来源：Thermal Science and Engineering Progress

原文：https://doi.org/10.1016/j.tsep.2023.102281

01 背景介绍

到2022年底，中国新型能源汽车已达1310万辆，其中电动汽车占79.78%。电动汽车以其高效率、低噪音、环保等特点，为汽车工业的可持续发展开辟了一条新的道路。同时，随着汽车技术的不断进步和对电动车需求的不断增加，消费者对汽车性能和舒适性的要求越来越高。其中，EVTM系统对车辆性能和乘客舒适性有重大影响。与传统燃料车相比，由于缺乏发动机，电动车的EVTM系统不仅需要满足汽车的热负荷要求。还需要确保电池、电动机和电子控制器等电子设备在正常温度范围内工作。电动车各部件的温度变化是影响能耗的主要因素，热管理系统中每个部件的温度变化受环境温度、车辆速度和空调压缩机速度等因素的影响。良好的温度预测方法是优化能源战略的前提。

02 成果掠影

近日，重庆理工大学何联格老师团队提出了一种基于粒子群优化(PSO)和反传播神经网络(BP)的电动汽车热管理温度预测方法。该团队采用PSO-BP方法对神经网络的权重和阈值进行了更新，利用从道路试验中收集的实时数据来确保影响因素的准确性。仿真结果表明，与BP神经网络相比，该方法将预测误差分别降低了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”为题发表于《Thermal Science and Engineering Progress》。

03 图文导读

图1 实验流程图。

图2 实验设备图纸。

图3 实验结束后的电池和电机温度。

图4 车身传热图。

标签： 汽车热管理 点击： 评论: