期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
互联网分布式混合动力汽车实车在环仿真平台 被引量:5
1
作者 张毅 杨亚联 +1 位作者 陆帅 孟庆光 《汽车工程》 EI CSCD 北大核心 2017年第8期849-857,共9页
在原有混合动力汽车(HEV)硬件在环(HIL)仿真的基础上,使用互联网和车联网(IOV)并以数据耦合的形式,将作为中央控制节点的云端服务器(Cloud),作为实车在环(VIL)的纯电动汽车(EV),以及作为模拟HEV子系统的发动机硬件在环实验台架(EIL)和... 在原有混合动力汽车(HEV)硬件在环(HIL)仿真的基础上,使用互联网和车联网(IOV)并以数据耦合的形式,将作为中央控制节点的云端服务器(Cloud),作为实车在环(VIL)的纯电动汽车(EV),以及作为模拟HEV子系统的发动机硬件在环实验台架(EIL)和电池硬件在环实验台架(BIL)整合在一起,构成一个具有实车在环的分布式HEV仿真平台(ID-VIL)。这种改进后的仿真平台使原本没有混合动力系统的EV能实时模拟HEV动力系统的输出,而HEV子系统(如发动机和电池)如同工作在HEV实车上一样。最后通过一段里程约为7km的实车市区道路实验和对实验结果的透明度分析验证了ID-VIL系统的可行性和可靠性。 展开更多
关键词 混合动力汽车 分布式 实车在环仿真 硬件在环仿真
在线阅读 下载PDF
附加自由阻尼板阻尼材料降噪拓扑优化 被引量:14
2
作者 徐伟 张志飞 +1 位作者 庾鲁思 徐中明 《振动与冲击》 EI CSCD 北大核心 2017年第11期192-198,223,共8页
对附加自由阻尼的板件结构,考虑粘贴阻尼材料前后,中性面位置的变化,利用Matlab编程建立自由阻尼板有限元模型,并利用Rayleigh积分法推导了薄板结构的辐射声压表达式;以辐射声场内某点的声压最小为目标,阻尼材料的体积为约束条件,建立... 对附加自由阻尼的板件结构,考虑粘贴阻尼材料前后,中性面位置的变化,利用Matlab编程建立自由阻尼板有限元模型,并利用Rayleigh积分法推导了薄板结构的辐射声压表达式;以辐射声场内某点的声压最小为目标,阻尼材料的体积为约束条件,建立拓扑优化模型。以悬臂板结构为例,编写了拓扑优化程序,利用渐进结构优化算法,获得了阻尼材料的最优布局,并与以模态损耗因子最大为目标的拓扑优化结果进行了对比。结果表明:在主要关注目标是结构的声学性能时,直接以声压为目标的优化方法比以模态损耗因子最大为目标的优化方法更有针对性,效果更好。利用实验对仿真结果进行了实验验证。 展开更多
关键词 自由阻尼板 辐射声压 模态阻尼损耗因子 渐进结构优化 拓扑优化
在线阅读 下载PDF
质子交换膜燃料电池建模与控制的综述 被引量:12
3
作者 文泽军 闵凌云 +2 位作者 谢翌 夏凌超 张财志 《电源技术》 CAS CSCD 北大核心 2018年第11期1757-1760,共4页
概述了质子交换膜燃料电池系统的工作原理和组成,分析了基于机理的一维、二维、三维PEMFC模型和智能方法模型,介绍了包括模糊控制、自适应模糊控制、自适应模糊PID控制、预测控制和神经网络控制的国内外研究成果。最后得出融合了基于&qu... 概述了质子交换膜燃料电池系统的工作原理和组成,分析了基于机理的一维、二维、三维PEMFC模型和智能方法模型,介绍了包括模糊控制、自适应模糊控制、自适应模糊PID控制、预测控制和神经网络控制的国内外研究成果。最后得出融合了基于"黑箱"理论的建模方法和基于燃料电池内部复杂机理建模优点的复合模型是未来PEMFC建模的研究发展方向,将智能控制加入到传统控制策略中或者多种智能控制形成的组合控制策略来控制单电堆和多电堆是未来PEMFC控制的研究趋势。 展开更多
关键词 质子交换膜燃料电池 模型 控制
在线阅读 下载PDF
车用燃料电池动力系统综述 被引量:7
4
作者 魏振兴 周恩序 +2 位作者 张财志 韩明 王磊 《电源技术》 CAS 北大核心 2019年第7期1237-1240,共4页
概述了车用燃料电池动力系统配置、动力系统分类及能量管理控制策略研究进展,总结了目前的研究,提出了建议。目前的燃料电池技术受限,在为车辆提供动力时,需与其他动力源混合来满足行驶要求,而在能量管理系统优化控制中,最优控制和等效... 概述了车用燃料电池动力系统配置、动力系统分类及能量管理控制策略研究进展,总结了目前的研究,提出了建议。目前的燃料电池技术受限,在为车辆提供动力时,需与其他动力源混合来满足行驶要求,而在能量管理系统优化控制中,最优控制和等效消耗最小化控制策略可以得到很好的效果,但是目前大多数研究还未应用于实际情况,还需进一步的试验来验证其有效性。 展开更多
关键词 车用燃料电池 动力系统 综述
在线阅读 下载PDF
基于小样本的GDI涡轮增压发动机性能预测方法比较分析
5
作者 杨道广 张力 《重庆大学学报(自然科学版)》 EI CAS CSCD 北大核心 2020年第10期52-61,共10页
为了降低建立发动机性能预测模型消耗的实验成本,利用具有强大的非线性问题分析能力的机器学习算法:广义回归神经网络(general regression neural network,GRNN)和支持向量回归(support vector regression,SVR),预测GDI(gasoline direct... 为了降低建立发动机性能预测模型消耗的实验成本,利用具有强大的非线性问题分析能力的机器学习算法:广义回归神经网络(general regression neural network,GRNN)和支持向量回归(support vector regression,SVR),预测GDI(gasoline direct injection)涡轮增压发动机性能。首先采用田口正交实验法和拉丁超立方算法确定训练数据和测试数据的操作点,然后基于仅包含25个样本的相同训练数据训练模型,使用100组相同的测试数据测试GRNN和SVR的预测性能并进行了对比研究。对比分析表明,在实验数据有限的情况下,GRNN有收敛到局部最小值的风险,而SVR可以找到最优的全局解,并具有良好的预测精度和泛化能力,因此SVR非常适合应用于GDI涡轮增压发动机性能预测,并将显著降低实验成本。 展开更多
关键词 GDI涡轮增压发动机 性能预测 GRNN SVR
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部