Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Zhang, Tao" wg kryterium: Wszystkie pola


Wyświetlanie 1-2 z 2
Tytuł:
Research on hybrid modeling and predictive energy management for power split hybrid electric vehicle
Autorzy:
Wang, Shaohua
Zhang, Sheng
Shi, Dehua
Sun, Xiaoqiang
Yang, Tao
Powiązania:
https://bibliotekanauki.pl/articles/2173576.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
power split HEV
energy management
mixed logical dynamical model
piecewise affine
model predictive control
podział mocy
zarządzanie energią
silnik hybrydowy
model dynamiczny
model mieszany
model logiczny
technologia fragmentarycznie pokrewna
kontrola predykcyjna modelu
Opis:
Due to the coexistence of continuity and discreteness, energy management of a multi-mode power split hybrid electric vehicle (HEV) can be considered a typical hybrid system. Therefore, the hybrid system theory is applied to investigate the optimum energy distribution strategy of a power split multi-mode HEV. In order to obtain a unified description of the continuous/discrete dynamics, including both the steady power distribution process and mode switching behaviors, mixed logical dynamical (MLD) modeling is adopted to build the control-oriented model. Moreover, linear piecewise affine (PWA) technology is applied to deal with nonlinear characteristics in MLD modeling. The MLD model is finally obtained through a high level modeling language, i.e. HYSDEL. Based on the MLD model, hybrid model predictive control (HMPC) strategy is proposed, where a mixed integer quadratic programming (MIQP) problem is constructed for optimum power distribution. Simulation studies under different driving cycles demonstrate that the proposed control strategy can have a superior control effect as compared with the rule-based control strategy.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 3; art. no. e137064
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Research on hybrid modeling and predictive energy management for power split hybrid electric vehicle
Autorzy:
Wang, Shaohua
Zhang, Sheng
Shi, Dehua
Sun, Xiaoqiang
Yang, Tao
Powiązania:
https://bibliotekanauki.pl/articles/2128153.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
power split HEV
energy management
mixed logical dynamical model
piecewise affine
model predictive control
podział mocy
zarządzanie energią
silnik hybrydowy
model dynamiczny
model mieszany
model logiczny
technologia fragmentarycznie pokrewna
kontrola predykcyjna modelu
Opis:
Due to the coexistence of continuity and discreteness, energy management of a multi-mode power split hybrid electric vehicle (HEV) can be considered a typical hybrid system. Therefore, the hybrid system theory is applied to investigate the optimum energy distribution strategy of a power split multi-mode HEV. In order to obtain a unified description of the continuous/discrete dynamics, including both the steady power distribution process and mode switching behaviors, mixed logical dynamical (MLD) modeling is adopted to build the control-oriented model. Moreover, linear piecewise affine (PWA) technology is applied to deal with nonlinear characteristics in MLD modeling. The MLD model is finally obtained through a high level modeling language, i.e. HYSDEL. Based on the MLD model, hybrid model predictive control (HMPC) strategy is proposed, where a mixed integer quadratic programming (MIQP) problem is constructed for optimum power distribution. Simulation studies under different driving cycles demonstrate that the proposed control strategy can have a superior control effect as compared with the rule-based control strategy.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 3; e137064, 1--15
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies