http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
시계열 딥러닝을 적용한 직렬형 하이브리드 자동차의 에너지 관리 전략에 관한 연구
황영하(Yeongha Hwang),황기연(Giyeon Hwang),응오 테 남(Nam The Ngo),도 쫑 뚜(Tu Trong Do),박지환(Jihwan Park),신승협(Seunghyup Shin),민경덕(Kyoungdoug Min),이상열(Sangyul Lee),김민재(Minjae Kim) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6
본 논문에서는 직렬형 하이브리드 자동차(SHEV, Series Hybrid Electric Vehicle)를 구현하고, 이를 기반으로 레퍼런스 데이터를 최적화 기법 등을 활용하여 생성시켰다. 해당 레퍼런스 데이터는 LSTM(Long Short-Term Memory)을 이용하여 최적의 에너지 분배 알고리즘을 만드는 데 활용되었다. 제안된 방법은 실시간 최적 에너지 분배 등에서 충분히 활용되어 보다 나은 효율의 하이브리드 자동차를 달성하는 데 기여할 것으로 기대된다.
Research on Improving Efficiency of New Type Fuel Cell Electric Bus
Nam The Ngo,Giyeon Hwang(황기연),Yeongha Hwang(황영하),Tu Trong Do,Minjae Kim(김민재) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6
In order to reduce the harmful effects of environmental issues, fuel cell electric vehicles (FCEVs) have been widely studied as advanced eco-friendly vehicles. This paper studies a new concept of city buses using multiple stack fuel cell (MFC) systems to maximize the efficiency of the entire systems at low load demand. We focus on the more flexible structure of the fuel cells and the newly proposed structure enhances the efficiency of the vehicle. A novel concept is applied to the longitudinal dynamic simulation model and the fuel consumption decrease was clear with test driving cycles.