System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电动自行车,尤其涉及一种电动自行车用电优化系统。
技术介绍
1、电动自行车是指以蓄电池作为辅助能源在普通自行车的基础上,安装了电机、控制器、蓄电池、转把闸把等操纵部件和显示仪表系统的交通工具。新国标电动车是指符合《电动自行车安全技术规范》标准的电动车。新标准坚持电动自行车的非机动属性,规定电动自行车须具有脚踏骑行能力。最高设计车速不超过25千米每小时,整车质量不超过55千克,电机功率不超过400w,蓄电池电压不允许超过48伏,整车高度不得超过1.1米,宽度(除车把、脚蹬)不得超过0.45米,鞍座高度要在0.635米之上,鞍座长度不得超过0.35米。
2、受限于新国标对电动自行车的车身重量、车身尺寸的要求,新国标电动自行车的电池仓通常设计的比较小,因此无法存放较大容量的电池,进而导致新国标电动自行车的续航通常较短,而频繁充电会给用户带来较大不便,同时由于大多数电动自行车不支持快充,因此充电时间较长。为了保证新国标电动自行车的用户体验,在电池容量不变的情况下,如何提升新国标电动自行车的续航里程成为了亟需解决的问题。
技术实现思路
1、针对现有技术存在的不足,本专利技术的目的在于提供一种电动自行车用电优化系统,用于变量动态调节电池输出,延长电动自行车续航里程。
2、为实现上述目的,本专利技术提供了如下技术方案:一种电动自行车用电优化系统,包括:
3、电量监测模块,用于实时监测电动自行车电池的剩余电量以及所述电动自行车电池在一预设时间段内的
4、寿命预测模块,用于实时采集所述电动自行车电池的若干电池参数,根据各所述电池参数预测得到电池寿命;
5、车辆检测模块,用于实时检测电动自行车的承重数据以及车轮的胎压数据;
6、计算模块,连接所述车辆检测模块,用于根据所述胎压数据和承重数据处理得到骑行阻力;
7、处理模块,分别连接所述电量监测模块、所述寿命预测模块和所述计算模块,用于根据所述用电消耗数据以及所述瞬时输出电流处理得到所述电动自行车电池在所述预设时间段内的电池内阻,将所述剩余电量、所述瞬时输出电流、所述电池内阻、所述电池寿命以及所述骑行阻力输入预先训练完毕的电量预测模型中,预测得到下一时刻的预测剩余电量;
8、用电控制模块,连接所述处理模块,用于根据预测剩余电量提前调整电动自行车控制器的电流输出策略。
9、进一步地,还包括:
10、环境采集模块,用于实时采集得到若干环境干扰参数,所述环境干扰参数包括环境温度数据和环境湿度数据;
11、优化模块,分别连接所述环境采集模块和所述处理模块,用于根据所述环境温度数据和所述环境湿度数据调整所述电量预测模型中的输入层与隐藏层之间的连接权重,并对所述电量预测模型重新训练得到优化过后的所述电量预测模型。
12、进一步地,所述优化模块包括:
13、扰动生成单元,用于根据所述环境温度数据和所述环境湿度数据建立环境扰动量方程,以输出环境扰动量;
14、调整单元,连接所述扰动生成单元,用于根据所述环境扰动量对所述电池内阻在所述电量预测模型中的输入层中与隐藏层之间的连接权重进行调整。
15、进一步地,所述环境扰动量方程配置为:
16、ed2=ε1(te-t0)2+ε2(he-h0)2
17、tmin≤te≤tmax
18、hmin≤he≤hmax
19、ε1ε2=1
20、其中,ed用于表示所述环境扰动量,te用于表示所述环境温度数据,he用于表示所述环境湿度数据,ε1、ε2分别用于表示预设的第一扰动系数和第二扰动系数,t0、h0分别用于表示预设的温度标准值和湿度标准值,tmin、tmax分别用于表示预设的温度下限值和温度上限值,hmin、hmax分别用于表示预设的湿度下限值和湿度上限值。
21、进一步地,所述寿命预测模块包括:
22、采集单元,用于采集所述电动自行车电池在使用过程中的循环次数、历史电压、历史电流和电池温度,以作为所述电池参数;
23、预测单元,连接所述采集单元,用于将各所述电池参数输入预设的动力电池寿命预测模型中,预测得到所述电池寿命。
24、进一步地,还包括动能回收模块,连接所述电量监测模块,所述动能回收模块包括:
25、第一回收单元,用于将所述电动自行车的脚踏踩动时的机械能转化为电能并储存在所述电动自行车电池内;
26、第二回收单元,用于将所述电动自行车滑行以及制动时的机械能转化为电能并储存在所述电动自行车电池内。
27、进一步地,还包括风速检测模块,连接所述计算模块,用于在骑行过程中实时检测所述电动自行车上的相对风速;
28、则所述计算模块包括:
29、第一计算单元,用于将所述相对风速输入预设的风阻计算公式中,计算得到骑行风阻力;
30、第二计算单元,连接所述第一计算单元,用于根据所述胎压数据在预设的存储装置中匹配得到相应的轮胎摩擦系数,根据所述轮胎摩擦系数和所述承重数据计算得到骑行地面摩擦力,进而根据所述骑行风阻力和所述骑行地面摩擦力计算得到所述骑行阻力。
31、进一步地,所述风阻计算公式配置为:
32、
33、其中,ff用于表示所述骑行风阻力,p用于表示空气密度,s用于表示预先获取的骑行迎风面积,cd用于表示预设的风阻系数,δv用于表示所述相对风速。
34、进一步地,所述电量预测模型为lstm神经网络模型。
35、本专利技术的有益效果:
36、本专利技术实时监测电动自行车的剩余电量、用电消耗数据以及瞬时输出电流,同时检测电动自行车的承重数据以及胎压数据,根据承重数据和胎压数据计算得到骑行阻力,同时根据采集得到的电池参数预测得到电池寿命,进而根据用电消耗数据以及瞬时输出电流计算得到电池内阻,以将剩余电量、瞬时输出电流、电池内阻、电池寿命以及骑行阻力输入电量预测模型中,预测得到下一时刻的预测剩余电量,最终根据预测剩余电量提前调整电动自行车控制器的电流输出策略,以实现根据电池内部数据、车辆数据以及环境干扰参数对电动自行车用电输出量的动态优化,有效延长了电动自行车的续航里程,提升使用体验。
本文档来自技高网...【技术保护点】
1.一种电动自行车用电优化系统,其特征在于,包括:
2.根据权利要求1所述的电动自行车用电优化系统,其特征在于,还包括:
3.根据权利要求2所述的电动自行车用电优化系统,其特征在于,所述优化模块包括:
4.根据权利要求3所述的电动自行车用电优化系统,其特征在于,所述环境扰动量方程配置为:
5.根据权利要求1所述的电动自行车用电优化系统,其特征在于:所述寿命预测模块包括:
6.根据权利要求1所述的电动自行车用电优化系统,其特征在于,还包括动能回收模块,连接所述电量监测模块,所述动能回收模块包括:
7.根据权利要求1所述的电动自行车用电优化系统,其特征在于,还包括风速检测模块,连接所述计算模块,用于在骑行过程中实时检测所述电动自行车上的相对风速;
8.根据权利要求1所述的电动自行车用电优化系统,其特征在于:所述风阻计算公式配置为:
9.根据权利要求1所述的电动自行车用电优化系统,其特征在于:所述电量预测模型为LSTM神经网络模型。
【技术特征摘要】
1.一种电动自行车用电优化系统,其特征在于,包括:
2.根据权利要求1所述的电动自行车用电优化系统,其特征在于,还包括:
3.根据权利要求2所述的电动自行车用电优化系统,其特征在于,所述优化模块包括:
4.根据权利要求3所述的电动自行车用电优化系统,其特征在于,所述环境扰动量方程配置为:
5.根据权利要求1所述的电动自行车用电优化系统,其特征在于:所述寿命预测模块包括:
6.根据权利要求1所述的电动自行车...
【专利技术属性】
技术研发人员:徐亚军,蒋周建,李松坡,
申请(专利权)人:杭州泛舟科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。