基于机器学习的最优储能设备选择辅助车辆推进系统

本研究探讨了机器学习方法在军用电动汽车储能设备选择中的应用。动力系统电气化依赖于在化学、尺寸、能量密度和功率密度等方面对储能装置的适当选择。军用车辆在重量、加速度要求、作业道路环境、任务等方面差别很大。本研究旨在利用数据驱动方法辅助军用车辆储能装置的选择。我们使用机器学习模型来提取车辆特性和需求与相应储能设备之间的关系。训练后，以目标车辆设计参数为输入，机器学习模型可以预测出理想的储能装置。所预测的理想储能器件可作为初始设计，并根据验证结果对其进行修改。在培训阶段，使用了从文献中借来的车辆数据的80%，剩余的20%用于验证。设计结果预测了电池尺寸和峰值功率，平均误差分别为3.14%和8.17%。