混合动力系统优化及智能能量管理 曾小华、王越 等 著 化学工业出版社 9787122423849 正版旧书
正版旧书 里面部分笔记 内容完好 可正常使用 旧书不附带光盘
¥
38.4
八五品
仅1件
作者曾小华、王越 等 著
出版社化学工业出版社
ISBN9787122423849
出版时间2023-03
装帧线装
页数188页
货号4797428
上书时间2024-07-16
商品详情
- 品相描述:八五品
- 商品描述
-
温馨提示:亲!旧书库存变动比较快,有时难免会有断货的情况,为保证您的利益,拍前请务必联系卖家咨询库存情况!谢谢!
书名:混合动力系统优化及智能能量管理
编号:4797428
ISBN:9787122423849[十位:]
作者:曾小华、王越 等 著
出版社:化学工业出版社
出版日期:2023年03月
页数:188
定价:128.00 元
参考重量:0.500Kg
-------------------------
新旧程度:6-9成新左右,不影响阅读,详细情况请咨询店主
如图书附带、磁带、学习卡等请咨询店主是否齐全
* 图书目录 *
第1章 绪论 001 1.1 节能与新能源汽车的发展概况 002 1.2 混合动力系统优化设计方法研究 004 1.2.1 混合动力系统构型拓扑研究现状 005 1.2.2 混合动力系统设计参数与控制联合优化研究现状 009 1.3 融合车联网信息的混合动力系统能量管理控制研究 011 1.3.1 车联网与车辆节能技术 011 1.3.2 混合动力车辆行驶工况信息研究现状 015 1.3.3 混合动力车辆能量管理策略研究现状 018 1.4 本章结语 023 第2章 混合动力系统优化设计方法 025 2.1 混合动力系统构型拓扑分析 026 2.1.1 构型拓扑生成 026 2.1.2 生成结果与分析 035 2.2 混合动力系统内外双层参数优化方法 040 2.2.1 优化三要素的确定 041 2.2.2 混合动力系统参数-控制双层优化算法设计 045 2.3 优化结果验证与分析 048 2.4 本章结语 066 第3章 基于车联网信息行驶工况处理 068 3.1 车联网信息下汽车行驶工况数据获取 069 3.1.1 新能源汽车车联网平台介绍 069 3.1.2 基于车联网的行驶工况数据获取 072 3.1.3 车联网平台下行驶工况数据质量问题 075 3.2 车联网平台下行驶工况数据缺失与数据噪声处理 077 3.2.1 基于插补与神经网络的缺失数据估计方法 078 3.2.2 基于小波变换的噪声数据滤波方法 078 3.2.3 行驶工况噪声数据清洗方法 080 3.3 车联网平台下行驶工况数据处理的评价方法 083 3.3.1 行驶工况数据误差评价指标 083 3.3.2 行驶工况特征参数评价指标 083 3.4 本章结语 084 第4章 基于车联网信息行驶工况数据挖掘 085 4.1 数据挖掘理论在行驶工况数据中的应用 086 4.2 基于能耗特性的公交线路行驶工况特征参数分析 087 4.2.1 公交线路特征统计分析 088 4.2.2 基于公交客车线路特点的行驶工况特征参数集 090 4.2.3 车辆能耗特性与工况特征关系分析 092 4.2.4 基于能耗回归分析模型的工况特征参数筛选 096 4.3 基于能耗特征与线路特征参数的固定线路行驶工况合成 097 4.3.1 基于K-Means 算法的工况聚类分析 098 4.3.2 马尔可夫链状态转移矩阵 100 4.3.3 公交线路行驶工况合成结果分析 101 4.4 基于能耗特征与线路特征参数的未来行驶工况智能预测 103 4.4.1 基于LS-SVM 和BP-NN 的智能预测模型 103 4.4.2 未来工况智能预测模型对比 105 4.4.3 未来工况预测精度影响因素分析 108 4.4.4 未来工况预测模型的鲁棒性分析 112 4.5 本章结语 114 第5章 基于行驶工况信息的分层优化自适应能量管理策略 115 5.1 行星式混合动力公交客车功率分流特性及其能量管理 116 5.1.1 双行星排功率分流式混合动力系统构型 116 5.1.2 双行星排式混合动力系统功率分流状态分析 119 5.1.3 双行星排式混合动力系统能量管理策略 121 5.2 分层优化自适应智能能量管理策略概述 125 5.2.1 分层优化自适应智能能量管理策略研究内容 125 5.2.2 分层优化自适应智能能量管理策略架构 126 5.3 基于固定线路合成工况的近似全局*优控制 127 5.3.1 考虑终止约束的全局优化SOC 轨迹求解 128 5.3.2 基于近似全局*优的模式切换规则提取 131 5.3.3 基于近似全局*优的SOC 轨迹规划模型 133 5.4 基于未来工况预测的A-ECMS 自适应控制 135 5.4.1 基于PMP 的等效燃油消耗*小策略 136 5.4.2 基于未来工况预测信息的自适应规律 139 5.4.3 基于LQR 控制器的SOC 跟随策略 140 5.5 分层优化自适应智能能量管理策略验证与分析 142 5.5.1 分层优化自适应智能能量管理策略*优性 142 5.5.2 分层优化自适应智能能量管理策略适应性 147 5.6 硬件在环试验 148 5.6.1 硬件在环试验平台 148 5.6.2 硬件在环试验结果分析 150 5.7 本章结语 153 第6章 基于固定线路全局优化的深度强化学习能量管理策略 154 6.1 学习型智能能量管理控制策略概述 155 6.1.1 学习型智能能量管理策略研究进展 155 6.1.2 学习型智能能量管理的控制问题 157 6.2 基于固定线路全局优化的深度强化学习能量管理策略 159 6.2.1 Deep Q-Learning 深度强化学习算法 159 6.2.2 基于固定线路行驶信息的深度强化学习策略架构 161 6.2.3 Deep Q-Learning 能量管理策略算法设计 162 6.3 基于固定线路全局优化的深度强化学习能量管理策略验证 163 6.3.1 F-DQL-EMS 智能能量管理策略的*优性 164 6.3.2 F-DQL-EMS 智能能量管理策略的工况适应性 167 6.4 硬件在环试验 168 6.5 两种智能能量管理策略对比分析 170 6.5.1 智能能量管理策略的*优性 170 6.5.2 智能能量管理策略的工况适应性 171 6.5.3 智能能量管理策略的总结分析 172 6.6 本章结语 172 第7章 全书总结 174 7.1 内容总结 175 7.2 未来展望 176 名词简写 178 名词索引 179 参考文献 182
— 没有更多了 —
以下为对购买帮助不大的评价