[发明专利]一种增程式燃料电池电动汽车动力装置及其控制方法在审

专利信息
申请号: 201810298605.1 申请日: 2018-04-04
公开(公告)号: CN108284752A 公开(公告)日: 2018-07-17
发明(设计)人: 陆玉正;颜森林 申请(专利权)人: 南京晓庄学院
主分类号: B60L11/12 分类号: B60L11/12;B60L11/18;B60L15/20;B60W20/00
代理公司: 南京苏高专利商标事务所(普通合伙) 32204 代理人: 李倩
地址: 211171 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 双向变流器 电控阀门 驱动电机 燃料电池 斩波器 输出 燃料电池电动汽车 高压储氢罐 动力装置 控制端口 油门踏板 制动踏板 控制器 增程式 控制器输入端 变速齿轮箱 交流输出端 直流输入端 并联动力 电动汽车 电源输出 动力电池 节能减排 燃料进口 输出连接 输出信号 传动轴 实施性 电池
【权利要求书】:

1.一种增程式燃料电池电动汽车动力装置,其特征在于,该装置包括:驱动电机(1)、双向变流器(2)、斩波器(3)、动力电池(4)、燃料电池(5)、高压储氢罐(6)、电控阀门(7)、控制器(8)、油门踏板(9)和制动踏板(10);

所述驱动电机的输出通过变速齿轮箱与电动汽车的传动轴连接,驱动电机的输入与双向变流器的交流输出端连接,双向变流器的直流输入端并联动力电池的输出与斩波器的输出,斩波器的输入与燃料电池的电源输出连接,燃料电池的燃料进口通过电控阀门与高压储氢罐的输出连接,所述控制器的输出分别与电控阀门的控制端口和双向变流器的控制端口连接,控制器输入端分别连接油门踏板和制动踏板的输出信号。

2.根据权利要求1所述的一种增程式燃料电池电动汽车动力装置,其特征在于:所述控制器为BP神经网络控制器,其中,BP神经网络的结构为2-5-2结构,即输入层神经元个数为2,中间层为神经元个数为5,输出层神经元个数为2;输入层为信号传递,输出两个控制量y1和y2

3.根据权利要求1所述的一种增程式燃料电池电动汽车动力装置,其特征在于:所述动力电池为锂离子电池。

4.一种增程式燃料电池电动汽车动力装置的控制方法,其特征在于:给定功率Pin为正时,电动汽车工作在行驶状态,为给定功率Pin为负时,电动汽车工作在制动状态,驱动电机的实际输出功率Pout驱动电动汽车,将驱动电机的实际输出功率Pout信号反馈到输入端,与给定功率Pin进行比较,构成反馈控制系统,Pout信号与Pin的信号输入到比较器中,得到功率误差信号△P,并将功率误差信号△P进行微分处理,得到功率变化率信号dP/dt,将△P与dP/dt经过控制算法得到两个控制量y1和y2,控制量y1控制电控阀门的开度,从而控制燃料电池的输出电功率;控制量y2控制双向变流器的控制端口的PWM信号,从而控制双向变流器的工作方式以及功率大小。

5.根据权利要求4所述的一种增程式燃料电池电动汽车动力装置的控制方法,其特征在于,所述控制双向变流器的工作方式包括电动汽车形式状态时的逆变状态和电动汽车工作在制动时的整流状态,逆变状态时,驱动电机运行在电动状态,动力电池给通过双向变流器,将直流逆变为交流,给驱动电机提供电力,整流状态时,驱动电机运行在发电状态,驱动电机将电动汽车的制动时产生的能量转化为电能,通过双向变流器,将驱动电机发出的交流电整流为直流,给动力电池进行充电;当油门踏板有信号产生时,驱动电机运行在发电状态,当制动踏板有信号产生时,驱动电机运行在电动状态。

6.根据权利要求4所述的一种增程式燃料电池电动汽车动力装置的控制方法,其特征在于,所述控制算法为BP神经网络控制算法,包括以下步骤:

(1)建立BP神经网络结构

BP神经网络的结构为2-5-2结构,即输入层神经元个数i=1,2,xi对应两个输入变量,输入层为信号传递;

输入变量一:x1:△P;

输入变量一:x2:dP/dt;

中间层为神经元个数j=1,2,3,4,5;中间层神经元的输入为xj,输出为xj′;

输出层为神经元个数l=1,2,输出为yl,对应两个控制量y1和y2

(2)进行BP网络的训练。

7.根据权利要求6所述的一种增程式燃料电池电动汽车动力装置的控制方法,其特征在于,所述步骤(2)包括:

(21)前向传播:计算BP神经网络输出

中间层神经元的输入为所有输入的加权之和,即:

中间层神经的输出xj′采用S函数激发xj,得:

则:

输出层神经元的输出为:

BP神经网络第l个输出去与相应理想输出的误差为:

以第p个样本为例,第p个样本的误差性能指标函数为:

(22)反向传播:采用梯度下降法,调整各层间的权值;

输出层与中间层之间的连接权值ωjl学习算法为:

式中η为学习速率,η∈[0,1];△ωjl为输出层与中间层连接至权值ωjl的变化量;

k+1时刻网络权值为:

ωjl(k+1)=ωjl(k)+△ωjl (8);

中间层与输入层之间的连接权值ωij的学习算法为:

式中,△ωij为中间层与输入层之间的连接权ωij的变化量;

t+1时刻网络权值为:

ωij(k+1)=ωij(k)+△ωij (10)。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京晓庄学院,未经南京晓庄学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810298605.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top