近日，汽车与交通学院新能源与智能车辆团队传来捷报，在燃料电池商用车能量管理、动力电池状态估计两大新能源汽车技术方向取得系列突破性进展。团队成果相继发表于《Energy Conversion and Management》《Energy》《Journal of Energy Storage》三本国际权威期刊，其中两篇为中科院一区Top期刊，一篇为中科院二区期刊，IF值均超9.4，相关研究为新能源汽车安全经济运行提供了创新性解决方案，充分彰显了我校在该领域的科研硬实力与国际学术影响力。
此次发表的三篇高水平论文，聚焦新能源汽车产业痛点问题，形成了覆盖商用车动力系统优化与动力电池核心参数重构的完整技术体系，研究成果获得国内外同行高度认可。
在燃料电池商用车能量管理方向，团队针对长途重卡与城市公交车的不同应用场景，提出两类创新策略，攻克了动力系统功率分配与节能驾驶协同的关键技术。其中，2023级硕士陈洲以第一作者、武小花教授为通讯作者发表于《Energy Conversion and Management》（IF：10.9，中科院一区 Top）的论文，面向长途重卡“多堆燃料电池 + 动力电池”动力系统，创新性构建双层能量管理策略：下层实现两套并联燃料电池系统的最优功率分配，上层采用Q-learning强化学习方法协调燃料电池与动力电池的功率输出，达成经济性与使用寿命的多目标优化。经硬件在环（HIL）验证，该策略下系统百公里氢耗与离线仿真差异≤0.15%，可稳定维持动力电池SOC状态、抑制燃料电池功率波动，具备极强的在线应用潜力，显著提升整车动力系统的稳定性与耐久性。
论文截图（一）
另一篇发表于《Energy》（IF：9.4，中科院一区 Top）的论文，由武小花教授担任第一作者、2023级硕士马鹏飞为第二作者，聚焦城市燃料电池公交车的行驶特性，提出基于最小等效氢耗的节能车速规划策略。相较于基于实车真实驾驶场景与改进智能驾驶员模型的传统策略，该技术在信号交叉口通行时间、停车时长、时间节省率及整体通过效率等方面均展现显著优势。通过将节能车速规划与Q-learning整车能量管理策略深度融合，实现了驾驶行为与能量分配的协同控制，为城市公交领域的节能环保升级提供了切实可行的技术路径。
论文截图（二）
在动力电池状态估计领域，团队成功破解实车环境下锂电池开路电压（OCV）曲线难以精准重构的行业难题。2022级硕士杨毅以第一作者、武小花教授为通讯作者发表于《Journal of Energy Storage》（IF：9.8，中科院二区）的论文，创新性采用电动汽车动力电池包的多级恒流充电数据，通过 “分段处理-参数辨识-片段整合”的技术路线，实现了完整OCV曲线的高效重构。经实车数据与实验室数据双重验证，该方法重构精度高、适应性强，为动力电池状态估计、故障诊断提供了核心技术支撑，对提升新能源汽车电池管理系统可靠性具有重要意义。
论文截图（三）
系列高水平论文的发表，是团队长期深耕新能源汽车核心技术领域的重要成果，研究过程为新能源与智能车辆方向研究生提供了高质量科研实践平台，进一步完善了“科研创新-人才培养”的协同机制，为我国新能源汽车产业高质量发展注入高校力量。
