來源：Thermal Science and Engineering Progress原文：https://doi.org/10.1016/j.tsep.2023.102281
到2022年底，中國新型能源汽車已達1310萬輛，其中電動汽車占79.78%。電動汽車以其高效率、低噪音、環保等特點，為汽車工業的可持續發展開辟了一條新的道路。同時，隨著汽車技術的不斷進步和對電動車需求的不斷增加，消費者對汽車性能和舒適性的要求越來越高。其中，EVTM系統對車輛性能和乘客舒適性有重大影響。與傳統燃料車相比，由于缺乏發動機，電動車的EVTM系統不僅需要滿足汽車的熱負荷要求。還需要確保電池、電動機和電子控制器等電子設備在正常溫度范圍內工作。電動車各部件的溫度變化是影響能耗的主要因素，熱管理系統中每個部件的溫度變化受環境溫度、車輛速度和空調壓縮機速度等因素的影響。良好的溫度預測方法是優化能源戰略的前提。
近日，重慶理工大學何聯格老師團隊提出了一種基于粒子群優化(PSO)和反傳播神經網絡(BP)的電動汽車熱管理溫度預測方法。該團隊采用PSO-BP方法對神經網絡的權重和閾值進行了更新，利用從道路試驗中收集的實時數據來確保影響因素的準確性。仿真結果表明，與BP神經網絡相比，該方法將預測誤差分別降低了66%、75%和25%。研究成果以“Research on prediction model of electric vehicle thermal management system based on particle swarm optimization- Back propagation neural network”為題發表于《Thermal Science and Engineering Progress》。
圖1 實驗流程圖。
圖2 實驗設備圖紙。
圖3 實驗結束后的電池和電機溫度。
圖4 車身傳熱圖。
標簽：
汽車熱管理 點擊：
版權聲明：除非特別標注，否則均為本站原創文章，轉載時請以鏈接形式注明文章出處。
