показана конструкция безопасности, в которой установлена ​​группа резисторов, которые могут быть переключателями в случае, если напряжение шины постоянного тока превышает пороговое значение. Несколько исследований были сосредоточены на разработке размеров и конфигурации для поддержания управляемости, а также разработке стратегии управления для оптимальной экономии топлива [5–8].Одновременное исследование размеров параметров и стратегии управления относительно мало работ. Общая методология итеративного проектирования использовалась для оптимального проектирования установки и контроллера [9], и она успешно применялась для комбинированной оптимизации автомобильной подвески и топливных элементов [9,10]. Что касается проектирования оптимального управления, методы динамического программирования широко применялись к колесным гибридным транспортным средствам и признаны академическим сообществом за их универсальную применимость для задач с дискретным или непрерывным состоянием с ограничениями [11–14].В этой статье итеративная комбинированная методология оптимизации «установка-контроллер» применяется для одновременной оптимизации ключевых параметров трансмиссии и стратегии управления гусеничным гибридным транспортным средством. Автоматический процесс итеративно оценивает расход топлива по мере изменения параметров определения размеров до тех пор, пока общий результат оптимального определения размеров и управления не станет …

Контекст 2

… силовые установки для гусеничных транспортных средств активно разрабатываются благодаря их усовершенствованию. экономия топлива, значительное бортовое электроснабжение и возможность скрытного управления.Некоторые гибридные силовые агрегаты применялись на гусеничных машинах, и сообщалось о разработке и реализации прототипа [1–4]. По сравнению с гибридными колесными транспортными средствами исследования гибридных гусеничных транспортных средств с точки зрения оптимизации все еще скудны. Конструкция привода с двумя двигателями, ограниченная удельной мощностью компонентов и пространством для упаковки, принята для тяжелонагруженного гибридного гусеничного транспортного средства, как показано на Рисунке 1. Две звездочки приводятся в действие по отдельности от двух электродвигателей. Дизель-генераторная установка и блок тяговых аккумуляторных батарей обеспечивают два двигателя электрической энергией.Управляемость транспортного средства, такая как направление или поворот, поддерживается за счет управления скоростью / крутящим моментом двух двигателей, в то время как дизель-генераторная установка управляется для регулирования распределения мощности между генератором и аккумулятором. Этот автомобиль в основном работает как серийный гибрид, за исключением разворотов, когда внешний двигатель приводится в движение, а внутренний выполняет торможение. Контроллер контроля оценивает намерение водителя и оптимальным образом координирует работу двигатель-генераторной установки, аккумуляторной батареи и двух электродвигателей.На рисунке 1 также показана конструкция безопасности, в которой установлена ​​группа резисторов, которые могут быть переключателями в случае, если напряжение шины постоянного тока превышает пороговое значение. Несколько исследований были сосредоточены на разработке размеров и конфигурации для поддержания управляемости, а также разработке стратегии управления для оптимальной экономии топлива [5–8]. Одновременное исследование размеров параметров и стратегии управления относительно мало работ. Общая методология итеративного проектирования использовалась для оптимального проектирования установки и контроллера [9], и она успешно применялась для комбинированной оптимизации автомобильной подвески и топливных элементов [9,10].Что касается проектирования оптимального управления, методы динамического программирования широко применялись к колесным гибридным транспортным средствам и признаны академическим сообществом за их универсальную применимость для задач с дискретным или непрерывным состоянием с ограничениями [11–14]. В этой статье итеративная комбинированная методология оптимизации «установка-контроллер» применяется для одновременной оптимизации ключевых параметров трансмиссии и стратегии управления гусеничным гибридным транспортным средством. Автоматический процесс итеративно оценивает расход топлива по мере изменения параметров определения размера до тех пор, пока не будет получен комбинированный оптимальный результат выбора размера и управления. ..

Конфигурация гибридного гусеничного электромобиля (см. Онлайн …

Контекст 1

… в связи с высокими требованиями к мощности существующие исследования обычно были сосредоточены на технико-экономических обоснованиях (Nederhoed and Walker, 2008; Shafer , 1997; Zou et al., 2010). Серийный гибридный гусеничный электромобиль показан на рисунке 1. Две звездочки приводятся в действие отдельно от двух электродвигателей, генератор приводится в движение дизельным двигателем, а блок тяговых аккумуляторных батарей питает или при необходимости поглощает дополнительную мощность….

Контекст 2

… когда SOC <0,7, частота вращения двигателя будет увеличиваться для зарядки аккумулятора, а когда SOC> 0,75, частота вращения двигателя будет уменьшена для разряда аккумулятора. Первоначальная стратегия управления была разработана и протестирована с помощью моделирования, и результаты показаны на Рисунке 10. Скорость двигателя регулируется для поддержания достижимого SOC. …

Контекст 3

… SOC входит в допустимый диапазон, частота вращения двигателя будет регулироваться на основе концепции охвата мощности, в которой обычно педаль двигателя следует за запрашиваемой мощностью и распределением мощности между двигателем и генератор будет определяться текущим SOC, n eng и P req.Рабочие точки двигателя показаны на рисунке 11. Общий расход дизельного топлива составляет 5184 грамма. …

Контекст 4

… Алгоритм DP был реализован в MATLAB (Sundstrom et al., 2009), и результаты показаны на рисунке 12, где скорость двигателя намного плавнее, чем у стратегии, основанной на правилах. и двигатель разгоняется примерно до 1900 об / мин, когда SOC ниже 0,65, и выключается, когда SOC выше 0,85. На рисунке 13 показаны рабочие точки двигателя, которые поддерживаются между 1700 и 1950 об / мин и в значительной степени сконцентрированы в диапазоне скоростей 1900-1920 об / мин.Общий расход дизельного топлива составляет 4677 граммов, что на 10,1% меньше первоначальной стратегии. …

Контекст 5

… Алгоритм DP был реализован в MATLAB (Sundstrom et al., 2009), и результаты показаны на рисунке 12, где скорость двигателя намного плавнее, чем у стратегии, основанной на правилах. и двигатель разгоняется примерно до 1900 об / мин, когда SOC ниже 0,65, и выключается, когда SOC выше 0,85. На рисунке 13 показаны рабочие точки двигателя, которые поддерживаются между 1700 и 1950 об / мин и в значительной степени сконцентрированы в диапазоне скоростей 1900-1920 об / мин.Общий расход дизельного топлива составляет 4677 граммов, что на 10,1% меньше первоначальной стратегии. …

Контекст 6

… диапазон напряжения аккумуляторной батареи определяется количеством элементов батареи, подключенных последовательно. Когда используется другое количество ячеек и DP применяется для оптимизации управления, рабочие точки двигателя перемещаются соответственно, как показано на рисунке 14. Когда выбрано 25 отдельных ячеек, двигатель работает более эффективно, а общий расход топлива составляет 4352 грамма. , 16.На 1% меньше, чем при исходной стратегии контроля, и на 7,0% меньше, чем в случае с 37 клетками. …

Контекст 7

… Выбрано 25 отдельных ячеек, двигатель работает более эффективно, а общий расход топлива составляет 4352 грамма, что на 16,1% меньше, чем в исходной стратегии управления, и на 7,0% меньше, чем у шкаф на 37 ячеек. Временные характеристики аккумуляторных блоков, состоящих из 25, 31 и 37 ячеек, показаны на рисунке 15. Напряжение на шине составляет около 460 В (37 ячеек), 380 В (31 элемент) и 310 В (25 ячеек), а выходной ток. необходимо изменить обратно пропорционально для сохранения того же источника питания….

Контекст 8

… непричинные результаты DP необходимо дополнительно обработать, чтобы сформировать реализуемые правила управления. На рисунках 14 и 15 можно соблюдать следующие правила: • аккумулятор всегда заряжается до высокого SOC = 0,75 ~ 0,85, затем разряжается до SOC = 0,65 и затем заряжается снова . ..

Контекст 9

.. . во время зарядки существует соответствующая взаимосвязь между частотой вращения двигателя и потребляемой мощностью, и двигатель имеет тенденцию оставаться на нескольких уровнях скорости, как показано на рисунке 16 • во время разгрузки частота вращения двигателя будет поддерживаться на уровне около 1200 об / мин, чтобы избежать большого разряда тока….

Контекст 10

… правила, полученные из результатов DP, применяются к автомобилю с оптимальным размером батареи (25 ячеек). Результаты показаны на рисунке 17. Аккумуляторная батарея заряжается до SOC> 0,85 и разряжается до SOC <0,6, а двигатель регулируется в основном в пределах экономичного диапазона между 1100 и 1500 об / мин, иногда поддерживая высокую скорость. уровень, чтобы избежать чрезмерного разряда тока. ...

Контекст 11

… Аккумуляторная батарея заряжается до SOC> 0,85 и разряжается до SOC <0,6, а двигатель регулируется в основном в пределах экономичного диапазона между 1100 об / мин и 1500 об / мин, иногда поддерживая высокую скорость, чтобы избежать чрезмерной разрядки . На рисунке 18 показана область, в которой работает двигатель. Ясно, что рабочие точки двигателя переместились в область с большей экономией топлива. …

Context 12

… Улучшение экономии топлива благодаря новому правилу управления также подтверждается контрастом между полевым экспериментом и результатами моделирования на основе реального графика движения.В графике относительно высокоскоростного вождения, показанном на рисунке 19, частота вращения двигателя находится в диапазоне от 1200 до 1400 об / мин, что ниже, чем 1800-1900 об / мин в эксперименте, что означает, что по мере уменьшения количества аккумуляторных элементов и номинального напряжения аккумуляторной батареи двигатель перемещает свою рабочую зону из диапазона высоких скоростей в диапазон низких скоростей с большей экономией топлива. Это логически подразумевает улучшение экономии топлива при применении правила управления на основе DP. …

Контекст 13

. .. логически подразумевает улучшение экономии топлива при применении правила управления на основе DP. Рисунок 16 Двигатель имеет тенденцию оставаться в некотором диапазоне скоростей (цвета см. В онлайн-версии) Рисунок 17 Результаты с улучшенной стратегией, основанной на правилах, извлеченной из DP (см. Онлайн-версию для цветов) Рисунок 18 Рабочие точки двигателя с извлеченной улучшенной стратегией, основанной на правилах из DP (цвета см. в онлайн-версии) …

Контекст 14

… логически подразумевает улучшение экономии топлива при применении правила управления на основе DP.Рисунок 16 Двигатель имеет тенденцию оставаться в некотором диапазоне скоростей (цвета см. В онлайн-версии) Рисунок 17 Результаты с улучшенной стратегией, основанной на правилах, извлеченной из DP (см. Онлайн-версию для цветов) Рисунок 18 Рабочие точки двигателя с извлеченной улучшенной стратегией, основанной на правилах из DP (цвета см. в онлайн-версии) …

Контекст 15

. .. логически подразумевает улучшение экономии топлива при применении правила управления на основе DP. Рисунок 16 Двигатель имеет тенденцию оставаться в некотором диапазоне скоростей (цвета см. В онлайн-версии) Рисунок 17 Результаты с улучшенной стратегией, основанной на правилах, извлеченной из DP (см. Онлайн-версию для цветов) Рисунок 18 Рабочие точки двигателя с извлеченной улучшенной стратегией, основанной на правилах от DP (цвета см. в онлайн-версии)…

Интеллектуальное управление энергопотреблением для гибридных гусеничных электромобилей с использованием онлайн-обучения с подкреплением

Автор

• Du, Guodong
• Zou, Юань
• Чжан, Сюйдун
• Kong, Zehui
• Ву, Цзиньлун
• Он, Динбо

Abstract

Подход к управлению энергопотреблением гибридных электромобилей имеет потенциал для преодоления нарастающего энергетического кризиса и загрязнения окружающей среды за счет снижения расхода топлива. В этом документе предлагается обновленная онлайн-стратегия управления энергопотреблением для повышения экономии топлива гибридных гусеничных электромобилей. В основе исследования — полная модель гибридного гусеничного электромобиля, детально построенная и проверенная в ходе полевого эксперимента. Чтобы ускорить скорость сходимости расчета политики управления, применяется новый алгоритм обучения с подкреплением, называемый быстрым Q-обучением, который увеличивает скорость вычислений на 16%. Представлены облачные вычисления, позволяющие взять на себя основную вычислительную нагрузку для реализации стратегии управления энергопотреблением в режиме онлайн-обновления на стенде аппаратного моделирования.Скорость расхождения Кульбака-Лейблера для запуска обновления стратегии управления спроектирована и реализована на стенде аппаратного моделирования. Результаты моделирования показывают, что расход топлива стратегии онлайн-обновления на основе быстрого Q-обучения на 4,6% ниже, чем у стационарной стратегии, и близок к расходу топлива стратегии динамического программирования. Кроме того, время расчета предлагаемого метода составляет всего 1,35 с, что намного меньше, чем у метода, основанного на динамическом программировании. Результаты показывают, что предложенная стратегия управления энергопотреблением может значительно улучшить экономию топлива и может быть применена в приложении реального времени.Более того, адаптируемость онлайн-стратегии управления энергопотреблением подтверждается тремя реалистичными графиками движения.

Предлагаемое цитирование

Скачать полный текст от издателя

Поскольку доступ к этому документу ограничен, вы можете поискать его другую версию.

Ссылки на IDEAS

1. Зею Чен, Руй Сюн, Кунью Ван и Бинь Цзяо, 2015. « Оптимальная стратегия управления энергопотреблением подключаемого гибридного электромобиля на основе алгоритма оптимизации роя частиц «, Энергия, MDPI, Open Access Journal, vol.8 (5), страницы 1-18, апрель.
2. Тровао, Жуан П. и Перейринья, Пауло Г. и Хорхе, Умберто М. и Антунес, Карлос Хенггелер, 2013. « Многоуровневая система управления энергопотреблением для электромобилей с несколькими источниками — интегрированный метаэвристический подход на основе правил », Прикладная энергия, Elsevier, т. 105 (C), страницы 304-318.
3. Тан, Сяолинь и Чжан, Дэцзю и Лю, Тэн и Хаджепур, Амир и Ю, Хайшэн и Ван, Хун, 2019. « Исследование управления энергией двухмоторного гибридного транспортного средства во время процесса запуска и остановки двигателя », Энергия, Elsevier, т.166 (C), страницы 1181-1193.
4. М. Сабри, М.Ф. И Данапаласингам, К.А. И Рахмат, М.Ф., 2016. « Обзор архитектуры гибридных электромобилей и стратегии управления энергопотреблением », Обзоры возобновляемой и устойчивой энергетики, Elsevier, vol. 53 (C), страницы 1433-1442.
5. Peng, Jiankun & He, Hongwen & Xiong, Rui, 2017. « Стратегия управления энергопотреблением на основе правил для последовательно-параллельной гибридной электрической шины, оптимизированной с помощью динамического программирования », Прикладная энергия, Elsevier, т.185 (P2), страницы 1633-1643.
6. Лю, Тэн и Ван, Бо и Ян, Ченгланг, 2018. « Онлайн-управление энергопотреблением на основе цепей Маркова для гибридного гусеничного транспортного средства с быстрым Q-Learning », Энергия, Elsevier, т. 160 (C), страницы 544-555.
7. Цзоу, Юань и Лю, Дэн и Лю, Дексин и Сунь, Фэнчунь, 2016. « Управление энергопотреблением в реальном времени на основе обучения с подкреплением для гибридной гусеничной машины », Прикладная энергия, Elsevier, т. 171 (C), страницы 372-382.
8. Юань Цзоу и Фэнчунь Сунь, Сяосун Ху, Лино Гуззелла и Хуэй Пэн, 2012.« Комбинированная оптимальная калибровка и управление для гибридной гусеничной машины », Энергия, MDPI, Open Access Journal, vol. 5 (11), страницы 1-14, ноябрь.
9. М. Хади Амини и Оркун Карабасоглу, 2018. « Оптимальная работа взаимозависимых энергосистем и электрифицированных транспортных сетей ,» Энергия, MDPI, Open Access Journal, vol. 11 (1), страницы 1-25, январь.
10. Цинь, Чжаобо и Ло, Юйгун и Чжуан, Вэйчао и Пан, Цзихэн и Ли, Кэцян и Пэн, Хуэй, 2018.« Одновременная оптимизация топологии, управления и размера для многорежимных гибридных гусеничных машин », Прикладная энергия, Elsevier, т. 212 (C), страницы 1627-1641.
11. Пандиан Васант и Утку Косе и Дзюнзо Ватада, 2017. « Метаэвристические методы повышения эффективности и производительности термоэлектрических охлаждающих устройств », Энергия, MDPI, Open Access Journal, vol. 10 (11), страницы 1-50, октябрь.
12. Сян, Чанлэ и Дин, Фэн и Ван, Вейда и Хэ, Вэй, 2017.« Управление энергопотреблением двухрежимного гибридного электромобиля с разделением мощности на основе прогнозирования скорости и управления прогнозированием нелинейной модели », Прикладная энергия, Elsevier, т. 189 (C), страницы 640-653.
13. Тэн Лю и Юань Цзоу, Дэксин Лю и Фэнчунь Сунь, 2015. « Стратегия управления энергопотреблением на основе обучения с подкреплением для гибридного гусеничного электромобиля », Энергия, MDPI, Open Access Journal, vol. 8 (7), страницы 1-18, июль.
14. Wu, Yuankai & Tan, Huachun & Peng, Jiankun & Zhang, Hailong & He, Hongwen, 2019.« Глубокое обучение с подкреплением управления энергопотреблением со стратегией непрерывного управления и информацией о движении для последовательно-параллельного подключаемого гибридного электрического автобуса », Прикладная энергия, Elsevier, т. 247 (C), страницы 454-466.

(включая те, которые не соответствуют элементам в IDEAS)

Цитаты

Цитаты извлекаются проектом CitEc, подпишитесь на его RSS-канал для этого элемента.

Цитируется:

1. Чжан, Вэй и Ван, Цзисинь и Лю, Юн и Гао, Гуанцзун и Лян, Сивен и Ма, Хунфэн, 2020.« Интеллектуальная архитектура управления энергопотреблением на основе обучения с подкреплением для гибридной строительной техники », Прикладная энергия, Elsevier, т. 275 (С).
2. Du, Guodong & Zou, Yuan & Zhang, Xudong & Liu, Teng & Wu, Jinlong & He, Dingbo, 2020. « Управление энергопотреблением на основе глубокого обучения с подкреплением для гибридного электромобиля », Энергия, Elsevier, т. 201 (С).
3. Гэн, Венран и Лу, Диминг и Ван, Чен и Чжан, Тонг, 2020.» Каскадный метод оптимизации управления энергопотреблением многомодовых гибридных электромобилей с разделением мощности «, Энергия, Elsevier, т. 199 (С).
4. Баоди Чжан и Шэн Го, Синь Чжан и Цичэн Сюэ и Лан Тенг, 2020. « Адаптивная сглаживающая стратегия управления мощностью на основе карты оптимальной эффективности для гибридного гусеничного электромобиля », Энергия, MDPI, Open Access Journal, vol. 13 (8), страницы 1-25, апрель.
5. Ву, Итао и Чжан, Юаньцзян и Ли, Гуан и Шэнь, Цзянвэй и Чен, Чжэн и Лю, Юнган, 2020 г.« Прогнозирующая стратегия управления энергопотреблением для многомодовых подключаемых гибридных электромобилей на основе мульти нейронных сетей », Энергия, Elsevier, т. 208 (С).
6. Сян, Лю, 2020. « Оптимизация сотрудничества в цепочке поставок энергии в чрезвычайных ситуациях с групповым консенсусом посредством обучения с подкреплением с учетом некооперативного поведения » Энергия, Elsevier, т. 210 (С).
7. Kong, Xiangyu & Kong, Deqian & Yao, Jingtao & Bai, Linquan & Xiao, Jie, 2020.« Онлайн-оценка реакции спроса на основе долговременной краткосрочной памяти и обучения с подкреплением », Прикладная энергия, Elsevier, т. 271 (С).

Самые популярные товары

Это элементы, которые чаще всего цитируют те же работы, что и эта, и цитируются в тех же работах, что и эта.

1. Chen, Zheng & Hu, Hengjie & Wu, Yitao & Zhang, Yuanjian & Li, Guang & Liu, Yonggang, 2020. « Управление прогнозированием стохастической модели для управления энергопотреблением подключаемых гибридных электромобилей с разделением мощности на основе обучения с подкреплением », Энергия, Elsevier, т.211 (С).
2. Wu, Yuankai & Tan, Huachun & Peng, Jiankun & Zhang, Hailong & He, Hongwen, 2019. « Глубокое обучение с подкреплением управления энергопотреблением со стратегией непрерывного управления и информацией о движении для последовательно-параллельного подключаемого гибридного электрического автобуса », Прикладная энергия, Elsevier, т. 247 (C), страницы 454-466.
3. Лю, Юнган и Лю, Цзюньцзюнь и Чжан, Юаньцзян и Ву, Итао и Чен, Чжэн и Е, Мин, 2020. « Стратегия управления энергопотреблением гибридных транспортных средств на топливных элементах, основанная на обучении правилам, с учетом многоцелевой оптимизации », Энергия, Elsevier, т.207 (С).
4. Du, Guodong & Zou, Yuan & Zhang, Xudong & Liu, Teng & Wu, Jinlong & He, Dingbo, 2020. « Управление энергопотреблением на основе глубокого обучения с подкреплением для гибридного электромобиля », Энергия, Elsevier, т. 201 (С).
5. Лиан, Жэньцзун и Пэн, Цзянькунь и Ву, Юанькай и Тан, Хуачунь и Чжан, Хайлун, 2020. « Стратегия управления энергопотреблением на основе глубокого обучения с подкреплением с введением правил для гибридного электромобиля с разделением мощности », Энергия, Elsevier, т.197 (С).
6. Perera, A.T.D. И Камаларубан, Парамесваран, 2021 г. « Применение обучения с подкреплением в энергетических системах ,» Обзоры возобновляемой и устойчивой энергетики, Elsevier, vol. 137 (С).
7. Гэн, Венран и Лу, Диминг и Ван, Чен и Чжан, Тонг, 2020. « Каскадный метод оптимизации управления энергопотреблением многомодовых гибридных электромобилей с разделением мощности «, Энергия, Elsevier, т. 199 (С).
8. Ли, Цзи и Чжоу, Цюань и Хэ, Инлун и Шуай, Бин и Ли, Цзыян и Уильямс, Хув и Сюй, Хунмин, 2019.» Двухконтурное интерактивное интеллектуальное программирование для ориентированного на водителя прогнозирования управления энергопотреблением подключаемых гибридных электромобилей «, Прикладная энергия, Elsevier, т. 253 (C), страницы 1-1.
9. Чжуан, Вэйчао и Ли (Эбен), Шэнбо и Чжан, Сяову и Кум, Дунсук и Сун, Цзыю и Инь, Гуодун и Цзюй, Фэй, 2020. « Обзор исследований конфигурации трансмиссии на гибридных электромобилях », Прикладная энергия, Elsevier, т. 262 (С).
10. Han, Xuefeng & He, Hongwen & Wu, Jingda & Peng, Jiankun & Li, Yuecheng, 2019.« Управление энергопотреблением на основе обучения с подкреплением с двойным глубоким Q-обучением для гибридного электрического гусеничного транспортного средства », Прикладная энергия, Elsevier, т. 254 (С).
11. Цзоу, Юань и Лю, Дэн и Лю, Дексин и Сунь, Фэнчунь, 2016. « Управление энергопотреблением в реальном времени на основе обучения с подкреплением для гибридной гусеничной машины », Прикладная энергия, Elsevier, т. 171 (C), страницы 372-382.
12. Васкес-Кантели, Хосе Р. и Надь, Золтан, 2019. « Обучение с подкреплением для реагирования на спрос: обзор алгоритмов и методов моделирования », Прикладная энергия, Elsevier, т. 235 (C), страницы 1072-1089.
13. Бизон, Нику, 2017. « Энергетическая оптимизация системы топливных элементов с использованием алгоритма поиска глобального экстремума », Прикладная энергия, Elsevier, т. 206 (C), страницы 458-474.
14. Ван, Бин и Сюй, Цзюнь и Цао, Бингган и Нин, Бо, 2017. « Стратегия адаптивного переключения режимов, основанная на оптимизации имитации отжига многомодовой гибридной системы накопления энергии для электромобилей », Прикладная энергия, Elsevier, т. 194 (C), страницы 596-608.
15. Чжан, Хайлун и Пэн, Цзянькунь и Тан, Хуачунь и Донг, Ханьсюань и Дин, Фан и Ран, Бин, 2020. « Решение долгосрочной динамики SOC для управления энергопотреблением гибридных электрических автобусов посредством оптимизации адаптивной политики », Прикладная энергия, Elsevier, т. 269 ​​(С).
16. Xiong, Rui & Cao, Jiayi & Yu, Quanqing, 2018. « Управление мощностью в реальном времени на основе обучения с подкреплением для гибридной системы накопления энергии в подключаемом гибридном электромобиле », Прикладная энергия, Elsevier, т. 211 (C), страницы 538-548.
17. Чжуан, Weichao & Zhang, Xiaowu & Li, Daofei & Wang, Liangmo & Yin, Guodong, 2017. «Дизайн карты переключения режимов и интегрированное управление энергопотреблением многомодового гибридного электромобиля », Прикладная энергия, Elsevier, т. 204 (C), страницы 476-488.
18. Фенци Чжан и Лихуа Ван, Сердар Коскун и Хуэй Панг, Яхуи Цуй и Цзюньцян Си, 2020. « Стратегии управления энергопотреблением для гибридных электромобилей: обзор, классификация, сравнение и перспективы », Энергия, MDPI, Open Access Journal, vol.13 (13), страницы 1-36, июнь.
19. Лихуа Ван и Яхуи Цуй, Фенци Чжан и Гуанглей Ли, 2020. « Архитектура планетарной гибридной системы трансмиссии: обзор, классификация и сравнение «, Энергия, MDPI, Open Access Journal, vol. 13 (2), страницы 1-24, январь.
20. Кеган Чжао и Цзинхао Бэй, Янвэй Лю и Чжихао Лян, 2019. « Разработка глобального алгоритма оптимизации для последовательно-параллельной стратегии управления энергией PHEV на основе метода псевдоспектрального узла Радау », Энергия, MDPI, Open Access Journal, vol. 12 (17), страницы 1-23, август.

Исправления

Все материалы на этом сайте предоставлены соответствующими издателями и авторами. Вы можете помочь исправить ошибки и упущения. При запросе исправления укажите дескриптор этого элемента: RePEc: eee: appene: v: 251: y: 2019: i: c: 67 . См. Общую информацию о том, как исправить материал в RePEc.

По техническим вопросам, касающимся этого элемента, или для исправления его авторов, названия, аннотации, библиографической информации или информации для загрузки, обращайтесь: (Nithya Sathishkumar).Общие контактные данные поставщика: http://www.elsevier.com/wps/find/journaldescription.cws_home/405891/description#description .

Если вы создали этот элемент и еще не зарегистрированы в RePEc, мы рекомендуем вам сделать это здесь. Это позволяет связать ваш профиль с этим элементом. Это также позволяет вам принимать потенциальные ссылки на этот элемент, в отношении которых мы не уверены.

Если CitEc распознал ссылку, но не связал с ней элемент в RePEc, вы можете помочь с этой формой .

Если вам известно об отсутствующих элементах, цитирующих этот элемент, вы можете помочь нам создать эти ссылки, добавив соответствующие ссылки таким же образом, как указано выше, для каждого ссылочного элемента. Если вы являетесь зарегистрированным автором этого элемента, вы также можете проверить вкладку «Цитаты» в своем профиле RePEc Author Service, поскольку там могут быть некоторые цитаты, ожидающие подтверждения.

Обратите внимание, что исправления могут занять пару недель, чтобы отфильтровать различные сервисы RePEc.

Storm бронированный MPV работает на гибридной силовой установке и является амфибией

Компания из Украины Highland Systems демонстрирует интересный бронированный автомобиль на выставке IREX Defense Expo в Абу-Даби. Storm использует гибридную трансмиссию и имеет полностью амфибийные возможности. Это означает, что он может работать как на суше, так и в воде. Интересно, что компания работает над версией корабля, который скоро будет запущен, который также будет погружным.

The Storm — это гусеничный военный автомобиль, и хотя это, конечно, не первый гусеничный автомобиль-амфибия, он первым использует гибридно-электрическую трансмиссию. Автомобиль имеет запас хода от 18 до 36 часов в гибридном режиме с включенным дизельным расширителем диапазона. Он также может работать от аккумулятора до 3,5 часов, в зависимости от скорости работы.

Автомобиль довольно массивный, весит 17 600 фунтов, и в нем могут разместиться шесть человек. Его гибридный силовой агрегат выдает 2500 лошадиных сил.Обладая такой большой мощностью, массивный автомобиль впечатляет: максимальная скорость составляет 87 миль в час на суше или 18,6 миль в час на воде. Это в три раза быстрее, чем у других конкурентов в этом сегменте. Он также способен выдерживать волны в открытом океане до 60 дюймов.

Автомобиль имеет дорожный просвет 20 дюймов, а его гусеницы сделаны из прочной резины. Он может подниматься по вертикальным ступеням высотой до 60 дюймов и перемещаться по рву шириной 80 дюймов. Его гусеницы имеют модульную конструкцию и позволяют заменять отдельные гусеницы, а не всю гусеницу.Этот элемент конструкции делает автомобиль на 70 процентов дешевле в эксплуатации по сравнению с другими гусеничными моделями.

Storm также имеет броню, обеспечивающую защиту от баллистики, мин и СВУ до уровня 1 или 2 по STANAG. Автомобиль также может управляться дистанционно, что позволяет выполнять миссии без экипажа или автономно. В настоящее время Storm представляет собой прототип, над которым работает компания: погружная версия и колесная версия. Компания действительно планирует запустить автомобиль в производство, заявляя о высоком спросе.

A Иерархическое управление энергией для гибридного электрического гусеничного транспортного средства с учетом планирования скорости с помощью псевдоспектрального метода

В этой статье предлагается иерархическая стратегия управления энергией (EMS) для гибридного электрического гусеничного транспортного средства (HETV) с учетом двухгусеничного планирования скорости на основе псевдоспектрального метода (PM). Ограниченный опорным путем, известным априори, верхний уровень иерархической EMS находит оптимальную скорость двух дорожек, в которой крутящие моменты двух двигателей выбираются в качестве управляющей переменной для минимизации целевой функции, компромисса с потреблением энергии и точность отслеживания пути.На основе полученного оптимального профиля скорости нижний уровень распределяет потребляемую мощность между двигателем-генератором и аккумулятором, чтобы минимизировать потребление энергии. Иерархическая система EMS предназначена для минимизации энергопотребления, обеспечивая при этом основу для отслеживания пути транспортного средства. Оба уровня используют PM, который преобразует задачу оптимального управления (OCP) в задачу нелинейного программирования (NLP), и используется решатель Sparse Nonlinear OPTimizer (SNOPT). Результаты моделирования показывают, что экономия топлива PM превосходит динамическое программирование (DP).По сравнению с DP, иерархическая система EMS может снизить потребление топлива на 3,92% при значительном сокращении вычислительной нагрузки. Наконец, полевые эксперименты показывают, что предлагаемый метод улучшает экономию топлива на 14,85% по сравнению с EMS, основанной на правилах, без планирования оптимальной скорости.

• URL записи:
• Наличие:
• Дополнительные примечания:
• Авторов:
• Дата публикации: 2020-6

Язык

Информация для СМИ

Предмет / указатель терминов

Информация для подачи

• Регистрационный номер: 01750013
• Тип записи: Публикация
• Файлы: TRIS
• Дата создания: 31 июля 2020 14:30

% PDF-1.7 % 1049 0 объект > эндобдж xref 1049 145 0000000016 00000 н. 0000004925 00000 н. 0000005161 00000 п. 0000005205 ​​00000 н. 0000005242 00000 н. 0000006124 00000 н. 0000006238 00000 п. 0000006352 00000 п. 0000006468 00000 н. 0000006584 00000 н. 0000006699 00000 н. 0000006815 00000 н. 0000006929 00000 н. 0000007045 00000 н. 0000007160 00000 н. 0000007276 00000 н. 0000007392 00000 н. 0000007508 00000 н. 0000007624 00000 н. 0000007738 00000 п. 0000007854 00000 п. 0000007961 00000 п. 0000008070 00000 н. 0000008180 00000 н. 0000008290 00000 н. 0000008396 00000 н. 0000008505 00000 н. 0000008615 00000 н. 0000008700 00000 н. 0000008785 00000 н. 0000008870 00000 н. 0000008954 00000 п. 0000009039 00000 н. 0000009122 00000 н. 0000009207 00000 н. 0000009290 00000 н. 0000009374 00000 п. 0000009459 00000 н. 0000009542 00000 н. 0000009627 00000 н. 0000009711 00000 н. 0000009796 00000 н. 0000009880 00000 н. 0000009964 00000 н. 0000010049 00000 п. 0000010133 00000 п. 0000010217 00000 п. 0000010300 00000 п. 0000010383 00000 п. 0000010465 00000 п. 0000010547 00000 п. 0000010630 00000 п. 0000010712 00000 п. 0000010794 00000 п. 0000010875 00000 п. 0000010960 00000 п. 0000011045 00000 п. 0000011130 00000 п. 0000011215 00000 п. 0000011301 00000 п. 0000011386 00000 п. 0000011472 00000 п. 0000011557 00000 п. 0000011642 00000 п. 0000012139 00000 п. 0000012302 00000 п. 0000012764 00000 п. 0000012988 00000 п. 0000013170 00000 п. 0000013249 00000 п. 0000013666 00000 п. 0000014177 00000 п. 0000014830 00000 п. 0000015035 00000 п. 0000015331 00000 п. 0000015401 00000 п. 0000015601 00000 п. 0000017442 00000 п. 0000017844 00000 п. 0000018256 00000 п. 0000018605 00000 п. 0000018821 00000 п. 0000020781 00000 п. 0000020949 00000 п. 0000021152 00000 п. 0000021235 00000 п. 0000023089 00000 п. 0000024770 00000 п. 0000026263 00000 п. 0000027772 00000 п. 0000028132 00000 п. 0000028426 00000 п. 0000028623 00000 п. 0000030136 00000 п. 0000031841 00000 п. 0000032319 00000 п. 0000038437 00000 п. 0000042723 00000 п. 0000043133 00000 п. 0000043742 00000 п. 0000044306 00000 п. 0000050559 00000 п. 0000099821 00000 н. 0000117575 00000 п. 0000117970 00000 п. 0000118061 00000 н. 0000118172 00000 н. 0000119535 00000 н. 0000119751 00000 н. 0000121513 00000 н. 0000121769 00000 н. 0000122311 00000 н. 0000122436 00000 н. 0000148010 00000 н. 0000148051 00000 н. 0000148601 00000 н. 0000148739 00000 н. 0000171506 00000 н. 0000171547 00000 н. 0000171611 00000 н. 0000171727 00000 н. 0000171808 00000 н. 0000171880 00000 н. 0000171959 00000 н. 0000172038 00000 н. 0000172117 00000 н. 0000172178 00000 н. 0000172480 00000 н. 0000172631 00000 н. 0000172735 00000 н. 0000172867 00000 н. 0000172991 00000 н. 0000173182 00000 н. 0000173408 00000 н. 0000173588 00000 н. 0000173873 00000 н. 0000174067 00000 н. 0000174215 00000 н. 0000174424 00000 н. 0000174562 00000 н. 0000174694 00000 н. 0000174886 00000 н. 0000175014 00000 н. 0000175132 00000 н. 0000003196 00000 н. трейлер ] >> startxref 0 %% EOF 1193 0 объект > поток x ڤ UPg ލ oJ «E% G @ E [* R! @ (E: ũ (҇ | Nkb բ j [: 3 t: SkTc | vwno

Гибридное моделирование подвески гусеничного транспортного средства в среде реального времени

[1] Huining Feng T, Zia M, Vangheluwe H (2007) Мультиформализм моделирования и преобразования моделей для проектирования реактивных систем.В: Летняя конференция по компьютерному моделированию (SCSC 2007), июль 2007 г., Сан-Диего, Калифорния, США, с. 505–512.

[2] Syed F, Nallapa R, Ramaswamy D (2007) Интегрированная среда моделирования для детального проектирования алгоритмов, моделирования и генерации кода.В: Материалы всемирного конгресса и выставки SAE, апрель 2007 г., Детройт (штат Мичиган, США). Документ SAE 2007-01-0274.

DOI: 10.4271 / 2007-01-0274

[3] Warwick G, Norris G (2010) Успешные проекты, системная инженерия должна быть переосмыслена, если мы хотим улучшить производительность программы.Авиационная неделя Space Technol 172 (40): 72–75.

[4] Шрамм Д., Лало В., Унтеррайнер М. (2010) Применение симуляторов и инструментов моделирования для функционального проектирования мехатронных систем.Robot Autom Syst 166–167: 1–14.

DOI: 10.4028 / www.scientific.net / ssp.166-167.1

[5] Ван Бик Т.Дж., Томияма Т. (2008).

[6] Системный дизайн: разработка новых продуктов для мехатроники, Aberdeen Group, http: / www. Абердин. com.

[7] Бачич М. (2005) О программном моделировании.В: Материалы 44-й конференции IEEE по решениям и контролю.

[8] Кчук С .: Kształtowanie charakterystyk dynamicznych zawieszeń szybkobienych pojazdów gąsienicowych, Гливице-Радом (2013).

.