找到 2 条结果
基于深度迁移学习技术的电动汽车动力总成系统状态监测与故障诊断综述
Deep Transfer Learning Technology-Based Condition Monitoring and Fault Diagnosis of Electric Vehicle Electric Powertrain Systems: A Review
Haoxiang Xu · Zicheng Liu · Dong Jiang · Ronghai Qu 等5人 · IEEE Transactions on Power Electronics · 2026年1月
本文综述了电动汽车动力总成（电池、电机、电力电子系统）的状态监测与故障诊断技术。针对电动汽车运行工况复杂、系统配置多样导致的诊断难题，重点探讨了深度迁移学习在提升系统可靠性与安全性方面的应用，为实现动力总成的高效运维提供了理论基础。
解读: 该技术对阳光电源的电动汽车充电桩业务及储能系统运维具有重要参考价值。深度迁移学习能有效解决不同工况下设备故障特征提取难的问题，建议将其引入iSolarCloud智能运维平台，通过迁移学习算法优化充电桩及储能PCS的故障预测模型，提升设备在复杂环境下的预警准确率。此外，该诊断思路可延伸至PowerTi...
一种具有齿隙的电力动力传动系统的切换预测控制器
A Switched Predictive Controller for an Electrical Powertrain System With Backlash
Andrea Formentini · Alberto Oliveri · Mario Marchesoni · Marco Storace · IEEE Transactions on Power Electronics · 2017年5月
本文提出了一种切换模型预测控制策略，用于解决通过弹性轴和齿轮连接的电机动力传动系统的速度调节问题，重点处理齿轮齿隙带来的非线性。系统采用分段仿射模型描述，并针对不同系统动态设计了相应的控制律，从而简化了控制实现。
解读: 该研究关注动力传动系统中的非线性控制（齿隙补偿），对阳光电源的电动汽车充电桩业务及风电变流器业务具有参考价值。在风电变流器中，传动链的机械共振与齿隙是影响控制稳定性的关键因素，该切换预测控制策略可提升变流器在复杂机械工况下的动态响应性能。建议研发团队关注该算法在处理非线性负载波动时的鲁棒性，以优化风...