English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

This paper presents energy management strategies for a new hybrid pneumatic engine  concept which is specific by its configuration in that it is not the vehicle but only the  engine itself which is hybridized. Different energy management strategies are proposed in  this paper. The first is called Causal Strategy (CS) and implements a rule-based control  technique. The second strategy, called Constant Penalty Coefficient (CPC), is based on the  minimization of equivalent consumption, where the use of each energy source is formulated  in a comparative unit. The balance between the consumption of different energy sources  (chemical or pneumatic) is achieved by the introduction of an equivalence factor. The  third strategy is called Variable Penalty Coefficient (VPC). In fact, it is beneficial to  consider the equivalence coefficient as variable within the amount of pneumatic energy  stored in the air-tank i.e. state of charge, because the choice of propulsion mode should  be different if the tank is full or empty. In this case, the penalty coefficient appears  as a non linear function of the air-tank state of charge. Another way to adapt the penalty  coefficient is to recognize a reference pattern during the driving cycle. The coefficient  value can then be changed according to an optimized value found for each of the reference  cycles. This strategy is called Driving Pattern Recognition (DPR). It involves a technique  of sliding window pattern recognition. The concept is to convert the whole driving cycle  into smaller pieces to which the equivalence factor can be appropriately adapted. This  strategy is based on the assumption that the current driving situation does not change  rapidly and thus the pattern is likely to continue into the near future. The  identification window size is a parameter which has to be adjusted to attain the maximum  of identification success over the reference cycle. We propose to define reference  patterns as statistical models. The pattern recognition method is based on a correlation  function. To improve analysis, all the results obtained with different energy management  strategies are compared with a Dynamic Programming approach (DP) considered as the optimal  solution. Results show that about 40% of fuel saving can be achieved by DP. The VPC and  DPR strategies give better results than the CPC strategy, not so far from the results  obtained with DP.Cet article présente comparativement des stratégies de gestion de l’énergie pour un  nouveau concept de moteur hybride : l’hybride pneumatique. Dans cette configuration  spécifique, c’est le moteur lui-même qui est hybridé (et non le véhicule). Plusieurs  stratégies de gestion d’énergie sont proposées dans cet article. La première est dite  Causale (CS) car basée sur des principes heuristiques de décision. La deuxième est basée  sur la minimisation d’un critère d’équivalence et est appelée stratégie à Coefficient de  Pénalité Constant (CPC). Dans ce cas, les flux d’énergie (depuis chaque source chimique ou  pneumatique) sont décrits dans des unités identiques. Ainsi, pour un même travail à  produire, il est possible de faire une « balance » entre la consommation nécessaire selon  chacune des deux sources d’énergie, et ceci avec un coefficient de pondération constant.  La troisième stratégie utilise un coefficient de pondération variable selon la quantité  d’air disponible dans le réservoir (i.e. état de charge)  et est appelée stratégie à Coefficient de Pénalité Variable (VPC). Dans ce cas, le  coefficient de pénalité est une fonction non-linéaire de la pression dans le réservoir. Un  autre raisonnement consiste à considérer qu’il est nécessaire d’adapter également le  coefficient à la situation de conduite (embouteillage, urbain, routier, autoroutier...),  pour cela il est impératif de reconnaître la situation de conduite. Le coefficient peut  alors être adapté, selon la situation reconnue à la valeur optimale prédéterminée pour des  situations types. Cette stratégie, à reconnaissance de situation de conduite (DPR), se  base sur une fenêtre glissante où la situation de conduite est considérée à changements  lents (conservatisme). Une partie du travail a été d’optimiser la taille de la fenêtre  d’identification.Les situations de conduite types sont décrites par des modèles  statistiques (densité de présence). La reconnaissance du cycle est basée sur une fonction  de corrélation. Afin de comparer les résultats obtenus sur différents cycles de conduite  (homologués et Artemis) avec les différentes stratégies proposées, les consommations  minimales atteignables obtenues par Programmation Dynamique (DP) sont également données.  Les résultats montrent que 40% de gain de consommation peuvent être atteints sur certains  cycles. Les résultats obtenus avec les stratégies « adaptatives » (VPC et DPR) sont  meilleurs que ceux obtenus avec les stratégies « constantes » (CS et CPC). De plus, les  résultats obtenus sont proches des résultats optimaux obtenus avec la programmation  dynamique

Energy Management Strategies for a Pneumatic-Hybrid Engine Based on Sliding Window Pattern Recognition