CVT變速箱壽命的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

並聯皮帶起動式輕度油電混合車之最佳動力配置策略

為了解決CVT變速箱壽命的問題，作者黃彥翔 這樣論述：

混合動力車乃泛指使用兩種或多種以上動力來源之車輛，其中最為普遍的兩種動力來源分別為內燃機引擎(Internal Combustion Engine, ICE)與電動馬達(Electric Motor, EM)，混合此兩種動力來源之車輛即為一般所稱的「油電混合車(Hybrid Electric Vehicle, HEV)」。 油電混合車的成敗關鍵之一在於其能量管理策略(Energy Management Strategy, EMS)。 利用馬達與內燃機引擎間的互補特性，可以改善汽車之油耗與排汙(Emission)狀況，然而，如何妥善利用此互補特性是一個重要課題。 本研究提出一針對

裝載皮帶式馬達發電機(Belt-driven Starter Generator, BSG)之中度混合並聯式油電混合動力車(Mild Parallel HEV)之控制策略，其運用等效油耗最小策略(Equivalent Consumption Minimization Strategy, ECMS)搭配遺傳基因演算法(Genetic Algorithm, GA)最佳化搜尋內燃機引擎之操作點與無段自動變速箱(Continuously Variable Transmission, CVT)之齒比，同時維持系統之電池電量(State Of Charge, SOC)和控制離合器(Clutch)之開/合與

引擎之開/關等，以達成線上最佳化燃油經濟性兼具滿足駕駛的駕馭需求。 此外，由於行車型態(Drive Cycle)對於油電混合車之燃油經濟性與排汙狀況有著重大的影響，故在這裡提出一基於學習向量量化(Learning Vector Quantization, LVQ)人工神經網路(Artificial Neural Network, ANN)之行車型態辨識(Driving Cycle Recognition, DCR)演算法，根據汽車所紀錄之歷史資訊，線上辨識出車輛目前處於哪一類型之行車型態，並藉由辨識結果調整等效油耗最小策略中之等效因子(Equivalent Factor)。 雖然行車型態辨識演

算法能夠有效將電池維持在一定區間內，然而電池之電量變化幅度仍相當大，如此可能會減短電池的壽命，因此本研究額外導入一微調等效因子之機制－模糊邏輯控制器(Fuzzy Logic Controller, FLC)，使整體控制策略極具強健性，能夠適應現實之駕駛狀況、穩定電池電量並進一步改善油耗。 為了驗證提出之能量管理策略，初步的驗證工作為利用車輛模擬軟體ADVISOR (ADvanced VehIcle SimulatOR)與MATLAB/Simulink建立出基於後視法(Backward-Facing Method)之油電車模型，並將能量管理策略整合至其中，同時進行模擬與分析以驗證其有效性。 另外

，本研究額外建立一基於前視法(Forward-Facing Method)之BSG架構油電車模型並將控制策略導入其中，以進一步驗證提出之控制策略。 由於此模型具備了駕駛模型，因此模擬出之數值結果將更貼近於現實。 最後，為了評估本研究所提出之控制策略在實務面上的有效性，將設計出之控制策略寫入至嵌入式控制器(Embedded Controller)中，同時導入真實世界駕駛至其中以進行硬體迴路(Hardware-in-the-Loop, HIL)的實驗，在此實驗下所得出之結果將最貼近於現實狀況。 由初步的後視模型之電腦模擬結果得知，在屬於市區之行車型態下，油耗改善率最高可達40.39 %，而在

十種行車型態下，相對於傳統汽油車，平均有高達27.97 %的油耗改善率，同時電池電量維持在一定區間內並能夠維持始末電量相近。 而由前視模型之模擬結果得知，除了HWFET行車型態外，其餘行車型態下，前視模型與後視模型之油耗模擬結果差異僅在5 %以內，和理想模型的模擬結果並無明顯差異。 最後，由硬體迴路實驗可知，其實驗結果與先前在電腦模擬的結果相當一致，驗證了本研究所提出之控制策略不管在理論面還是實務面皆有優越的成效，未來可將之實際應用於現行油電車輛上。