买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉海南大学申请的专利一种飞行汽车能量与热管理耦合系统策略生成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119142215B 。

龙图腾网通过国家知识产权局官网在2025-08-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411345935.3，技术领域涉及：B60L58/40；该发明授权一种飞行汽车能量与热管理耦合系统策略生成方法是由彭浩;袁德利;蒋可龙;徐伟峰;阮荣倩;李萌;沈义俊设计研发完成，并于2024-09-26向国家知识产权局提交的专利申请。

本一种飞行汽车能量与热管理耦合系统策略生成方法在说明书摘要公布了：本发明提供一种飞行汽车能量与热管理耦合系统策略生成方法，所述方法包括：S101、对氢燃料混合动力飞行汽车的燃料电池子系统、锂电池子系统、燃料电池氢气压缩机、和冷却子系统进行建模；S102、基于燃料电池子系统、锂电池子系统、燃料电池氢气压缩机和冷却子系统的模型建立氢燃料飞行汽车能量与热管理系统耦合模型；S103、使用PPO算法求解氢燃料飞行汽车能量与热管理系统耦合模型。本发明通过将能量与热管理系统进行耦合，可以动态调整氢燃料电池的运行参数，以适应实时的环境变化和操作需求，提升了能源利用效率，还通过优化热量的散失和散热过程，延长了系统的使用寿命。

本发明授权一种飞行汽车能量与热管理耦合系统策略生成方法在权利要求书中公布了：1.一种飞行汽车能量与热管理耦合系统策略生成方法，其特征在于，包括： S101、对氢燃料混合动力飞行汽车的燃料电池子系统、锂电池子系统、燃料电池氢气压缩机和冷却子系统进行建模； S102、基于燃料电池子系统、锂电池子系统、燃料电池氢气压缩机和冷却子系统的模型建立氢燃料飞行汽车能量与热管理系统耦合模型，所述氢燃料飞行汽车能量与热管理系统耦合模型，包括： Pfc,output＝ηfcTfc·Pfc,input Pbattery，actual＝Pbattery·ηbatteryTbattery Tbattery，actual＝Prequire-Pfc,output Qloss＝Pfc,input·1-ηfcTfc Qfc,external＝∈fc·σ·Afc·Tfc-Tambient Qinternal＝Pbattery·1-ηbatteryTbattery Qbat,external＝∈battery·σ·Abattery·Tbattery-Tambient 其中，Pfc,output为燃料电池的功率输出，Pbattery，actual为锂电池实际功率，Pcompressor为压缩机功率，Qloss为热量损失，Qfc,external为燃料电池传播到环境中的热量，Qintetnal为电池内部产生的热量，Qbat,external为锂电池传播到环境中的热量，Tbattery为锂电池温度，Tfc为燃料电池温度，Tambient为环境温度，ηfcTfc为在温度T下的效率，ηfc为燃料电池效率，Pfc,input为燃料电池输入功率，Pbattery为理论充电功率，ηbatteryTbattery为锂电池在温度T下的效率，ηbattery为锂电池效率，Prequire为需求功率，Pfc,output为燃料电池的功率输出，为质量流量，R为气体常数，T1为初始温度，γ是绝热指数，P2和P1分别为压缩后的压力和进气压力，Pfc,input为燃料电池输入功率，∈fc为燃料电池堆发射率，σ为斯特藩-玻尔兹曼常数，Afc为燃料电池堆辐射面积，∈battery为锂电池堆发射率，Abattery为锂电池堆辐射面积，Tbattery_past为上一时刻锂电池温度，Tfc_past为上一时刻燃料电池温度，Qbat_total为锂电池实际产生的总热量，Qfc_total为燃料电池实际产生的总热量，Qbat,c和Qfc,c分别为锂电池和燃料电池子系统制冷量，mbat和mfc分别为锂电池重量和燃料电池重量，cp,bat和cp,fc分别为锂电池比热容和燃料电池比热容，T0是海平面上的标准温度，L为温度递减率，h是海拔高度，为环境温度变化； S103、使用PPO算法求解氢燃料飞行汽车能量与热管理系统耦合模型，具体步骤如下： S31、初始化：初始化策略网络和价值网络以及其相应的参数； S32、数据采集：在环境中运行当前策略，生成一批轨迹数据，每个轨迹包含一系列状态、动作、奖励和下一个状态，收集每个状态的优势估计和返回值，本耦合模型的奖励函数如下： Rewardtotal ＝Krrward·Rewardenergy+1-KyewardRewardthermal Rewardenergy＝Pfc,output+λ·Pbattery，actual+Pcompressor+μsoc-soctarget2 其中，Rewardtotal为总奖励，Kreward为奖励函数系数，范围[0,1]，Rewardenergy为能量管理奖励函数，Rewardthermal为热管理奖励函数，λ为电量转化为等效因子的权重因子，SOC为电池电量状态，在0到1之间，0表示没电，1表示满电； soctarget为目标电池电量状态，将SOC保持在目标电池电量状态附近；μ为SOC惩罚因子，为锂电池温度，燃料电池温度调控因子；Tbattery,target为目标锂电池温度； S33、计算优势估计：优势估计使用广义优势估计； S34、策略优化：计算目标函数，PPO算法使用近端策略优化裁剪来限制策略网络更新的幅度； S35、价值网络优化：以最小化价值函数的均方误差更新价值网络，定义损失函数； S36、更新和循环：更新策略网络和价值网络的参数，重复步骤S32到S35，直到达到设定的训练轮数或满足收敛条件。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人海南大学，其通讯地址为：570228 海南省海口市美兰区人民大道58号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。