Predictive control of commercial e-vehicle using a priori route information
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F18%3A00321010" target="_blank" >RIV/68407700:21220/18:00321010 - isvavai.cz</a>
Výsledek na webu
<a href="http://www.inderscience.com/dev/search/index.php?mainAction=search&action=record&rec_id=90362&prevQuery=&ps=10&m=or" target="_blank" >http://www.inderscience.com/dev/search/index.php?mainAction=search&action=record&rec_id=90362&prevQuery=&ps=10&m=or</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1504/IJPT.2018.10011446" target="_blank" >10.1504/IJPT.2018.10011446</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Predictive control of commercial e-vehicle using a priori route information
Popis výsledku v původním jazyce
The driving range of the vehicle is usually an issue due to the limited energy storage capacity of the acu-pack. Thus, the e-vehicle control towards energy consumption decrease is of extreme importance. The known information about route properties can be used to plan torque/braking profile in an optimal way. Several approaches are compared. The first is design approach based on model predictive control (MPC) in combination with prior (before the trip starts) dynamic optimisation, the other is model-predictive control using hard limits based on route shape analyses and legal limits. The classical, optimised PID control is used as reference driver. A detailed driving range estimation model of a Fiat Doblo e-vehicle is the basis, including the main e-vehicle subsystem 1D model, e-motor, battery pack, air-conditioning/heating and EVCU. The model calibration is based on real vehicle measurements.
Název v anglickém jazyce
Predictive control of commercial e-vehicle using a priori route information
Popis výsledku anglicky
The driving range of the vehicle is usually an issue due to the limited energy storage capacity of the acu-pack. Thus, the e-vehicle control towards energy consumption decrease is of extreme importance. The known information about route properties can be used to plan torque/braking profile in an optimal way. Several approaches are compared. The first is design approach based on model predictive control (MPC) in combination with prior (before the trip starts) dynamic optimisation, the other is model-predictive control using hard limits based on route shape analyses and legal limits. The classical, optimised PID control is used as reference driver. A detailed driving range estimation model of a Fiat Doblo e-vehicle is the basis, including the main e-vehicle subsystem 1D model, e-motor, battery pack, air-conditioning/heating and EVCU. The model calibration is based on real vehicle measurements.
Klasifikace
Druh
J<sub>ost</sub> - Ostatní články v recenzovaných periodicích
CEP obor
—
OECD FORD obor
20301 - Mechanical engineering
Návaznosti výsledku
Projekt
<a href="/cs/project/TE01020020" target="_blank" >TE01020020: Centrum kompetence automobilového průmyslu Josefa Božka</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2018
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
International Journal of Powertrains
ISSN
1742-4275
e-ISSN
—
Svazek periodika
2018
Číslo periodika v rámci svazku
7
Stát vydavatele periodika
GB - Spojené království Velké Británie a Severního Irska
Počet stran výsledku
19
Strana od-do
53-71
Kód UT WoS článku
—
EID výsledku v databázi Scopus
2-s2.0-85043768016