基于Koopman算子理论的EV气候动力学：比较eDMD方法
系统与控制
2025-04-08 v1 系统与控制
摘要
本论文应用基于Koopman算子理论的数据驱动算法，用于识别和预测轻型电动汽车中蒆压缩系统和舱内温度的非线性动力学。通过利用高保真非线性HVAC模型，系统行为被捕获在更高维状态空间中，实现线性表示。对三种Koopman-based系统识别方法(多项式库、径向基函数(RBF)、神经网络基于字典学习)进行比较分析。通过将功率作为可测量输出纳入Koopman框架，演示了对整个驾驶循环功率消耗的准确预测。通过在各种驾驶循环和环境条件下的仿真，严格评估了每种方法的性能，突出了其在能源效率车辆气候管理中用于实时预测和控制的潜力。该研究提供了一种可扩展的数据驱动方法，可扩展到其他复杂非线性系统。
引用
@article{arxiv.2504.03872,
title = {Koopman-Based Methods for EV Climate Dynamics: Comparing eDMD Approaches},
author = {Luca Meda and Stephanie Stockar},
journal= {arXiv preprint arXiv:2504.03872},
year = {2025}
}
备注
6 pages, conference