論文の概要: A Pulse-and-Glide-driven Adaptive Cruise Control System for Electric
Vehicle
- arxiv url: http://arxiv.org/abs/2205.08682v1
- Date: Wed, 18 May 2022 01:33:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-19 13:26:04.513870
- Title: A Pulse-and-Glide-driven Adaptive Cruise Control System for Electric
Vehicle
- Title（参考訳）: 電気自動車用パルス・グライド駆動型適応クルーズ制御システム
- Authors: Zhaofeng Tian, Liangkai Liu, Weisong Shi
- Abstract要約: PGACCS (Pulse-and-Glide-driven Adaptive Cruise Control System) は電気自動車において有望な選択肢である。
本稿では、PGACCSと再生ブレーキの性能評価に基づいて、再生ブレーキとACCSを備えたEVのシミュレーションモデルを構築した。
PnG最適化の結果、PGACCSのPnG運転は従来のACCSのCC運転と比較して、EVの28.3%のエネルギーコストを削減できた。
- 参考スコア（独自算出の注目度）: 1.8305518556327907
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As the adaptive cruise control system (ACCS) on vehicles is well-developed
today, vehicle manufacturers have increasingly employed this technology in
new-generation intelligent vehicles. Pulse-and-glide (PnG) strategy is an
efficacious driving strategy to diminish fuel consumption in traditional
oil-fueled vehicles. However, current studies rarely focus on the verification
of the energy-saving effect of PnG on an electric vehicle (EV) and embedding
PnG in ACCS. This paper proposes a pulse-and-glide-driven adaptive cruise
control system (PGACCS) model which leverages PnG strategy as a parallel
function with cruise control (CC) and verifies that PnG is an efficacious
energy-saving strategy on EV by optimizing the energy cost of the PnG operation
using Intelligent Genetic Algorithm and Particle Swarm Optimization (IGPSO).
This paper builds up a simulation model of an EV with regenerative braking and
ACCS based on which the performance of PGACCS and regenerative braking is
evaluated; the PnG energy performance is optimized and the effect of
regenerative braking on PnG energy performance is evaluated. As a result of PnG
optimization, the PnG operation in the PGACCS could cut down 28.3% energy cost
of the EV compared to the CC operation in the traditional ACCS which verifies
that PnG is an effective energy-saving strategy for EV and PGACCS is a
promising option for EV.
- Abstract（参考訳）: 車両のアダプティブクルーズ制御システム(acc)が現在よく開発されているため、自動車メーカーはこの技術を新世代のインテリジェントな車両に採用している。
パルス・アンド・グライド(Pulse-and-Glide、PnG)戦略は、従来の石油燃料車における燃料消費を減らすための効率的な運転戦略である。
しかし、最近の研究は、電気自動車(EV)におけるPnGの省エネ効果の検証やACCSへのPnGの埋め込みにはほとんど焦点を当てていない。
本稿では、PnG戦略をクルーズ制御(CC)と並列関数として活用し、インテリジェント遺伝的アルゴリズムと粒子群最適化(IGPSO)を用いてPnG動作のエネルギーコストを最適化することにより、PnGがEV上での省エネ戦略であることを検証したPGACCSモデルを提案する。
本稿では、PGACCSと再生ブレーキの性能を評価した再生ブレーキとACCSを用いたEVのシミュレーションモデルを構築し、PnGエネルギー性能を最適化し、再生ブレーキがPnGエネルギー性能に与える影響を評価する。
PnG最適化の結果、PGACCSのPnG運転は従来のACCSのCC運転と比較して28.3%のエネルギーコスト削減が可能となり、PnGがEVの効率的な省エネ戦略であり、PGACCSがEVにとって有望な選択肢であることを確認した。
関連論文リスト
- Energy-efficient Hybrid Model Predictive Trajectory Planning for Autonomous Electric Vehicles [5.962979693707366]
本稿では省エネ最適化戦略を用いた省エネハイブリッドモデル予測計画(EHMPP)を提案する。
Prescan、CarSim、Matlabのプラットフォーム上でのシミュレーション実験により、受動的回復エネルギーを11.74%増加させることが実証された。
論文 参考訳（メタデータ） (2024-11-09T08:21:06Z) - Charge Manipulation Attacks Against Smart Electric Vehicle Charging Stations and Deep Learning-based Detection Mechanisms [49.37592437398933]
電気自動車充電ステーション(EVCS)は、グリーントランスポートの実現に向けた重要なステップとなる。
我々は、攻撃者がスマート充電操作中に交換された情報を操作しているEV充電に対する充電操作攻撃(CMA)を調査した。
本稿では,EV充電に関わるパラメータを監視してCMAを検出する,教師なしのディープラーニングに基づくメカニズムを提案する。
論文 参考訳（メタデータ） (2023-10-18T18:38:59Z) - Hybrid Reinforcement Learning for Optimizing Pump Sustainability in
Real-World Water Distribution Networks [55.591662978280894]
本稿では,実世界の配水ネットワーク(WDN)のリアルタイム制御を強化するために,ポンプスケジューリング最適化問題に対処する。
我々の主な目的は、エネルギー消費と運用コストを削減しつつ、物理的な運用上の制約を遵守することである。
進化に基づくアルゴリズムや遺伝的アルゴリズムのような伝統的な最適化手法は、収束保証の欠如によってしばしば不足する。
論文 参考訳（メタデータ） (2023-10-13T21:26:16Z) - Federated Reinforcement Learning for Electric Vehicles Charging Control
on Distribution Networks [42.04263644600909]
マルチエージェント深部強化学習(MADRL)はEV充電制御において有効であることが証明されている。
既存のMADRLベースのアプローチでは、配電ネットワークにおけるEV充電/放電の自然な電力フローを考慮できない。
本稿では,マルチEV充電/放電と最適電力流で動作する放射分布ネットワーク(RDN)を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2023-08-17T05:34:46Z) - Transfer Deep Reinforcement Learning-based Large-scale V2G Continuous
Charging Coordination with Renewable Energy Sources [5.99526159525785]
再生可能エネルギーと電力グリッドの安定性を高めるため,V2G技術と大規模スケジューリングアルゴリズムを開発した。
本稿では, 連続充電/放電協調戦略のための深部強化学習法を提案する。
論文 参考訳（メタデータ） (2022-10-13T13:21:55Z) - Federated Reinforcement Learning for Real-Time Electric Vehicle Charging
and Discharging Control [42.17503767317918]
本稿では、動的環境下で異なるEVユーザに対して最適なEV充電/放電制御戦略を開発する。
多様なユーザの行動や動的環境に適合する水平連合強化学習法(HFRL)を提案する。
シミュレーションの結果,提案したリアルタイムEV充電/放電制御戦略は,様々な要因において良好に機能することが示された。
論文 参考訳（メタデータ） (2022-10-04T08:22:46Z) - Unified Automatic Control of Vehicular Systems with Reinforcement
Learning [64.63619662693068]
本稿では,車載マイクロシミュレーションの合理化手法について述べる。
最小限の手動設計で高性能な制御戦略を発見する。
この研究は、波動緩和、交通信号、ランプ計測に類似した多くの創発的挙動を明らかにしている。
論文 参考訳（メタデータ） (2022-07-30T16:23:45Z) - Risk Adversarial Learning System for Connected and Autonomous Vehicle
Charging [43.42105971560163]
我々は、コネクテッドかつ自律的な自動車充電インフラ(CAV-CI)のための合理的意思決定支援システム(RDSS)の設計について検討する。
検討されたCAV-CIでは、配電系統オペレーター(DSO)が電気自動車供給装置(EVSE)を配備し、人間駆動のコネクテッドカー(CV)と自動運転車(AV)のためのEV充電設備を提供する。
人力EVによる充電要求は、実際の需要よりもエネルギーと充電時間を必要とすると不合理になる。
我々は,CAV-CIが解決する新たなリスク対向型マルチエージェント学習システム(ALS)を提案する。
論文 参考訳（メタデータ） (2021-08-02T02:38:15Z) - Hybrid Car-Following Strategy based on Deep Deterministic Policy
Gradient and Cooperative Adaptive Cruise Control [7.016756906859412]
深度決定論的政策勾配(DDPG)と協調適応巡航制御(CACC)に基づくハイブリッドカーフォロー戦略を提案する。
提案手法は,CACCによる車追従の基本的な性能を保証するとともに,DDPGによる複雑な環境探索の利点をフル活用する。
論文 参考訳（メタデータ） (2021-02-24T17:37:47Z) - Transfer Deep Reinforcement Learning-enabled Energy Management Strategy
for Hybrid Tracked Vehicle [8.327437591702163]
本稿では、深部強化学習(DRL)と伝達学習(TL)を組み合わせたハイブリッド電気自動車の適応エネルギー管理戦略を提案する。
退屈なトレーニング時間でDRLの欠陥に対処することを目的としている。
DRLおよびTL対応制御ポリシは、エネルギー効率を向上し、システム性能を向上させることができる。
論文 参考訳（メタデータ） (2020-07-16T23:39:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。