淺談新能源汽車能源控制智能化發展

王洪春

摘 要：自十九世紀德國著名工程師卡爾·本茨與戴姆勒創造汽車到如今的二十一世紀，汽車工業的進展歷史就已經有了兩個世紀，以往的燃油汽車生產工業的技術進展已經十分成熟。進入二十一世紀以后以往的燃油汽車工業的進展速度正在緩慢降低，進展的質量尚待提升，汽車工業的進展已經走上了下坡的道路，跟隨著到來的是汽車工業生產工業進展的眾多問題，比方說在使用汽車時的操控問題和經濟問題以及環境的保護問題等問題。在我國社會經濟持續進展的背景下，國家政府有關部門的有效領導，社會人群越來越重視汽車的方便性以及便利性，汽車已經走進了千門萬戶，成為了我國絕大多數家庭或不可缺的交通工具，在我國人工智能繁榮進展的大背景下，對汽車工業生產行業實施轉型改革以及生產技術的革新，進一步的增強對更為智能的新能源汽車的探究投資以及宣傳推廣。

關鍵詞：新能源汽車;能源控制;智能化

1 新能源汽車的不足

新能源汽車大致可以分為油電混合新能源汽車以及純電動新能源汽車兩個部分，因為混合動力的新能源汽車將石油類燃料與電力混合作為動力的資源，主要應用的動力能源是電能，而石油類燃料作為輔助能源，所以油電混合的新能源汽車的構造極其復雜，為了達到最佳的節能效果，創建更好的能源消耗管控系統是最重要的。油電混合的新能源汽車的能源消耗會受到很多方面的影響，比方說油電混合新能源汽車的車身自重、應用的輪轂類型、在行駛過程中的狀況、駕駛員的汽車駕駛習慣以及汽車的動力系統的類別等。因為如今的油電混合新能源汽車的能源管控系統的技術還不是十分的成熟，所以油電混合新能源汽車的能源消耗往往都會相對來說比較高。純電動新能源汽車將以往的燃油發動機轉變為由蓄電池供給電能并由電機將電能轉化為動能，以此達到驅動汽車的目的，由于蓄電池對電能的儲蓄能力受到了限制，供給新能源汽車行駛的電能較少，導致新能源汽車行駛的里程非常的短，純電能新能源汽車受到蓄電池的供電狀態、電機的運轉狀況、新能源汽車周圍的環境狀況以及新能源汽車在行駛過程中受到外界的影響相對來說較大。

2 人工智能在新能源汽車境遇的融合運用

2.1 人工智能簡介

人工智能技術的研發是用于模擬和延伸以及拓展人類智能的理論和方法技術以及運用系統的一門更新的技術課程。人類的意志和思想以及信息傳輸的模式都可以應用人工智能技術進行計算以及模擬，人工智能不用經過人類的大腦，但是人工智能卻能夠像人類一樣考慮一定程度的問題，人工智能在非常多的方面已經完全超越了人類的大腦。在一定的程度上能夠替代人類的大腦進行對繁雜的問題進行思考以及工作，而對于新能源汽車能源的管控這種數據雜亂密集的創建模型進行計算，人工智能的計算方法一樣極其的符合計算的要求。

2.2 人工智能在新能源汽車中的運用

2.2.1 人工智能在油電混合新能源汽車中的運用

油電混合新能源汽車在應用了傳統石油類燃料的基礎上增添蓄電池作為動力能源，電機作為汽車的驅動，所以油電混合新能源汽車在石油類燃料的消耗上以及尾氣的排放量上都遠遠低于傳統的燃油汽車，而在動力這一方面又比純電動新能源汽車有優勢，所以油電混合新能源汽車是傳統的將燃油作能源的汽車向純電動新能源汽車中的一種過渡新能源汽車。油電混合新能源汽車的核心是運用HEV系統，而維持HEV系統的是能源管控體系技術，如今油電混合新能源汽車的HEV體系主要包含并聯以及串聯兩種連接形式，思考到并聯式與串聯式HEV進展的差異性與管控系統是否智能管控與改善，文章將以智能型以及智能改善型兩個方面對并聯式能源管控系統技術進行簡單講述。

在我國人工智能迅速進展的背景下，油電混合新能源汽車能源管控這種時變體系非線性的問題可以應用朦朧邏輯的學習計算方式進行解決，通過對新能源汽車裝配的蓄電池、新能源汽車的扭矩、新能源汽車的最高時速、新能源汽車駕駛員的駕駛習慣以及新能源汽車在行駛過程中的狀況等要素作為變量傳輸到新能源汽車操控器，再用朦朧邏輯對新能源汽車的工作模式以及新能源汽車發動機的輸出功率進行區別，朦朧計算攻略能源管控的適應能力較強，結果比較精準并且計算的速度極其的快，能夠使鑲入式的體系順應如今的油電混合新能源汽車，但是其由于還需要借助人工操作經驗的特點，很難達到全局面最優異的，現在這種智能操控還需要得到進一步的改善。

2.2.2 人工智能在純電能新能源汽車中的運用

在純電能新能源汽車的技術逐漸健全的大背景下，社會人群將純電動新能源汽車的蓄電池的安全問題以及續航能力問題作為關注的重點問題，而蓄電池的本身質量與蓄電池裝配的汽車電源管理系統決定了蓄電池在使用過程中的安全問題以及續航能力問題。新能源汽車的電源管理體系的主要功能包含：單個蓄電池的電流與電壓的測量，與蓄電池的電量均衡，全部蓄電池的電流測量以及電壓測量，蓄電池的溫度測量，配電管控，故障檢測以及管控，汽車內部的通信管控與核電估算等。雖然電源管理系統包含的很多，但是其中最主要的最尚待提升完善的是荷電狀態估計計算，因為蓄電池的電源荷電狀態是非線性的，為了進一步的提升荷電狀態估計計算的能力以及荷電狀態估計計算的精準度，社會人群應用純電能新能源汽車蓄電池的外貌特征作為參考數據，傳輸到人工智能神經網絡，設置與實際狀況相符的核心神經元的數量，運用粒子群計算方法以及遺傳計算方法等對神經元網絡實施改善，用大量的現實數據鍛煉人工智能神經網絡，最后取得核電狀態估計計算模型的誤差在1.2%～4.5%，構建的模型能夠非常精確的估算出核電狀態。

因為以往蓄電池電源電荷狀態估計計算存在局部最小問題，導致以往的估算辦法與實際狀況的誤差非常大，科技人員創建支持向量機模型就估算電源電荷狀態，支持向量機方法可以極佳地處理非線性以及高緯度建模的問題，及其符合電荷狀態估算模型，支持向量機創建的估算模型估算的極其精準，魯棒性和適應性以及泛化能力強，應用支持向量機創建的模型進行過實際檢測得到的估算誤差是2.7%，能夠極其精準的估計計算電源電荷狀態。

參考文獻：

[1]唐葆君，王翔宇，王彬，吳鄖，鄒穎，許黃琛，馬也.中國新能源汽車行業發展水平分析及展望[J].北京理工大學學報（社會科學版），2019，21（02）：6-11.

[2]馬建，劉曉東，陳軼嵩，汪貴平，趙軒，賀伊琳，許世維，張凱，張一西.中國新能源汽車產業與技術發展現狀及對策[J].中國公路學報，2018，31（08）：1-19.

[3]李文策，白雪，齊亮，張祥，冉純嘉.新能源汽車新時代新征程：2017回顧及未來展望[J].北京理工大學學報（社會科學版），2018，20（02）：1-7.