Zastosowanie metody uczenia maszynowego do procesu zarządzania energią w pojeździe elektrycznym
[ 1 ] Politechnika Poznańska | [ 2 ] Instytut Robotyki i Inteligencji Maszynowej, Wydział Automatyki, Robotyki i Elektrotechniki, Politechnika Poznańska | [ S ] student | [ P ] employee
[2.2] Automation, electronics, electrical engineering and space technologies
EN Application of the Machine Learning Method to the Energy Management Process in an Electric Vehicle
2022
scientific article
polish
- pojazd elektryczny
- PMSM
- uczenie maszynowe
- zarządzanie energią
PL Celem pracy było zastosowanie wybranej metody uczenia maszynowego do optymalizacji procesu zarządzania energią w pojeździe elektrycznym i minimalizacji jej zużycia w różnych warunkach pracy. Został opracowany model pojazdu składający się z dwóch silników elektrycznych IPMSM (ang. Interior Permanent Magnet Synchronous Motor), baterii oraz sił zewnętrznych oddziałujących na pojazd. Przeprowadzono wiele testów zachowania się pojazdu, podczas różnych warunków panujących w środowisku testo-wym i różnych strategii sterowania silnikiem elektrycznym. Dodatkowo została opracowana aplikacja mobilna, która pozwala na odczyt danych z żyroskopu oraz modułu GPS w celu zebrania danych uczących, walidacyjnych i testowych potrzebnych do uczenia maszynowego. W niniejszej pracy ograniczono się do zastosowano uczenia z nauczycielem. Podsumowano uzyskane wyniki i wybrano najefektywniejszy sposób optymalizacji zużycia energii.
EN The aim of the study was to apply a selected machine learning method to optimize the energy management process of an electric vehicle and minimize its energy consumption under various operating conditions. A vehicle model was developed, consisting of two IPMSM electric motors, batteries, and external forces acting on the vehicle. A number of tests were carried out on the vehicle's behavior, during different test environment conditions and different IPMSM motor control strategies. In addition, a mobile application was developed to read data from the gyroscope and GPS module in order to collect learning, validation, and test data needed for machine learning. In the present study, the application was limited to teaching with a teacher. The results obtained were summarized and the most effective way to optimize energy consumption was selected.
143 - 155
CC BY-SA (attribution - share alike)
open journal
final published version
public
5