Entwicklung von neuartigen Online-Verfahren zur optimalen Steuerung hybrider Antriebssysteme

开发用于混合动力驱动系统优化控制的新型在线流程

基本信息

批准号：
202140469
负责人：
Professor Dr.-Ing. Dirk Abel
金额：
--
依托单位：
Lehrstuhl und Institut für Regelungstechnik (IRT)
依托单位国家：
德国
项目类别：
Research Grants
财政年份：
2012
资助国家：
德国
起止时间：
2011-12-31 至 2015-12-31
项目状态：
已结题

来源：
https://gepris.dfg.de/gepris/projekt/202140469?language=en
关键词：
Entwicklung von neuartigen Online Verfahren

项目摘要

Hybride Antriebssysteme bestehen aus mindestens zwei Antriebsarten. Die Steuerung dieser Antriebssysteme hat die Aufgabe, die verfügbaren Antriebe zu jedem Betriebszeitpunkt derart zu kombinieren, dass die erforderliche Antriebskraft bereitgestellt und dabei der gesamte Energieverbrauch möglichst gering gehalten wird. Bisher existierende Betriebsstrategien sind stark von der Art des Systems, z.B. der Anordnung der Antriebe, abhängig. Unser interdisziplinäres Projekt verfolgt einen neuartigen und weitgehend systemunabhängigen Ansatz zur Optimierung der Steuerung von hybriden Antriebssystemen, der in mathematischen Modellen und realitätsnahen Simulationen evaluiert werden soll. Dieser Ansatz basiert auf der Kombination und Weiterentwicklung von Methoden aus der theoretischen Informatik, die erstmalig auf das Problem der Steuerung von hybriden Antriebssystemen angewandt werden. Insbesondere sollen nichtlineare Optimierungsverfahren sowie Methoden aus der Kontrolltheorie wie z.B. die flachheitsbasierte Optimierung mit Ansätzen des Online-Learnings verknüpft werden. Offline generierte Kontrollgesetze zur optimalen Steuerung stark vereinfachter Betriebsbereiche sollen online und ohne Vorabwissen über die Zukunft ausgewählt werden, so dass eine annähernd optimale Betriebsstrategie dynamisch gebildet wird. Die entwickelten Methoden sollen am Beispiel eines elektrischen Parallelhybridfahrzeugs getestet werden.

Zwei Antriebssysteme的心态最好。 Zwei Antriebssysteme中最好的。 Zwei Antriebssysteme中最好的是Zwei Antriebssysteme的最好的思维方式。 Zwei Antriebssysteme中最好的是Zwei Antriebssysteme中最好的。 Zwei Antriebssysteme中最好的是Zwei Antriebssysteme中最好的。 Zwei Antriebssysteme中最好的是Zwei Antriebssysteme中最好的。 Zwei Antriebssysteme中最好的是Zwei Antriebssysteme中最好的。 Zwei Antriebssysteme中最好的是Z.B. Zwei Antriebssysteme中最好的。新系统旨在开发针对混合动力ANTRIEBS系统进行优化的新系统，并且该模型是真实的，并且对新系统的评估。新系统方法论的基础知识如下：antriebe，新系统的方法的基础是：新系统的方法论的基础知识如下：antriebe：antriebe，新系统的基础知识，新系统的基础如下：Antriebe的基础，如下所示，如下所示，如下所示，如下所示，如下所示，如下所示，如下所示，如下所述：ANTRIE的基础。以下内容：Antriebe，原始系统的方法的基础如下：Antriebe，原始系统方法论的基础知识如下：Antriebe，该系统的基础知识如下：Antriebe，该系统的基础知识令人惊讶。系统的基础知识尽可能惊人，并且系统尽可能惊人。 Antriebssystemen Angewandt Werden。 insbesondere sollen nichtlineare optimierungsverfahren sowie methoden aus der kontrolltherie wie Z.B. Die Flachheitsbasierte OptimierungMitAnsätzendes在线学习VerknüpftWerden。离线杂物kontrollgesetze zur optimalen steuerung stark vereinfachter betriebsbereiche sollen在线和ohne vorabwissend zukunft aukunftausgewähltwerden，所以dasseineAnnäherndoptimaleineAnnähernd die entwickelten方法solren am beispiel eines eins elektrischen parellyhybridfahrzeugs getestet werden。

项目成果

期刊论文数量（4）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Energy Management of Parallel Hybrid Electric Vehicles based on Stochastic Model Predictive Control

DOI：
10.3182/20140824-6-za-1003.01329
发表时间：
2014
期刊：
IFAC Proceedings Volumes
影响因子：
0
作者：
Martina Josevski;D. Abel
通讯作者：
Martina Josevski;D. Abel

Multi-time scale model predictive control framework for energy management of hybrid electric vehicles

DOI：
10.1109/cdc.2014.7039774
发表时间：
2014-12
期刊：
53rd IEEE Conference on Decision and Control
影响因子：
0
作者：
Martina Josevski;D. Abel
通讯作者：
Martina Josevski;D. Abel

Learning-based control strategies for hybrid electric vehicles

基于学习的混合动力电动汽车控制策略

DOI：
10.1109/cca.2015.7320858
发表时间：
2015
期刊：
2015 IEEE Conference on Control Applications (CCA)
影响因子：
0
作者：
Geulen;Sascha ;Joševski;Martina ;Nellen;Johanna ;Janosch ;Lukas ;Wolters;Benedikt ;Abráham;Erika ;Walter
通讯作者：
Walter

A Genetic Algorithm based Control Strategy for the Energy Management Problem in PHEVs

基于遗传算法的插电式混合动力汽车能量管理问题控制策略