国产超碰女人任你爽_亚洲成人久久影院_亚洲国产成人精品无码区宅男_欧美激情在线有限公司_99久久国产视频_中文字幕久久久久人妻

　　尊敬的各位領導，各位同行，很高興有機會來參加論壇。我的題目與今天的主題好像有點對不上，但是秘書長說相關就可以，所以我就來介紹“新能源汽車動力系統發展及大數據應用”方面工作。

　　我們知道汽車發展正朝著電動化、輕量化、智能化發展，按照習總書記的說法，也是我們國家從汽車大國邁向汽車強國的必由之路。在上午各位專家和在座各位專家對全球汽車產能發展非常清楚，我們國家2020年保有量達到500萬輛，到目前為止還有接近400萬輛的差距，雖然在今年年底已經到了100萬輛，處于世界領先水平。

　　關于新能源汽車的發展，一方面出于對汽車科技本身的發展另一方面也是滿足廣大消費者的需求，我引用了一些數據，好政策是提供了最重要的動力。

　　新能源汽車三大類型，中間項是動力汽車，燃料電池和純電動，FCV和PHEV相對是比較復雜的工作，現在我們都知道新能源汽車的驅動系統正在朝著電動共平臺化趨勢發展，無論是哪一種，大家上午都講到，新能源汽車的發展正面臨著安全、電池壽命以及車輛使用過程中等方面的因素，PHEV/HEV控制問題、結構問題比較復雜，一些研究表明，同樣的車不同的循環能耗上達到37%，不同的車、不同的動力系統最大達到56%，也就是說動力系統的構成和道路環境是有待繼續提高的，HEV和PHEV可以有很多構成方案，這是初步的拓撲圖，關鍵是我們如何提出自己的方案來使得競爭力。目前我們知道PHEV大致分為這么幾類，動力分流雙電機混聯混合動力系統，單電機并聯混合動力系統，雙電極串并聯混合動力系統，路面耦合混合系統。

　　國外幾種典型的HEV/PHEV動力系統，大致分為兩類，一種是行星齒輪系耦合的，另一種是固定速比的方案，而在中國典型的也歸納一下，主要有四種方式，一種是并聯的，另一個是串聯的，大客車、小車都有類似的方案，還有功率分流，四驅電橋等方案，而基于路面耦合的構型我覺得是值得重視的。

　　我把問題歸結為幾個方面，一個是系統的設計和優化，第二是道路-環境自適應的能源動力控制、剩下里程預測，第三是故障預測、安全預測、壽命預測與健康控制問題，當然包括電池充電、電機肌痛、車身專業化等，在已有條件下設計本身需要大量數據支撐，對于第三個問題，現在還沒有很好解決的事情，我們大數據技術能不能給到一些利用，大數據具有4V特征，大家都知道，大數據在現在得到極大關注同時在極大領域都得到應用，比如教育學、情報學、公共服務等，我們新能源汽車也可以產生很多大數據，包括了產品信息、產品數據、服務信息、運行和道路環境信息的結合，車輛運行中間本身產生很多信息，比如說CAN信息、GPS信息、GIS信息等。

　　目前大數據通用價值主要體現在運銷、決策、服務。對于新能源汽車來說，一方面構建3D道路與車-路數據，車路環境識別、預測，動力系統的控制，基于對數據的處理可以來來故障監測、預測與失效控制，還能進行評價等。對于新能源汽車來說，還可以用來剩余歷程準確估計，上午也有專家提到，關于V2G、G2V也可以來實現兩者之間車和網之間很好的融合，結合起來我認為大數據驅動的電動汽車技術就可以形成。它實際上是基于歷史數據和未來數據來預測來進行歷程的估計，傳統的車輛基于過去的行程的預測，比如基于百度、谷歌地圖，行為習慣等來預測，在今后更長可能運行的實際情況怎么樣，以此來進行剩余歷程的估計，比原來的方法獲得更好的精度，而調度總量也可以進行大數據來進行，也就是多時間來預測可調度總量，一種是按小時，一種是按天來預測，研究表明，基于以前的智能方法它可以獲得更好的效果，從精度來看，提前一天來進行可調度進行預測，最大預測小于5%的效果。

　　在動力系統本身來說，我想接下來我重點介紹兩個方面的系統，一個系統是無級變速混聯，受到行業的廣泛關注，它不僅適合于傳統的HEV、PHEV，另外一種也是和單位進行合作，四模混合動力系統，基本結構是雙電極、行星齒輪和變形2檔來結合，按照現有控制方法，綜合損耗在17.4的水平，36升的，整車控制點主要進行前面介紹的平臺來進行。

　　另外，電池管理系統四大要求，高能量、低成本、長壽命、安全性，電池材料與電化學體系，是重要的基礎。電池管理、承租和回收利用，是必要的保障。

　　電池管理系統難點、關鍵，高精度、面向電池系統全壽命，避免濫用，充電控制+高校均衡，優化電池壽命。安全在于安全預測和故障定位，另外是面向電池壽命周期的熱管理。

　　這是我們所建立的電池狀態參數估計方法，把模型進行了改進，然后分這樣的情況，可以看到不同的情況下它可以很快算到真實值，經過試驗，在SOH平均誤差平均在3.1%左右水平，以前也做了實驗，SOH的誤差大概小于3%的水平，均衡獲得很好的效果。SOP基于短時段預測，小于3%的誤差我感覺問題不是很大，為了進行在滿足電池SOP約束條件下進行整車能量的規劃，更需要有更長時間的預測，基于我們前面所介紹的方法，通過電池能夠在線建模，電池基于電流和電壓相互的限制，SOP的限制和估計，估計誤差在5秒之內，基于這樣的方法，在SOP 5秒鐘或15秒、60秒，誤差基本小于3%的范圍之內。

　　我們把一些大數據驅動技術，應用到PHEV/HEV中，但還不成熟。問題在于如果自動適應不同車-路實際工礦，我們的解決方案分為四個部分，一個是車-路環境信息感知，車-路工礦預測，PHEV電能最優消耗軌跡，PHEV能量管理自適應控制，構成了幾個方面。

　　重點解決的問題是什么呢，一個是最優控制規律，第二個是車-路環境的智能識別及預測，第三是能量管理自適應控制方法，第四是最困難的問題，全局最優。為此建立模擬研究平臺，包括硬件系統和軟件系統，基于RBF和一些車輛參數來進行運行工況能量方式，比如未來工況平均車速，要基于GPS或IPS、百度地圖等數據來進行，當然我們現在進行車速平均絕對值的預測，知道這樣的能量功耗以后，如果采用DP來計算，不可能滿足我們車載運用要求，我們提出兩種辦法，SOC都是隨著前面的參數呈顯性表達方式，它和最優值、DP值進行比較，藍色的是里面最優的，參考的SOC是這條紅色的，可以看到跟蹤得非常緊，整個誤差大概在3%以內的水平。

　　對于整個控制效果，對于剛才介紹的四模混合動力系統，根據實際線路的數據，對于大客車，18.33升，DP 18.15，(見圖)基于前面的方法達到DP非常接近的效果，尤其對于不同的路譜，低于5%左右。概括起來，之所以達到這樣的效果，一方面從全局近似最優軌跡控制，另外方面是片段功率預測，再進行實時控制最優，反映出來的效果是這樣。

　　另一方面，數據應用于DMS上面，基于實車運行大數據的電池建模及模型參數、診斷和管理參數的自學習以及故障預測、安全預測，可節省電池實驗的人力、物力，來計算獲得車輛電池系統模型的參數和進行電池系統本身故障的診斷和預測，將車載傳到DMS上去，對于電池管理系統現在趨勢是基于模型或數據融合模型的管理方法，要么做簡化，要么和云端技術、超級計算等方面結合起來才有可能，現在在做這方面的工作，希望能夠為今后實現對電池系統把目前電池表觀特征檢測、診斷推進到變化行為和熱行為診斷和狀態估計、管理，希望以后能實現這么一個工作。因為只有這么做才觸及到電池老化和電池安全的本質，我們知道它的本質在于電池內部材料性質和狀態的退化，而來揭示它內部的退化，我們希望把這兩者結合起來來解決這方面的問題，希望在今后為新能源汽車或電動汽車的發展起到一定的作用。