CN110286584A - 机动车降温控制***和方法 - Google Patents
机动车降温控制***和方法 Download PDFInfo
- Publication number
- CN110286584A CN110286584A CN201810225004.8A CN201810225004A CN110286584A CN 110286584 A CN110286584 A CN 110286584A CN 201810225004 A CN201810225004 A CN 201810225004A CN 110286584 A CN110286584 A CN 110286584A
- Authority
- CN
- China
- Prior art keywords
- unit
- data
- motor vehicle
- func
- prediction model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001816 cooling Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000013500 data storage Methods 0.000 claims description 18
- 238000013178 mathematical model Methods 0.000 claims description 15
- 238000012795 verification Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims 2
- 230000005540 biological transmission Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/24—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries
- B60L58/26—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries by cooling
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L50/00—Electric propulsion with power supplied within the vehicle
- B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/10—Vehicle control parameters
- B60L2240/36—Temperature of vehicle components or parts
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/42—Drive Train control parameters related to electric machines
- B60L2240/425—Temperature
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/48—Drive Train control parameters related to transmissions
- B60L2240/485—Temperature
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to batteries
- B60L2240/545—Temperature
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2200/00—Type of vehicle
- B60Y2200/90—Vehicles comprising electric prime movers
- B60Y2200/91—Electric vehicles
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B2700/00—Sensing or detecting of parameters; Sensors therefor
- F25B2700/21—Temperatures
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B49/00—Arrangement or mounting of control or safety devices
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/40—Bus networks
- H04L2012/40208—Bus networks characterized by the use of a particular bus standard
- H04L2012/40215—Controller Area Network CAN
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/40—Bus networks
- H04L2012/40267—Bus for use in transportation systems
- H04L2012/40273—Bus for use in transportation systems the transportation system being a vehicle
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/64—Electric machine technologies in electromobility
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本申请提供了用于机动车、特别是电动车的降温控制***和方法,包括:服务器单元以及N个客户端单元,其中N大于或等于1,所述服务器单元与所述N个客户端单元经由无线网络彼此数据连接,所述N个客户端单元能够分别在N辆机动车上设置,每个客户端单元能够实时地收集并存储对应机动车上的能够用于评价所述机动车上的需要冷却的单元的温度的计算输入数据,每个客户端单元还能够实时地收集并存储所述需要冷却的单元的温度数据,每个客户端单元还能够利用所收集的计算输入数据基于一由所述服务器单元(200)确定的预测数学模型预测所述需要冷却的单元在未来某一时刻的温度数据,并且每个客户端单元能够基于预测的温度数据使得所述需要冷却的单元选择性提前降温。
Description
技术领域
本申请大体上涉及机动车、特别是电动车中的任何需要冷却的部件的降温控制***和方法。
背景技术
出于环保原因以及越来越严格的尾气排放法规,电动车正在越来越普及。对于电动车而言,热量控制是一项非常重要的课题。例如,在电动车的运行过程中,电池组、电池管理单元、逆变器、通信模块、变速箱、电动机等单元会源源不断地产生大量热量。如果出现过热情况的话,通常会采取强制安全措施例如对相应的元件降低运行功率或者强制停止电动车运行来避免元件失效。也就是说,如果不能准确地***元件的升温情况并使之相应冷却,将会显著影响驾驶感受。
在传统的电动车降温控制中,主要基于单独一辆车的驾驶状态、和/或基于导航以及卫星定位***如GPS(全球定位***)或北斗定位***获得的道路信息来***潜在的过热条件。例如,如果道路通畅的话,可以预测电动车将会加速,因此电动机以及变速箱将会过热。由此,提前启动电动机以及变速箱的散热装置而预防过热。
但是,这种传统控制方式的不足首先在于对电动车的相关单元进行预判的数学模型是固化的,无法适应在实际驾驶过程中出现的所有驾驶场景。另外,因为基于导航以及卫星定位数据,因此对于数据获取的精度要求非常高,否则的话将会出现电动车的相关单元过热或冷却不足的问题。
发明内容
针对上述问题,本申请旨在提出一种改进的用于电动车中的产生热量的单元的降温控制***和方法。
根据本申请的一个方面,提供了一种用于机动车、特别是电动车的降温控制***,包括:服务器单元以及N个客户端单元,其中N大于或等于1,所述服务器单元与所述N个客户端单元经由无线网络彼此数据连接,所述N个客户端单元能够分别在N辆机动车上设置,每个客户端单元能够实时地收集并存储对应机动车上的能够用于评价所述机动车上的需要冷却的单元的温度的计算输入数据,每个客户端单元还能够实时地收集并存储所述需要冷却的单元的温度数据,每个客户端单元还能够利用所收集的计算输入数据基于一由所述服务器单元确定的预测数学模型预测所述需要冷却的单元在未来某一时刻的温度数据,并且每个客户端单元能够基于预测的温度数据使得所述需要冷却的单元选择性提前降温,并且其中,
所述服务器单元能够从所述N个客户端单元接收所收集的计算输入数据以及温度数据,并且能够基于所接收的数据优化改进所述预测数学模型或者创建新的预测数学模型。
可选地,针对每个客户端单元当前正在采用的预测数学模型,所述服务器单元将从客户端单元接收的计算输入数据的一部分以及温度数据的一部分分别作为该预测数学模型的输入和输出,来验证所述数据是否与该预测数学模型匹配。
可选地,如果所述服务器单元的验证结果表明该预测数学模型并不匹配数据,则用新的预测数学模型替换该预测数学模型。
可选地,所述新的预测数学模型由所述服务器单元基于已经接收的数据从所述服务器单元的数据存储器中选择,或者所述新的预测数学模型由所述服务器单元基于已经接收的数据生成。
可选地,如果所述服务器单元的验证结果表明该预测数学模型匹配数据,则基于已经接收的数据,所述服务器单元优化改进所述预测数学模型。
可选地,所述新的预测数学模型或所述优化改进后的预测数学模型被发送给所述客户端单元供使用。
可选地,所述预测数学模型是基于人工神经元网络计算模型、模糊逻辑计算模型、基因算法计算模型、自适应学习计算模型或人工智能计算模型。
可选地,在机动车中为所述需要冷却的单元的配备有散热单元,在所述预测的温度数据大于一规定值时,相应的客户端单元能够启动所述散热单元,以使得所述需要冷却的单元提前降温。
可选地,在机动车为电动车时,所述需要冷却的单元包括电动车的电池组单元、电池管理单元、逆变器单元、电机单元、变速箱单元。
可选地,在每个客户端单元上所采用的预测数学模型能够由机动车的驾驶员主动选择。
可选地,所述计算输入数据包括所述需要冷却的单元的工作参数数据和/或机动车的路况数据,所述路况数据由机动车的实时导航和/或卫星定位数据获得。
可选地,基于来自多个客户端单元的数据,所述服务端单元能够确定所述多个客户端单元之一的预测数学模型是否与其数据匹配。
根据本申请的另一个方面,还提供了一种用于机动车、特别是电动车的降温预测控制方法,包括:
提供服务器单元以及N个客户端单元,其中N大于或等于1,所述服务器单元与所述N个客户端单元经由无线网络彼此数据连接,所述N个客户端单元能够在N辆机动车上设置,每个客户端单元能够实时地收集并存储对应机动车上的能够用于评价所述机动车上的需要冷却的单元的温度的计算输入数据,每个客户端单元还能够实时地收集并存储所述需要冷却的单元的温度数据,每个客户端单元还能够利用所收集的计算输入数据基于一由所述服务器单元确定的预测数学模型预测所述需要冷却的单元在未来某一时刻的温度数据,并且每个客户端单元能够基于预测的温度数据使得所述需要冷却的单元选择性提前降温,并且其中,
所述服务器单元能够从所述N个客户端单元接收所收集的计算输入数据以及温度数据,并且能够基于所接收的数据优化改进所述预测数学模型或者创建新的预测数学模型。
可选地,针对每个客户端单元当前正在采用的预测数学模型,所述服务器单元将从客户端单元接收的计算输入数据的一部分以及温度数据的一部分分别作为该预测数学模型的输入和输出,来验证所述数据是否与该预测数学模型匹配。
可选地,如果所述服务器单元的验证结果表明该预测数学模型并不匹配数据,则用新的预测数学模型替换该预测数学模型。
可选地,所述新的预测数学模型由所述服务器单元基于已经接收的数据从所述服务器单元的数据存储器中选择,或者所述新的预测数学模型由所述服务器单元基于已经接收的数据生成。
可选地,如果所述服务器单元的验证结果表明该预测数学模型匹配数据,则基于已经接收的数据,所述服务器单元优化改进所述预测数学模型。
可选地,所述新的预测数学模型或所述优化改进后的预测数学模型被发送给所述客户端单元供使用。
可选地,所述预测数学模型是基于人工神经元网络计算模型、模糊逻辑计算模型、基因算法计算模型、自适应学习计算模型或人工智能计算模型。
可选地,在机动车中为所述需要冷却的单元的配备有散热单元,在所述预测的温度数据大于一规定值时,相应的客户端单元能够启动所述散热单元,以使得所述需要冷却的单元提前降温。
可选地,在机动车为电动车时,所述需要冷却的单元包括电动车的电池组单元、电池管理单元、逆变器单元、电机单元、变速箱单元。
可选地,在每个客户端单元上所采用的预测数学模型能够由机动车的驾驶员主动选择。
可选地,所述计算输入数据包括所述需要冷却的单元的工作参数数据和/或机动车的路况数据,所述路况数据由机动车的实时导航和/或卫星定位数据获得。
可选地,基于来自多个客户端单元的数据,所述服务端单元能够确定所述多个客户端单元之一的预测数学模型是否与其数据匹配。
根据本申请的另一个方面,还提供了一种能够在机动车、特别是电动车上安装的客户端单元,所述客户端单元能够实时地收集并存储机动车上、特别是电动车上的能够用于评价所述机动车上、特别是电动车上的需要冷却的单元的温度的计算输入数据,所述客户端单元还能够实时地收集并存储所述需要冷却的单元的温度数据,所述客户端单元经由无线网络与前述的降温控制***数据连接,所述客户端单元能够利用所收集的计算输入数据基于一由所述降温控制***的服务器单元确定的预测数学模型预测所述需要冷却的单元在未来某一时刻的温度数据,在机动车、特别是电动车中为所述需要冷却的单元的配备有散热单元,在所述预测的温度数据大于一规定值时,所述客户端单元能够启动所述散热单元,以使得所述需要冷却的单元被提前降温。
采用本申请的上述技术手段,预测数学模型可以基于大数据计算方法被实时地更新,因此针对数据获取的精度要求得到降低,但是对车辆的相关单元温度预判精度反而可以进一步提高。
附图说明
从后述的详细说明并结合下面的附图将能更全面地理解本申请的前述及其它方面。需要指出的是,各附图的比例出于清楚说明的目的有可能不一样,但这并不会影响对本申请的理解。在附图中:
图1示意性示出了根据本申请的一个实施例的电动车降温控制***的组成图;
图2示意性示出了图1的降温控制***中的单独一个客户端单元N在一个电动车中的应用框图;
图3示意性示出了在电动车降温控制***中采用的温度预测数学模型示例;
图4示意性示出了在电动车降温控制***的服务器单元中采用的控制方法的一个示例;以及
图5示意性示出了在电动车降温控制***的客户端单元、即电动车中采用的控制方法的一个示例。
具体实施方式
在本申请的各附图中,结构相同或功能相似的特征由相同的附图标记表示。
虽然本申请的以下内容主要针对电动车进行说明,但是本领域技术人员应当清楚同样的技术也可以应用到其它类型的机动车例如燃油汽车中。
图1示意性示出了根据本申请的一个实施例的电动车降温控制***的组成图。降温控制***包括服务器单元200以及客户端单元1、2、3、4、5、6、…、N,其中N可以为大于等于1的整数。服务器单元200可以包括计算机或微处理器以及数据存储器。数据存储器例如可以存储接收到的数据和/或可以在计算机或微处理器上执行数学模型的计算。计算机或微处理器可以调用数据存储器中存储的数学模型,并利用实时接收到的数据或者数据存储器上已记录的数据进行计算。可选地和/或替代地,计算机或微处理器也可以基于最新接收到的数据更新数学模型和/或创建新的数学模型。
每个客户端单元1、2、3、4、5、6、…、N也可以包括计算机或微处理器以及数据存储器。本领域技术人员应当清楚,客户端单元也可以是电动车的整车控制器(VCU)或电机控制器(MCU)的微处理器(μC)或者作为独立的控制单元安装在每个电动车上。每个客户端单元1、2、3、4、5、6、…、N可以针对其本身的电动车实时收集相应的数据信息(例如,见图2)。服务器单元200与客户端单元1、2、3、4、5、6、…、N之间无线数据连接,例如可以经由诸如4G、5G、无线Internet、无线Intranet、无线物联网等的无线通信网络彼此数据连接,从而每个客户端单元所实时收集的信息可以及时地传递给服务器单元200,并且服务器单元200也可以将数据及时传递给每个客户端单元1、2、3、4、5、6、…、N。每个客户端单元的数据存储器例如可以存储接收到的数据和/或可以在计算机或微处理器上执行计算的数学模型。每个客户端单元的计算机或微处理器可以调用客户端单元的数据存储器中存储的数学模型或者接收服务器单元的数据存储器中存储的数学模型,并利用实时接收到的数据或者数据存储器上已记录的数据进行计算。
例如,服务器单元200与客户端单元1、2、3、4、5、6、…、N能够以云计算***的方式被构建,其中,服务器单元200作为计算云的云端服务器,为各个客户端单元1、2、3、4、5、6、…、N提供云计算服务功能。
图2示意性示出了图1的降温控制***中的单独一个客户端单元N在一个电动车中的应用框图。如上所述,客户端单元N可以是电动车中已存在的整车控制器(VCU)或电机控制器(MCU)的微处理器(μC)或者独立安装的单元。客户端单元N可以具有无线通信模块,从而如上所述地与服务器单元200进行数据连接。在电动车中,客户端单元N可以经由诸如CAN总线的任何合适的车载数据总线与各个需要冷却的单元数据相连,从而在电动车启动后,可以实时地获得对应单元的温度数据。需要冷却的单元例如包括电池组单元N001、电池管理单元N002、逆变器单元N003、电机单元N004、变速箱单元N005等。此外,可选地,上述电池组单元N001、电池管理单元N002、逆变器单元N003、电机单元N004、变速箱单元N005分别配备有对应的散热单元如NC001、NC002、NC004、NC005。各散热单元也与客户端单元N经由车载数据总线而数据连接,并基于来自客户端单元N的指令选择性地被启动,以使得对应的单元冷却。例如,散热单元可以包括诸如风扇的风冷散热装置和/或水冷散热装置。
各个客户端单元1、2、3、4、5、6、…、N从各个电动车收集大量数据,并传输给服务器单元200。服务器单元200利用大数据分析方法对接收到的数据进行分析。
图3示意性示出了在电动车降温控制***中采用的温度预测数学模型示例。例如,所述数学模型可以在服务器单元200和/或各个客户端单元N的计算机上被运行。此外,所述数学模型可以由服务器单元200的计算机被选择性地替换或被进一步优化。数据模型例如可以是本领域技术人员熟知的能够实现大数据分析计算的任何合适的数学模型,例如人工神经元网络计算模型、模糊逻辑计算模型、基因算法计算模型、自适应学习计算模型或人工智能计算模型等。
例如,对于每个电动车而言,在启动后,其客户端单元可以实时收集电池组单元N001的温度值TN001、电池管理单元N002的温度值TN002、逆变器单元N003的温度值TN003、电机单元N004的温度值TN004、变速箱单元N005的温度值TN005等。因此,每个客户端单元实时接收的温度数据T(t)=[TN001,TN002,TN003,TN004,…],其中,当电动车启动时,t=0。除了温度数据以外,每个客户端单元还可以接收电动车启动后的相应工作参数,例如电池组单元N001的电压UN001和电流IN001、电池管理单元N002的功率PN002、逆变器单元N003的电压UN003和电流IN003、电机单元N004的扭矩TN004、转数nN004和功率PN004、变速箱单元N005的扭矩TN005等任何合适的数据。例如,在电动车启动后,在每个时刻t,客户端单元可以实时地获得电动车的工作参数X(t)=[UN001,IN001,PN002,UN003,IN003,TN004,nN004,PN004,TN005,…]。本领域技术人员应当清楚,上述提及的温度数据以及工作参数数据仅仅是非限制性地被列出,本领域技术人员可以想到的任何其它可接收到的和/或可使用的数据均可以被进一步加入。
然后,可以利用公式T(t′)=Func(X(t))来预测在未来某一时刻t′(>t)的(相关单元的)温度数据,其中,Func为图3所示的预测数学模型示例。例如,Func可以为基于神经元网络技术的预测模型。需要指出的是,本申请并不关注如何确定预测模型,例如预测模型可以直接采用本领域已知的模型,甚至直接采用任何商业数学计算软件中已经存在的模型,如Matlab软件中的神经元函数等。此外,在后续说明中,如对预测数学模型的更新例如也可以直接采用商业数学计算软件中的技术。以图3为例,左侧输入端(X(t))有三个项,可以分别为电动车的电机功率、电机转数、输出扭矩;右侧输出端(T(t′))有两个项,可以为电机温度、电池温度;中间的计算过程Func例如可以由Matlab软件中的神经元函数定义,在图3中函数定义有四个神经元F1、F2、F3、F4。但是依据输入端数据的增减,神经元数量可以相应增减。输出数据也可以相应增减。因此,基于实时获取的数据X(t)可以预测未来某一时刻(例如,t′=10分钟之后)的温度数据T(t′)。该预测过程可以在服务器单元200和/或各个客户端单元N的计算机上实现。
图4示意性示出了在电动车降温控制***的服务器单元200中采用的控制方法的一个示例。在步骤S100,服务器单元200接收来自各个客户端单元N实时检测的数据,包括温度数据T(t)和工作参数数据X(t)。在步骤S200,服务器单元200可以将这些数据存储在服务器单元200的数据存储器中,可选地,可以针对每个客户端单元N分别对数据进行归类存储。然后,在步骤S300,针对某一客户端单元,服务器单元200调取与该客户端单元对应的一部分存储的温度数据T(t)和工作参数数据X(t),并且调取正在该客户端单元上运行的预测数学模型Func,同时将调取的工作参数数据X(t)作为输入并将调取的温度数据T(t)作为输出,验证所调取的数据是否与所调取的预测数学模型Func匹配。例如,如果以调取的历史工作参数数据X(t)作为所调取的预测数学模型Func的输入而获得的输出与所调取的历史温度数据T(t)相差在一容许的限度内,则可以认为所调取的数据与所调取的预测数学模型Func是匹配的,否则可以视为是不匹配的。
如果步骤S300的验证结果为“是”,则在步骤S400,服务器单元200利用已经存储的大量数据对预测数学模型Func进行优化改进,以获得优化改进后的预测数学模型Func′。接着,在步骤S500,服务器单元200调取与该客户端单元对应的与步骤S300所调取不同的另一部分存储的温度数据T(t)和工作参数数据X(t)。在步骤S600,利用步骤S500调取的数据以与步骤S300的方式类似地进一步验证改进后的预测数学模型Func′是否匹配。如果步骤S600的验证结果为“是”,则转到步骤S1000,将改进后的预测数学模型Func′发送给对应的客户端单元,同时将改进后的预测数学模型Func′存储在服务器单元200的数据存储器中,以供后续分析使用。例如,预测数学模型能够以计算机指令的方式无线地发送给对应的客户端单元。如果步骤S600的验证结果为“否”,则转到步骤S400,对预测数学模型再次进行优化改进,例如可以通过更换数据来进行再次优化改进。
如果步骤S300的验证结果为“否”,则在步骤S700,服务器单元200可以基于所调取的数据重新选择新的合适的预测数学模型Func″,例如可以从数据存储器中存储的多个预测模型中选择性调取和/或基于历史数据以机器学习的方式重新创建预测模型。接着,在步骤S800,服务器单元200调取与该客户端单元对应的与步骤S300所调取不同的另一部分存储的温度数据T(t)和工作参数数据X(t)。接着,在步骤S900,利用步骤S800调取的数据以与步骤S300的方式类似地进一步验证在步骤S700确定的预测数学模型Func″是否匹配。如果步骤S900的验证结果为“是”,则转到步骤S1000,将更新后的预测数学模型Func″发送给对应的客户端单元,同时将更新后的预测数学模型Func″存储在服务器单元200的数据存储器中,以供后续分析使用。如果步骤S900的验证结果为“否”,则转到步骤S700,对预测数学模型再次更新。
此外,基于来自多个客户端单元的数据,服务器单元200可以判断所述多个客户端单元中的某一客户端单元的预测数学模型是否匹配,并进行相应更新。可选地,服务器单元200可以利用多个客户端单元的数据之间的关联性来对预测数学模型是否匹配数据进行判断。
图5示意性示出了在电动车降温控制***的一个客户端单元、即电动车中采用的控制方法的一个示例。在步骤S2100,客户端单元自动地从服务器单元200接收预测数学模型,例如图4中的数学模型Func′或Func″。替代地和/或可选地,在步骤S2100,电动车的驾驶员可以自己从客户端单元的数据存储器中选择合适的预测数学模型。例如,当驾驶员观察到电动车即将上坡、下坡或进入拥堵路段时,可以经由车载触摸屏选择事先设定的预测数学模型。在步骤S2200,客户端单元实时收集工作参数数据X(t)和温度数据T(t)。在步骤S2300,客户端单元基于在步骤S2100确定的预测数学模型来预测未来某一时间t′的温度数据T(t′)。在步骤S2400判断温度数据T(t′)是否大于一规定的值Tlim或范围。以电池组单元的温度数据T(t′)为例,如果其高于某一事先规定的限值,则认为步骤S2400的判断结果为“是”,否则为“否”。如果步骤S2400的判断结果为“否”,则转到步骤S2200。如果步骤S2400的判断结果为“是”,则转到步骤S2500。在步骤S2500,客户端单元使得电动车的相应散热单元开启。例如,如果电池组单元的温度数据T(t′)大于规定的范围的话,则相应开启电池组单元的散热单元。接着,在步骤S2600,客户端单元将实时收集工作参数数据X(t)和温度数据T(t)和/或预测的温度数据T(t′)发送给服务器单元200,供进一步参考。
图4和5所描述的过程例如可以在服务器单元200和每个客户端单元开机后就运行。本领域技术人员应当清楚,图4和5所描述的过程步骤仅仅是可选的,依据具体情况可以相应增减。
本申请基于云计算构建包括服务器单元200和客户端单元的电动车降温控制***。随着客户端单元的增加,可以对预测数学模型进行更精确的更新,以便提高对电动车的需要冷却的单元的升温预判成功率。此外,对于每个客户端单元而言,预测数学模型的输入也不限于工作参数数据,例如可以用于预测电动车相关单元散热情况的其它信息如地理信息、路况信息、导航信息等也可以作为输入被采用。在本申请的上下文中,将预测数学模型的这些输入数据统称为计算输入数据,并且将预测数学模型的温度输出数据统称为温度数据。
尽管这里详细描述了本申请的特定实施方式,但它们仅仅是为了解释的目的而给出的,而不应认为它们对本申请的范围构成限制。此外,本领域技术人员应当清楚,本说明书所描述的各实施例可以彼此相互组合使用。在不脱离本申请精神和范围的前提下,各种替换、变更和改造可被构想出来。
Claims (21)
1.一种用于机动车、特别是电动车的降温控制***,包括:服务器单元(200)以及N个客户端单元(1、2、3、4、5、6、…、N),其中N大于或等于1,所述服务器单元(200)与所述N个客户端单元(1、2、3、4、5、6、…、N)经由无线网络彼此数据连接,所述N个客户端单元(1、2、3、4、5、6、…、N)能够分别在N辆机动车上设置,每个客户端单元能够实时地收集并存储对应机动车上的能够用于评价所述机动车上的需要冷却的单元的温度的计算输入数据(X(t)),每个客户端单元还能够实时地收集并存储所述需要冷却的单元的温度数据(T(t)),每个客户端单元还能够利用所收集的计算输入数据(X(t))基于一由所述服务器单元(200)确定的预测数学模型(Func)预测所述需要冷却的单元在未来某一时刻的温度数据(T(t′)),并且每个客户端单元能够基于预测的温度数据(T(t′))使得所述需要冷却的单元选择性提前降温,并且其中,
所述服务器单元(200)能够从所述N个客户端单元(1、2、3、4、5、6、…、N)接收所收集的计算输入数据(X(t))以及温度数据(T(t)),并且能够基于所接收的数据(X(t)和T(t))优化改进所述预测数学模型(Func)或者创建新的预测数学模型(Func″)。
2.根据权利要求1所述的用于机动车的降温控制***,其特征在于,针对每个客户端单元当前正在采用的预测数学模型(Func),所述服务器单元(200)将从客户端单元接收的计算输入数据(X(t))的一部分以及温度数据(T(t))的一部分分别作为该预测数学模型(Func)的输入和输出,来验证所述数据是否与该预测数学模型(Func)匹配。
3.根据权利要求2所述的用于机动车的降温控制***,其特征在于,如果所述服务器单元(200)的验证结果表明该预测数学模型(Func)并不匹配数据,则用新的预测数学模型(Func″)替换该预测数学模型(Func)。
4.根据权利要求3所述的用于机动车的降温控制***,其特征在于,所述新的预测数学模型(Func″)由所述服务器单元(200)基于已经接收的数据从所述服务器单元(200)的数据存储器中选择,或者所述新的预测数学模型(Func″)由所述服务器单元(200)基于已经接收的数据生成。
5.根据权利要求2所述的用于机动车的降温控制***,其特征在于,如果所述服务器单元(200)的验证结果表明该预测数学模型(Func)匹配数据,则基于已经接收的数据,所述服务器单元(200)优化改进所述预测数学模型(Func)以产生优化改进后的预测数学模型(Func′)。
6.根据权利要求4或5所述的用于机动车的降温控制***,其特征在于,所述新的预测数学模型(Func″)或所述优化改进后的预测数学模型(Func′)被发送给所述客户端单元供使用并被存储在所述服务器单元(200)的数据存储器中。
7.根据权利要求1至6任一所述的机动车的降温控制***,其特征在于,在机动车中为所述需要冷却的单元的配备有散热单元,在所述预测的温度数据(T(t′))大于一规定值(Tlim)时,相应的客户端单元能够启动所述散热单元,以使得所述需要冷却的单元被提前降温。
8.根据权利要求7所述的机动车的降温控制***,其特征在于,在每个客户端单元上所采用的预测数学模型(Func)能够由机动车的驾驶员主动选择。
9.根据权利要求1至8任一所述的机动车的降温控制***,其特征在于,基于来自多个客户端单元的数据,所述服务端单元(200)能够确定所述多个客户端单元之一的预测数学模型是否与其数据匹配。
10.根据权利要求1至9任一所述的机动车的降温控制***,其特征在于,所述计算输入数据(X(t))包括所述需要冷却的单元的工作参数数据和/或机动车的路况数据,所述路况数据由机动车的实时导航和/或卫星定位数据获得。
11.一种用于机动车、特别是电动车的降温控制方法,包括:
提供服务器单元(200)以及N个客户端单元(1、2、3、4、5、6、…、N),其中N大于或等于1,所述服务器单元(200)与所述N个客户端单元(1、2、3、4、5、6、…、N)经由无线网络彼此数据连接,所述N个客户端单元(1、2、3、4、5、6、…、N)能够分别在N辆机动车上设置,每个客户端单元能够实时地收集并存储对应机动车上的能够用于评价所述机动车上的需要冷却的单元的温度的计算输入数据(X(t)),每个客户端单元还能够实时地收集并存储所述需要冷却的单元的温度数据(T(t)),每个客户端单元还能够利用所收集的计算输入数据(X(t))基于一由所述服务器单元(200)确定的预测数学模型(Func)预测所述需要冷却的单元在未来某一时刻的温度数据(T(t′)),并且每个客户端单元能够基于预测的温度数据(T(t′))使得所述需要冷却的单元选择性提前降温,并且其中,
所述服务器单元(200)能够从所述N个客户端单元(1、2、3、4、5、6、…、N)接收所收集的计算输入数据(X(t))以及温度数据(T(t)),并且能够基于所接收的数据(X(t)和T(t))优化改进所述预测数学模型(Func)或者创建新的预测数学模型(Func″)。
12.根据权利要求11所述的用于机动车的降温控制方法,其特征在于,针对每个客户端单元当前正在采用的预测数学模型(Func),所述服务器单元(200)将从客户端单元接收的计算输入数据(X(t))的一部分以及温度数据(T(t))的一部分分别作为该预测数学模型(Func)的输入和输出,来验证所述数据是否与该预测数学模型(Func)匹配。
13.根据权利要求12所述的用于机动车的降温控制方法,其特征在于,如果所述服务器单元(200)的验证结果表明该预测数学模型(Func)并不匹配数据,则用新的预测数学模型(Func″)替换该预测数学模型(Func)。
14.根据权利要求13所述的用于机动车的降温控制***,其特征在于,所述新的预测数学模型(Func″)由所述服务器单元(200)基于已经接收的数据从所述服务器单元(200)的数据存储器中选择,或者所述新的预测数学模型(Func″)由所述服务器单元(200)基于已经接收的数据生成。
15.根据权利要求12所述的用于机动车的降温控制方法,其特征在于,如果所述服务器单元(200)的验证结果表明该预测数学模型(Func)匹配数据,则基于已经接收的数据,所述服务器单元(200)优化改进所述预测数学模型(Func)以产生优化改进后的预测数学模型(Func′)。
16.根据权利要求14或15所述的用于机动车的降温控制方法,其特征在于,所述新的预测数学模型(Func″)或所述优化改进后的预测数学模型(Func′)被发送给所述客户端单元供使用并被存储在所述服务器单元(200)的数据存储器中。
17.根据权利要求11至16任一所述的机动车的降温控制方法,其特征在于,在机动车中为所述需要冷却的单元的配备有散热单元,在所述预测的温度数据(T(t′))大于一规定值(Tlim)时,相应的客户端单元能够启动所述散热单元,以使得所述需要冷却的单元被提前降温。
18.根据权利要求17所述的机动车的降温控制方法,其特征在于,在每个客户端单元上所采用的预测数学模型(Func)能够由机动车的驾驶员主动选择。
19.根据权利要求11至18任一所述的机动车的降温控制方法,其特征在于,所述计算输入数据(X(t))包括所述需要冷却的单元的工作参数数据和/或机动车的路况数据,所述路况数据由机动车的实时导航和/或卫星定位数据获得。
20.根据权利要求11至19任一所述的机动车的降温控制方法,其特征在于,基于来自多个客户端单元的数据,所述服务端单元(200)能够确定所述多个客户端单元之一的预测数学模型是否与其数据匹配。
21.一种能够在机动车、特别是电动车上安装的客户端单元,所述客户端单元能够实时地收集并存储机动车上、特别是电动车上的能够用于评价所述机动车上、特别是电动车上的需要冷却的单元的温度的计算输入数据(X(t)),所述客户端单元还能够实时地收集并存储所述需要冷却的单元的温度数据(T(t)),所述客户端单元经由无线网络与根据权利要求1至10任一所述的降温控制***数据连接,所述客户端单元能够利用所收集的计算输入数据(X(t))基于一由所述降温控制***的服务器单元(200)确定的预测数学模型(Func)预测所述需要冷却的单元在未来某一时刻的温度数据(T(t′)),在机动车、特别是电动车中为所述需要冷却的单元的配备有散热单元,在所述预测的温度数据(T(t′))大于一规定值(Tlim)时,所述客户端单元能够启动所述散热单元,以使得所述需要冷却的单元被提前降温。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810225004.8A CN110286584A (zh) | 2018-03-19 | 2018-03-19 | 机动车降温控制***和方法 |
DE102019101688.6A DE102019101688A1 (de) | 2018-03-19 | 2019-01-24 | Kraftfahrzeug-Kühlungssteuerungssystem und -verfahren |
KR1020190029722A KR102609053B1 (ko) | 2018-03-19 | 2019-03-15 | 자동차 쿨링 제어 시스템 및 방법 |
US16/354,439 US11619917B2 (en) | 2018-03-19 | 2019-03-15 | Motor vehicle cooling control system and method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810225004.8A CN110286584A (zh) | 2018-03-19 | 2018-03-19 | 机动车降温控制***和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110286584A true CN110286584A (zh) | 2019-09-27 |
Family
ID=67774785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810225004.8A Pending CN110286584A (zh) | 2018-03-19 | 2018-03-19 | 机动车降温控制***和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11619917B2 (zh) |
KR (1) | KR102609053B1 (zh) |
CN (1) | CN110286584A (zh) |
DE (1) | DE102019101688A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111459204A (zh) * | 2020-03-31 | 2020-07-28 | 潍柴动力股份有限公司 | 车辆的温度控制方法、装置、设备、存储介质和车辆 |
CN114076042A (zh) * | 2020-08-11 | 2022-02-22 | 郑州宇通客车股份有限公司 | 一种发动机热管理方法及采用该方法的车辆 |
CN116394711A (zh) * | 2023-06-07 | 2023-07-07 | 江西五十铃汽车有限公司 | 汽车热管理方法、***、计算机及可读存储介质 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102020107536A1 (de) * | 2020-03-19 | 2021-09-23 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Betreiben eines Kraftfahrzeugs und Kraftfahrzeug |
CN113022378B (zh) * | 2021-03-01 | 2023-03-07 | 中国第一汽车股份有限公司 | 温度一致性预测方法、装置、预测设备及存储介质 |
DE102021111961A1 (de) * | 2021-05-07 | 2022-11-10 | Bayerische Motoren Werke Aktiengesellschaft | Wärmemanagementsystem für ein elektrifiziertes Kraftfahrzeug |
JP2023550860A (ja) * | 2021-10-26 | 2023-12-06 | 寧徳時代新能源科技股▲分▼有限公司 | 熱管理方法、システム、ドメインコントローラ及び記憶媒体 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101519073A (zh) * | 2009-04-07 | 2009-09-02 | 北京大学 | 一种混合动力汽车行驶负载预测方法 |
US20150100188A1 (en) * | 2012-03-20 | 2015-04-09 | Robert Bosch Gmbh | Method and apparatus for operating a battery arrangement of a motor vehicle |
CN105468054A (zh) * | 2015-12-10 | 2016-04-06 | 长江大学 | 刹车温度监控装置及智能控制方法 |
CN106240341A (zh) * | 2016-08-05 | 2016-12-21 | 武汉理工大学 | 一种电动汽车用永磁同步电机冷却***及其控制方法 |
CN106935034A (zh) * | 2017-05-08 | 2017-07-07 | 西安电子科技大学 | 面向车联网的区域交通流量预测***及方法 |
CN107346460A (zh) * | 2017-07-18 | 2017-11-14 | 吉林大学 | 基于智能网联***下前车运行信息的未来工况预测方法 |
CN107539137A (zh) * | 2016-06-27 | 2018-01-05 | 比亚迪股份有限公司 | 电动汽车中动力电池组的温度控制***、方法及电动汽车 |
CN107640273A (zh) * | 2016-07-21 | 2018-01-30 | 李魁杓 | 电动车温度控速方法 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5008863B2 (ja) * | 2005-11-30 | 2012-08-22 | プライムアースEvエナジー株式会社 | 二次電池用の制御装置、二次電池の温度推定方法を用いた二次電池の劣化判定方法 |
US7424868B2 (en) * | 2006-05-15 | 2008-09-16 | Daimler Trucks North America Llc | Predictive auxiliary load management (PALM) control apparatus and method |
US7962441B2 (en) * | 2006-09-22 | 2011-06-14 | Denso Corporation | Air conditioner for vehicle and controlling method thereof |
US8103414B2 (en) * | 2008-10-30 | 2012-01-24 | International Business Machines Corporation | Adaptive vehicle configuration |
JP5417123B2 (ja) * | 2009-10-29 | 2014-02-12 | 株式会社日立製作所 | 電動車両の冷却システム |
US9754300B2 (en) * | 2010-02-18 | 2017-09-05 | University Of Delaware | Electric vehicle station equipment for grid-integrated vehicles |
KR101691211B1 (ko) * | 2010-12-03 | 2016-12-30 | 현대모비스 주식회사 | 하이브리드/전기자동차의 온도센서 고장진단 장치 및 그 방법 |
DE102010063376A1 (de) * | 2010-12-17 | 2012-06-21 | Bayerische Motoren Werke Aktiengesellschaft | Temperaturregelverfahren für einen elektrochemischen Energiespeicher in einem Fahrzeug |
US20140012447A1 (en) * | 2012-07-03 | 2014-01-09 | Magna E-Car Systems Of America, Inc. | Thermal management of vehicle battery pack during charging |
FR3018921B1 (fr) * | 2014-03-24 | 2017-07-07 | Renault Sas | Procede pour estimer l'autonomie d'un vehicule electrique ou hybride |
CA2952631A1 (en) * | 2014-06-20 | 2015-12-23 | The Regents Of The University Of California | Energy infrastructure sensor data rectification using regression models |
US10099562B2 (en) * | 2014-10-15 | 2018-10-16 | Johnson Controls Technology Company | Cooling strategy for battery systems |
KR102667239B1 (ko) * | 2015-07-27 | 2024-05-17 | 삼성전자주식회사 | 열 관리를 위한 배터리 시스템 및 방법 |
WO2017173406A1 (en) * | 2016-04-01 | 2017-10-05 | Tendril Networks, Inc. | Orchestrated energy |
US10789650B1 (en) * | 2016-04-27 | 2020-09-29 | State Farm Mutual Automobile Insurance Company | Systems and methods for reconstruction of a vehicular crash |
US10209314B2 (en) * | 2016-11-21 | 2019-02-19 | Battelle Energy Alliance, Llc | Systems and methods for estimation and prediction of battery health and performance |
CN107438833A (zh) * | 2017-05-31 | 2017-12-05 | 深圳市爱夫卡科技股份有限公司 | 一种数据更新方法、装置、***及服务器 |
US11691518B2 (en) * | 2017-07-21 | 2023-07-04 | Quantumscape Battery, Inc. | Predictive model for estimating battery states |
US10288166B2 (en) * | 2017-07-24 | 2019-05-14 | Caterpillar Inc. | System and method for predicting and responding to soft underfoot conditions |
WO2019053131A1 (en) * | 2017-09-14 | 2019-03-21 | Abb Schweiz Ag | METHOD AND SYSTEM FOR CONTROLLING A RECHARGEABLE BATTERY |
-
2018
- 2018-03-19 CN CN201810225004.8A patent/CN110286584A/zh active Pending
-
2019
- 2019-01-24 DE DE102019101688.6A patent/DE102019101688A1/de active Pending
- 2019-03-15 US US16/354,439 patent/US11619917B2/en active Active
- 2019-03-15 KR KR1020190029722A patent/KR102609053B1/ko active IP Right Grant
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101519073A (zh) * | 2009-04-07 | 2009-09-02 | 北京大学 | 一种混合动力汽车行驶负载预测方法 |
US20150100188A1 (en) * | 2012-03-20 | 2015-04-09 | Robert Bosch Gmbh | Method and apparatus for operating a battery arrangement of a motor vehicle |
CN105468054A (zh) * | 2015-12-10 | 2016-04-06 | 长江大学 | 刹车温度监控装置及智能控制方法 |
CN107539137A (zh) * | 2016-06-27 | 2018-01-05 | 比亚迪股份有限公司 | 电动汽车中动力电池组的温度控制***、方法及电动汽车 |
CN107640273A (zh) * | 2016-07-21 | 2018-01-30 | 李魁杓 | 电动车温度控速方法 |
CN106240341A (zh) * | 2016-08-05 | 2016-12-21 | 武汉理工大学 | 一种电动汽车用永磁同步电机冷却***及其控制方法 |
CN106935034A (zh) * | 2017-05-08 | 2017-07-07 | 西安电子科技大学 | 面向车联网的区域交通流量预测***及方法 |
CN107346460A (zh) * | 2017-07-18 | 2017-11-14 | 吉林大学 | 基于智能网联***下前车运行信息的未来工况预测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111459204A (zh) * | 2020-03-31 | 2020-07-28 | 潍柴动力股份有限公司 | 车辆的温度控制方法、装置、设备、存储介质和车辆 |
CN111459204B (zh) * | 2020-03-31 | 2021-08-20 | 潍柴动力股份有限公司 | 车辆的温度控制方法、装置、设备、存储介质和车辆 |
CN114076042A (zh) * | 2020-08-11 | 2022-02-22 | 郑州宇通客车股份有限公司 | 一种发动机热管理方法及采用该方法的车辆 |
CN116394711A (zh) * | 2023-06-07 | 2023-07-07 | 江西五十铃汽车有限公司 | 汽车热管理方法、***、计算机及可读存储介质 |
CN116394711B (zh) * | 2023-06-07 | 2023-08-18 | 江西五十铃汽车有限公司 | 汽车热管理方法、***、计算机及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
DE102019101688A1 (de) | 2019-09-19 |
US11619917B2 (en) | 2023-04-04 |
US20190286079A1 (en) | 2019-09-19 |
KR20190110038A (ko) | 2019-09-27 |
KR102609053B1 (ko) | 2023-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110286584A (zh) | 机动车降温控制***和方法 | |
US9090255B2 (en) | Hybrid vehicle fuel efficiency using inverse reinforcement learning | |
JP7199022B2 (ja) | 車両電源システム | |
EP3543046A1 (en) | Load management for refrigerated truck unit | |
CN104280039B (zh) | 用于提供电动车的驾驶信息的***和方法 | |
CN106218410B (zh) | 信息显示***和方法 | |
CN111009134A (zh) | 一种基于前车与自车互动的短期车速工况实时预测方法 | |
US8812188B2 (en) | Vehicle electric power management apparatus, vehicle electric power management system, and vehicle electric power management program | |
CN109900288A (zh) | 电动车辆的基于云的最优充电路线估计 | |
CN102959358A (zh) | 车辆的电力消耗量计算装置、信息提供装置及信息提供方法 | |
US10386201B2 (en) | Device and method for controlling mobility | |
US20210163041A1 (en) | Vehicle dispatch management device and vehicle dispatch management method | |
US10801848B2 (en) | Crowd sourcing to predict vehicle energy consumption | |
DE102014204223A1 (de) | Benutzeroberflächensystem und -Verfahren | |
CN114103713B (zh) | 用于预测针对车辆的充电站的可用性的方法和驾驶员辅助*** | |
EP3964383A1 (en) | Vehicle control unit (vcu) and operating method thereof | |
CN117252318B (zh) | 一种智能网联汽车群机协同拼车调度方法及*** | |
JP7204811B2 (ja) | 自動車の利用施設推奨装置及び利用施設推奨方法 | |
Xing et al. | Operation Energy Consumption Estimation Method of Electric Bus Based on CNN Time Series Prediction | |
JP7040571B2 (ja) | 学習装置及びモデル学習システム | |
CN208247995U (zh) | 基于路线规划的电动汽车充电控制装置 | |
US20220398638A1 (en) | Service provision server, service provision system and service provision method | |
US20240053161A1 (en) | Method for Predicting a Velocity Profile of a Vehicle | |
CN112632382B (zh) | 用于为车辆推荐站点的方法、装置、设备以及存储介质 | |
CN112896171A (zh) | 车辆的控制方法、装置、设备、车辆和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190927 |