浅谈新能源汽车能源控制智能化发展

王洪春

摘 要：自十九世纪德国著名工程师卡尔·本茨与戴姆勒创造汽车到如今的二十一世纪，汽车工业的进展历史就已经有了两个世纪，以往的燃油汽车生产工业的技术进展已经十分成熟。进入二十一世纪以后以往的燃油汽车工业的进展速度正在缓慢降低，进展的质量尚待提升，汽车工业的进展已经走上了下坡的道路，跟随着到来的是汽车工业生产工业进展的众多问题，比方说在使用汽车时的操控问题和经济问题以及环境的保护问题等问题。在我国社会经济持续进展的背景下，国家政府有关部门的有效领导，社会人群越来越重视汽车的方便性以及便利性，汽车已经走进了千门万户，成为了我国绝大多数家庭或不可缺的交通工具，在我国人工智能繁荣进展的大背景下，对汽车工业生产行业实施转型改革以及生产技术的革新，进一步的增强对更为智能的新能源汽车的探究投资以及宣传推广。

关键词：新能源汽车;能源控制;智能化

1 新能源汽车的不足

新能源汽车大致可以分为油电混合新能源汽车以及纯电动新能源汽车两个部分，因为混合动力的新能源汽车将石油类燃料与电力混合作为动力的资源，主要应用的动力能源是电能，而石油类燃料作为辅助能源，所以油电混合的新能源汽车的构造极其复杂，为了达到最佳的节能效果，创建更好的能源消耗管控系统是最重要的。油电混合的新能源汽车的能源消耗会受到很多方面的影响，比方说油电混合新能源汽车的车身自重、应用的轮毂类型、在行驶过程中的状况、驾驶员的汽车驾驶习惯以及汽车的动力系统的类别等。因为如今的油电混合新能源汽车的能源管控系统的技术还不是十分的成熟，所以油电混合新能源汽车的能源消耗往往都会相对来说比较高。纯电动新能源汽车将以往的燃油发动机转变为由蓄电池供给电能并由电机将电能转化为动能，以此达到驱动汽车的目的，由于蓄电池对电能的储蓄能力受到了限制，供给新能源汽车行驶的电能较少，导致新能源汽车行驶的里程非常的短，纯电能新能源汽车受到蓄电池的供电状态、电机的运转状况、新能源汽车周围的环境状况以及新能源汽车在行驶过程中受到外界的影响相对来说较大。

2 人工智能在新能源汽车境遇的融合运用

2.1 人工智能简介

人工智能技术的研发是用于模拟和延伸以及拓展人类智能的理论和方法技术以及运用系统的一门更新的技术课程。人类的意志和思想以及信息传输的模式都可以应用人工智能技术进行计算以及模拟，人工智能不用经过人类的大脑，但是人工智能却能够像人类一样考虑一定程度的问题，人工智能在非常多的方面已经完全超越了人类的大脑。在一定的程度上能够替代人类的大脑进行对繁杂的问题进行思考以及工作，而对于新能源汽车能源的管控这种数据杂乱密集的创建模型进行计算，人工智能的计算方法一样极其的符合计算的要求。

2.2 人工智能在新能源汽车中的运用

2.2.1 人工智能在油电混合新能源汽车中的运用

油电混合新能源汽车在应用了传统石油类燃料的基础上增添蓄电池作为动力能源，电机作为汽车的驱动，所以油电混合新能源汽车在石油类燃料的消耗上以及尾气的排放量上都远远低于传统的燃油汽车，而在动力这一方面又比纯电动新能源汽车有优势，所以油电混合新能源汽车是传统的将燃油作能源的汽车向纯电动新能源汽车中的一种过渡新能源汽车。油电混合新能源汽车的核心是运用HEV系统，而维持HEV系统的是能源管控体系技术，如今油电混合新能源汽车的HEV体系主要包含并联以及串联两种连接形式，思考到并联式与串联式HEV进展的差异性与管控系统是否智能管控与改善，文章将以智能型以及智能改善型两个方面对并联式能源管控系统技术进行简单讲述。

在我国人工智能迅速进展的背景下，油电混合新能源汽车能源管控这种时变体系非线性的问题可以应用朦胧逻辑的学习计算方式进行解决，通过对新能源汽車装配的蓄电池、新能源汽车的扭矩、新能源汽车的最高时速、新能源汽车驾驶员的驾驶习惯以及新能源汽车在行驶过程中的状况等要素作为变量传输到新能源汽车操控器，再用朦胧逻辑对新能源汽车的工作模式以及新能源汽车发动机的输出功率进行区别，朦胧计算攻略能源管控的适应能力较强，结果比较精准并且计算的速度极其的快，能够使镶入式的体系顺应如今的油电混合新能源汽车，但是其由于还需要借助人工操作经验的特点，很难达到全局面最优异的，现在这种智能操控还需要得到进一步的改善。

2.2.2 人工智能在纯电能新能源汽车中的运用

在纯电能新能源汽车的技术逐渐健全的大背景下，社会人群将纯电动新能源汽车的蓄电池的安全问题以及续航能力问题作为关注的重点问题，而蓄电池的本身质量与蓄电池装配的汽车电源管理系统决定了蓄电池在使用过程中的安全问题以及续航能力问题。新能源汽车的电源管理体系的主要功能包含：单个蓄电池的电流与电压的测量，与蓄电池的电量均衡，全部蓄电池的电流测量以及电压测量，蓄电池的温度测量，配电管控，故障检测以及管控，汽车内部的通信管控与核电估算等。虽然电源管理系统包含的很多，但是其中最主要的最尚待提升完善的是荷电状态估计计算，因为蓄电池的电源荷电状态是非线性的，为了进一步的提升荷电状态估计计算的能力以及荷电状态估计计算的精准度，社会人群应用纯电能新能源汽车蓄电池的外貌特征作为参考数据，传输到人工智能神经网络，设置与实际状况相符的核心神经元的数量，运用粒子群计算方法以及遗传计算方法等对神经元网络实施改善，用大量的现实数据锻炼人工智能神经网络，最后取得核电状态估计计算模型的误差在1.2%～4.5%，构建的模型能够非常精确的估算出核电状态。

因为以往蓄电池电源电荷状态估计计算存在局部最小问题，导致以往的估算办法与实际状况的误差非常大，科技人员创建支持向量机模型就估算电源电荷状态，支持向量机方法可以极佳地处理非线性以及高纬度建模的问题，及其符合电荷状态估算模型，支持向量机创建的估算模型估算的极其精准，鲁棒性和适应性以及泛化能力强，应用支持向量机创建的模型进行过实际检测得到的估算误差是2.7%，能够极其精准的估计计算电源电荷状态。

参考文献：

[1]唐葆君，王翔宇，王彬，吴郧，邹颖，许黄琛，马也.中国新能源汽车行业发展水平分析及展望[J].北京理工大学学报（社会科学版），2019，21（02）：6-11.

[2]马建，刘晓东，陈轶嵩，汪贵平，赵轩，贺伊琳，许世维，张凯，张一西.中国新能源汽车产业与技术发展现状及对策[J].中国公路学报，2018，31（08）：1-19.

[3]李文策，白雪，齐亮，张祥，冉纯嘉.新能源汽车新时代新征程：2017回顾及未来展望[J].北京理工大学学报（社会科学版），2018，20（02）：1-7.