CN115091963B 基于能耗特征与工况切分的氢燃料电池汽车能耗预估方法 （北理新源(佛山)信息科技有限公司）_第1页
CN115091963B 基于能耗特征与工况切分的氢燃料电池汽车能耗预估方法 （北理新源(佛山)信息科技有限公司）_第2页
CN115091963B 基于能耗特征与工况切分的氢燃料电池汽车能耗预估方法 （北理新源(佛山)信息科技有限公司）_第3页
CN115091963B 基于能耗特征与工况切分的氢燃料电池汽车能耗预估方法 （北理新源(佛山)信息科技有限公司）_第4页
CN115091963B 基于能耗特征与工况切分的氢燃料电池汽车能耗预估方法 （北理新源(佛山)信息科技有限公司）_第5页
已阅读5页，还剩11页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

司基于能耗特征与工况切分的氢燃料电池汽本发明提供了一种基于能耗特征与工况切分发挥了实车大数据的优势对氢燃料系统能耗特征进行挖掘，过程相对于现有技术更具针对性。方法中全面考虑了行驶过程中工况的复杂行识别，并针对不同的典型工况计算对应的能2S1、大数据平台获取目标车型多辆氢燃料电池S2、从每帧原始数据中提取出氢燃料电池的输出电流态、氢气压力几个字段，并结合这几个字段判断氢燃料电池是否正在耗能，如果判断为行上述参数字段的提取及后续步骤；S3、利用S2中提取得到的连续参数字段划分出S4、对S3中得到的所述工况特征和驾驶行为特征以燃料系统总能耗为目标执行K-S5、利用S4中得到的聚类标签、不同运动片段的规律变化的数据则采用与上一帧有效值相同的数 3耗影响的贡献率>95％的原则进一步将数据维对随机森林算法模型进行训练的效果根据模型对n个运动片段的预估能耗与真实能和XGBoost几种算法模型替代所述随机森林算法模型，并用测试集与训练集进行训练得到4种电池分别进行，如果合并计算则可能会导致氢耗部分的结果不准确或重复计算的问题。现有技术中对于氢燃料电池汽车能耗计算大多基于执行循环工况的多次试验测试来标定，力且效率低下。现有技术也有部分是基于车辆实际行驶数据对氢车能耗进行计算的方法，行上述参数字段的提取及后续步骤；动踏板标准差则用来表征运动片段中司机的驾5库；将某型号实车在实际行驶中采集的运动片段特征对应数据输入所述能耗预估模型库，进驾驶等类别。理，再利用主成分分析法(PCA)进行数据降维，根据运动片段特征对能耗影响的贡献率>[0014]对随机森林算法模型进行训练的效果根据模型对n个运动片段的预估能耗与真6[0020]上述本发明所提供的基于能耗特征与工况切分的氢燃料行上述参数字段的提取及后续步骤；7库；将某型号实车在实际行驶中采集的运动片段特征对应数据输入所述能耗预估模型库，律变化的数据则采用与上一帧有效值相同的数[0033]在本发明的一个优选实施方式中，S2中结合氢燃料电池输出电流与输出电压、 能耗影响的贡献率>95％的原则进一步将数据[0037]对随机森林算法模型进行训练的效果根据模型对n个运动片段的预估能耗与真8[0042]图4中示出了基于本发明的实例中模型训练好后的各误差性能指标，可看出通过本发明的方法得到的能耗预估模型具有较高的精XGBoost几种算法模型替代所述随机森林算法模型，并用测试集与训练集进行训

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论