Bu tədqiqat, yanacaq hüceyrəsi (FC), batareya (Bat) və superkondensatorü (SC) birlikdə kullanan hibrid hidrogenli əlektrikli nəqliyyat vasitəsilar üçün enerji idarəetməsi, nasazlığın aşkarlanması və izolyasiyası ilə nasazlığa dözümlü idarəetməü tək qapalı dövrə memarlıqde birleştiren EMS–FDI–FTC sistemi təklif edir. Sistemin əsas fərqi, yalnız bir nasazlıqyı aşkarlama etmekle yetinsultmesidir. Arıza siniflandırıldıktan sonra nəticə enerji yönetim sistemine ötürülür və nasaz güc mənbəyinın yükü azaltılarak talep edilen dartı gücü sağlam mənbəlara yeniden dağıtılmaktadır.

Tədqiqatda standartlaştırılmış sintetik sürüş dövrleri əvəzinə Tunus'ta real yol üzərində GPS ilə qeydə alınmış üç fərqli sürüş marşrutsı istifadə edilmişdir. Araç hızı və yol meyli kimi marşrut bilgileri dartı gücü tələbinin hesaplanmasında kullanılmış; yanacaq hüceyrəsi, batareya və superkondensatorün əlektriksəl davranışları isə real vaxtlı idarəetməe uyğun sadəleştirilmiş modəlləşdirirle temsil edilmiştir.

Arıza teşhis qatı üç tamamlayıcı mekanizmayı birləşdirir: EKF əsaslı qalıq/innovasiya izleme, CUSUM dəyişiklik aşkarlanması və CNN–LSTM əsaslı süni intəllekt təsnifatı. CNN qatları kısa sürəli lokal nasazlıq örüntülerini çıxarırken LSTM qatı bu sinyallerin zaman içindeki gəlişimini qiymətləndirməktedir. Modəlin fərqli marşrut şərtlərinə genəlleme yeteneğini ölçmek üçün leave-one-route-out (LORO) doğrulaması tətbiq edilmişdir; yani modəl iki marşrutyla eğitilmiş və təlim sırasında görmediği üçüncü marşrutda test edilmişdir.

Pencere düzeyi LORO təsnifat dəqiqliyi Route 1 üçün %87,04, Route 2 üçün %74,78 və Route 3 üçün %68,52 kimi hesabatda bildirilmişdir. Daha dinamik Route 2 daha yüksək güç tepəleri və daha fazala enerji yenidən paylanma gereksinimi üretirken, daha düzgün Route 3 daha aşağı enerji bucaqğı və hidrogen istehlakı göstərmişdir. Bu nəticə eyni zamanda örütubətli bir mühendislik çıkarımına işaret etmektedir: daha hareketli sürüş profilleri teşhis açistilikndan nasazlıqyı daha görünür hale getirebilirken enerji yönetim sistemini daha ağır koşullarda çalıştırmaktadır.

Gömülü tətbiq tarafında EMS–FDI–FTC idarəedicisi STM32F407VG, ARM Cortex-M4 168 MHz prosessor üzərində processor-in-the-loop (PIL) kimi işlədilmiştır. Denetim dövri 10 Hz, yani 100 ms seçmə intervalında yürütülmüş; orta hesablama müddəti 1,6 ms, ən pis hal hesablama müddəti isə 6,2 ms'nin altında ölçülmüşdür. Bu nəticə, tədqiqatda istifadə edilən idarəetmə arxitekdövrasınin söz konusu gömülü prosessor üzərində 100 ms'lik üst seviye idarəetmə dövrüni zamanında tamamlayabildiğini göstərir.

Türkiyə baxımından: Tədqiqat Türkiye'ye ait sürüş marşrutlarını və ya Türkiye'də təkvalləşdirilmiş müəyyən bir hidrogenli araç platformasınu incəlememektedir. Bununla bələ metod; hidrogen yanacaq hüceyrəli araçlar, əlektrikli güç aktarma sistemləri, batareya–superkondensator hibrid depolama, araç üstü nasazlıq teşhisi və gömülü otomotiv əlektroniği üzərində çalışan tədqiqat və mühendislik ekipleri açistilikndan uygulanabilir bir memarlıq örneği təqdim edir. Türkiye'deki bir araca aktarım üçün lokal sürüş məlumatlarının, real FC–Bat–SC komponent karakteristiklerinin, temperadövr etkilerinin, köhnəlmə davranışının, çevirici kayıplarının və real nasazlıq məlumatlarının yeniden bəlirlenmesi lazımdır. Mənbədəki enerji dəyərləri müəyyən bir ticari aracın deneysəl tüketim dəyərləri kimi kullanılmamalıdır.

Niyə marşrut-fərqində olan nasazlıq teşhisi gerekiyor?

Hibrit hidrogenli əlektrikli bir araçta güç tək bir qaynaqtan gəlmez. Tədqiqatda incəlenen memarlıqde proton değişim membranlı yanacaq hüceyrəsi əsas enerji mənbəyinı oluşdövrurken batareya orta sürəli güç değişimlerini, superkondensator isə sürətli geçici güç taleplerini və regenerativ əyləcləmə darbəlerini karşılamaktadır.

Bu yapı örütubətli bir avantaj təmin edir; lakin eyni zamanda enerji resursları, DC/DC çeviriciler və sensorlar arasında daha karmaşık bir idarəetmə problemi oluşdövrur. Yanacaq hüceyrəsi gərginlikinin düşmesi, batareya daxili direncinin yüksəlmesi və ya superkondensator kapasitesinin azalması dayanumunda nominal enerji dağıtım stratejisinin aynen devam etmesi güç dengesini, kullanılabilirliği və komponentlərin tədqiqat şərtlərinı bozabilir.

Tədqiqatçıların əsas yanaşması bu nedenle bu zənciri kurmaktır:

Real marşrut → dartı gücü tələbi → sensor ölçmələri → qalıq siqnalları → EKF/CUSUM → CNN–LSTM təsnifatsı → nasazlıq qərarı → EMS yeniden yapılandırması → sağlam mənbəlara güç aktarımı.

Bu yapıdaki örütubətli nokta, teşhis ilə idarəetməün birbirinden ayrı iki modül kimi bırakılmamasıdır. Arıza qərarı birbaşa enerji yönetim sisteminin tədqiqat modunu dəyişdirməktedir.

Dörd qatlı sistem memarlığı

Təklif edilən yapı dörd əsas qatda tanımlanmıştır:

1. Algılama və məlumat toplama: gərginlikler, cərəyanlar, batareya SOC dəyəri, temperadövrlar, hidrogen axını və ilgili ölçmə kanalları izlenir.
2. Marşrut-fərqində olan talep proqnozu: GPS qaynaqlı hız və yol meyli bilgileri istifadə edilərək dartı gücü tələbi hesaplanır.
3. Arıza aşkarlamai və izolasyonu: modəl əsaslı qalıqlar, CUSUM, EKF innovasiya göstergəleri və CNN–LSTM təsnifatsı birlikdə istifadə olunur.
4. Enerji idarəetməsi və nasazlığa dözümlü idarəetmə: teşhis sonucuna görə FC, batareya və superkondensator arasındaki güc paylaşmaı yeniden düzülüşlenir.

Çekiş gücü marşrut məlumatlarınden necə hesaplanıyor?

GPS məlumatlarınden əlde edilen hız \(v(t)\), təcil və yol meyli istifadə edilərək aracın dartı gücü tələbi hesaplanmaktadır. Mənbədə istifadə edilən boylamsal araç modəli:

\[ P_{Load}(t)= \left[ m\dot{v} +mg\sin\theta +\frac{1}{2}\rho C_d A v^2 +mgC_r\cos\theta \right]v(t) \]

şəklindədir.

Bu denklem təcillenme üçün gereken kuvveti, eğim qaynaqlı yerçekimi komponentini, aerodinamik sürüklemeyi və yuvarlanma direncini tək dartı gücü tələbinde birleştirir. Bələliklə eyni enerji yönetim sistemi fərqli yol profillerinde fərqli yük xəbərdarlıqmlarına maruz bırakılabilmektedir.

Yanacaq hüceyrəsi modəli

Yanacaq hüceyrəsinin uç gərginliki idarəetmə amaçlı toplu eşdəyər devreyle:

\[ V_{FC}=E_N-R_{FC}I_{FC} \]

və çıkış gücü:

\[ P_{FC}=V_{FC}I_{FC} \]

kimi modəllenmiştir.

Hidrogen tüketimi, yanacaq hüceyrəsinin əlektriksəl çıkışı ilə hidrogenin aşağı istilik dəyərii və varsayılan yanacaq hüceyrəsi səmərəliliyi arasında kurulan ilişki üzərindən hesaplanmaktadır:

\[ \Delta m_{H_2}= \frac{\max(P_{FC},0)\Delta t} {\eta_{FC}\cdot LHV_{H_2}} \]

Bu səbəbdən məqalədeki hidrogen istehlakı, birbaşa real bir ticari aracın yanacaq ölçerinden alınmış deneysəl hidrogen istehlakı değildir; modəl əsaslı bir göstergedir.

Batareya modəli

Batareya uç gərginliki:

\[ V_{Bat}=E_0-R_{Bat}I_{Bat} \]

və batareya gücü:

\[ P_{Bat}=V_{Bat}I_{Bat} \]

kimi hesaplanmaktadır.

Şarj dayanumu isə Coulomb sayımıyla güncəllenmektedir:

\[ SOC_{Bat}(t+\Delta t) = SOC_{Bat}(t) - \frac{I_{Bat}\Delta t}{C_{Bat}} \]

Superkondensator modəli

Superkondensator gərginliki:

\[ V_{SC}(t)=V_{SC0}+\frac{1}{C_{SC}}\int I_{SC}(t)\,dt \]

ilişkisiyle temsil edilmiştir. Superkondensatorün əsas tapşırığı, yanacaq hüceyrəsinin və batareyanın karşılaması istenmeyen sürətli güç değişimlerini tamponlamaktır.

DC birləşməsında güç dengesi

Üç enerji mənbəyi ortak DC-link üzərindən dartı sistemine bağlanır. Sistem üçün əsas güç sürekliliği:

\[ P_{dem}=P_{FC}+P_{Bat}+P_{SC}-P_{loss} \]

şəklində tanımlanmıştır.

Tədqiqatda istifadə edilən üst güç sərhədları yanacaq hüceyrəsi üçün 35 kW, batareya üçün 30 kW və superkondensator üçün 15 kW'dır. Nominal gərginlikler FC üçün 60 V, batareya və SC üçün 48 V kimi verilmişdir. Batareya enerji kapasitesi 500 Wh, superkondensator eşdəyər kapasitesi isə 120 F'tır.

Arıza necə fərq ediliyor?

Modəl əsaslı teşhisin ilk aşamasında ölçülən sinyal ilə modəl tarafından proqnozlaşdırılan sinyal arasındakı fərq hesaplanır:

\[ r_i(t)=y_i(t)-\hat{y}_i(t) \]

Normal tədqiqat sırasında qalıq siqnallarınin sıfıra yaxın kalması beklenir. Ani yük değişimleri kısa sürəli sapmalar oluşdövrabilir; real nasazlıq senaryolarında isə tədqiqatnın kurgusuna görə kalıcı qalıq değişimleri meydana gəlir.

CUSUM niyə istifadə edilmişdir?

CUSUM, kiçik lakin sürekli orta değişimlerinin zaman içində birikmesini izler. Mənbədə pozitif və negatif CUSUM istatistikleri:

\[ g^+(k)=\max\{0,g^+(k-1)+r(k)-k_d\} \]

\[ g^-(k)=\max\{0,g^-(k-1)-r(k)-k_d\} \]

mantığıyla istifadə olunur. Tədqiqatda CUSUM drift parametri 0,3 və qərar həddi 3,5 kimi verilmişdir.

EKF'nin tapşırığı nədir?

Extended Kalman Filter (EKF), nominal əlektriksəl davranışı onlayn izleyen yüngül bir müşahidəçi kimi istifadə olunur. EKF dayanum vektörü:

\[ x=[V_{FC},V_{Bat},SOC_{Bat},V_{SC}]^T \]

və ölçmə vektörü:

\[ y=[V_{FC},V_{Bat},V_{SC},V_{dc}]^T \]

şəklində tanımlanmıştır.

Yanacaq hüceyrəsinin eşdəyər direnci, batareya daxili direnci və ya superkondensator kapasitesi birbaşa hər adımda kestirilmemektedir. Bu parametrlərde meydana getirilen değişikliklerin qalıq və EKF innovasiya siqnallarıne yansıması teşhis üçün istifadə olunur.

CNN–LSTM süni intəllekt qatı necə işləyir?

Yapay zekâ təsnifləndiricisının hər zaman addımındaki altı giriş kanalı:

\[ x(t)= [r_{FC},r_{Bat},r_{SC},I_{FC},I_{Bat},P_{NS}]^T \]

şəklindədir.

Sinyaller 10 Hz'də örneklenmiştir. Nominal pencere müddəti 2 saniye və pencere irəliləmə adımı 0,5 saniye kimi tanımlansa da şəbəkə giriş koşulu nedeniyle minimum 32 örnek kullanılmış; böylece etkin pencere uzunluğu təxminən 3,2 saniye olmuşdövr.

Hər pencere kanal bazında z-skoru ilə normallaşdırılmıştir:

\[ X_w= \frac{X_w-\mu_w}{\sigma_w+\varepsilon} \]

CNN–LSTM ağı iki adet bir boyutlu evrişim bloğu, ardından LSTM və SoftMax təsnifləndiricidan ibarətdir. Evrişim bloklarında kernəl boyutu 3, filtre sayıları sırasıyla 16 və 32'dir. Bunları batch normalization, ReLU və stride 2 max pooling izlemektedir. LSTM qatında 64 gizli birim, ardından 0,3 dropout istifadə edilmişdir.

Eğitimde Adam optimallaşdırmau, \(10^{-3}\) başlangıç öyrənmə sürəti, 32 mini-batch və en fazala 30 epoch bəlirtilmiştir. Kayıp fonksiyonu kategorik çapraz entropiyadir.

Veri sızıntistiliknı önlemek üçün niyə LORO kullanıldı?

Yol məlumatlarınde ardişıq zaman pencerəleri birbirine oldukça benzer ola bilər. Aynı marşrutdan alınmış komşu pencerəlerin hem təlim hem test grubunda bulunması modəlin real genəlleme uğursını olduğundan yüksək gösterebilir.

Bunun önüne geçmek üçün tədqiqat leave-one-route-out yanaşmasını kullanmıştır. Modəl iki marşrutnın məlumatlarıyle eğitilmiş, kalan marşrut tamamen görülməmiş test marşrutu kimi tutulmuşdövr. Əməliyyat üç fərqli test marşrutsı üçün təkrarlanmışdır.

Bu metod, rastgəle pencere ayırmaya görə daha zor bir qiymətləndirmədir çünkü test sırasında modəl yeni bir sürüş dinamiği və fərqli qalıq dağılımıyla karşılaşmaktadır.

Arıza qərarı tək bir təsnifatya bırakılmamıştır

CNN–LSTM çıxışı bir olasılık vektörü üretir. Mənbədə nasazlıq sinifının kabul edilmesi üçün maksimum olasılığın en az 0,80 olması və eyni sinifın üç ardişıq örtüşen pencerede korunması şartı tətbiq edilmişdir.

0,5 saniyəlik pencere irəliləmə adımı nedeniyle bu qərar mexanizmi təxminən 1,5 saniyəlik süreklilik aramaktadır. Amaç, kısa sürəli yük değişimleri və ya ölçmə dalgalanmalarının birbaşa kalıcı nasazlıq kimi işaretlenmesini önlemektir.

Arıza aşkarlama edildiğinde enerji idarəetməsi nə yapıyor?

Arıza təsdiqləndiktan sonra sistem normal tədqiqat modundan bozulmuş tədqiqat moduna geçer. Arızalı enerji mənbəyi üzerindeki güc tələbi azaltılır və kalan talep sağlam mənbəlara aktarılır:

\[ \begin{bmatrix} P^*_{FC}\\ P^*_{Bat}\\ P^*_{SC} \end{bmatrix} = \begin{bmatrix} \alpha_{FC}\\ \alpha_{Bat}\\ \alpha_{SC} \end{bmatrix} P_{dem} \]

Buradaki \(\alpha\) katsayıları teşhis edilen nasazlığın türü, şiddəti və resursların kullanılabilirliğine görə değiştirilir.

Enerji idarəetməsinin çox amaçlı xərc funksiyasında hidrogen istehlakı, batareya SOC değişimi, superkondensator güç istifadəsi və nasazlıq cezası birlikdə əle alınırdır:

\[ J= \int_0^T \left( w_1\dot{m}_{H_2} +w_2(\Delta SOC_{Bat})^2 +w_3(P_{SC})^2 +w_4F_{fault} \right)dt \]

Optimizasyon; batareya SOC sərhədi, DC-link gərginlik sərhədi və FC, Bat və SC güç sərhədları altında yürütülmektedir.

Tədqiqatın Metodu və Nəticələri

Real marşrut məlumatları

Tədqiqatda Tunus'ta Faculty of Sciences of Tunis (FST) ilə National School of Engineers of Tunis (ENSIT) arasındaki real sürüşlerden əlde edilen GPS əsaslı hız məlumatları istifadə edilmişdir.

GPS məlumatları 10 Hz'e yeniden örneklenmiş, kısa məlumat boşlukları xətti enterpolasyonla tamamlanmış və 0,5 saniyəlik hareketli orta filtrsi tətbiq edilmişdir. Yol eğimi, filtrlənmiş yüksəklik bilgisinden sonlu fərqlarla əlde edilmiş və GPS kuantizasyonundan qaynaqlanan dalgalanmaları azaltmaq amacıyla aşağı geçiren filtreden geçirilmiştir.

Enjekte edilen nasazlıqlar

Üç əsas nasazlıq senaryosu parametr değişimi şəklində sisteme enjekte edilmiştir. Hər nasazlıq tək başına uygulanmış və devreye girdikten sonra sürüş dövrünin sonuna kadar kalıcı tutulmuşdövr.

Bu yanaşma təkrarlana bilən bir idarəetməlü nasazlıq testi təmin edir; lakin fiziksəl komponent üzərində meydana gəlmiş real köhnəlmə və ya sahə nasazlıqsı değildir.

Rotalara görə CNN–LSTM və enerji nəticələrı

Route 1 en yüksək təsnifat dəqiqliyinu sağlamıştır. Route 2, daha yüksək sürət değişimleri və dartı gücü tepəleri nedeniyle en zor enerji idarəetməsi senaryosunu oluşdövrmuş; en yüksək ENS, orta PNS və hidrogen istehlakı bu marşrutda hesabatda bildirilmişdir. Route 3 isə daha düzgün sürüş profili nedeniyle en aşağı ENS, orta PNS və hidrogen istehlakıni vermiştir; buna karşılık LORO təsnifat dəqiqliyi en aşağı olan marşrut da Route 3'tür.

Niyə daha düzgün marşrut daha aşağı AI doğruluğu verebilir?

Tədqiqatçılar Route 3'teki daha aşağı doğruluğu yalnız modəl uğursızlığı kimi şərh etməmaktadır. Daha düzgün hız və güc tələbi, qalıq siqnallarındeki normal dispersiyaı azaltarak hədd əsaslı teşhisi qolaylaştırsa da nasazlıqlarn fərqli tədqiqat noktalarında necə göründüğüne ilişkin məlumat çeşitliliğini də azaltmaktadır. Başka bir ifadeyle, sisteme daha az dinamik xəbərdarlıqm uygulanması CNN–LSTM'nin öğrenebileceği nasazlıq imzası çeşitliliğini düşürebilir.

Route 2 isə daha kuvvetli təcillenməler və güç tepəleri sayesinde nasazlıqlarn görünürlüğünü artırmakta; lakin eyni zamanda sağlıklı enerji resurslarının nasaz kaynağı təlafi etmesini zorlaştırmaktadır. Tədqiqatın örütubətli mühendislik nəticələrindan biri bu nasazlıq gözlenebilirliği–enerji idarəetməsi yükü arasındaki dengedir.

Arıza toleranslı gücün yenidən paylanması

Mənbə şəkillerinde nasazlıq təsdiqləndiktan sonra ilgili enerji mənbəyinın güç katkistilik azaltılmakta və Bat/SC və ya digər sağlam mənbəların katkıları yüksəltilmektedir. Xüsusilə FC pozulması sırasında batareya və superkondensator daha fazala güç sağlayarak çekiş talebini karşılamaya tədqiqatktadır.

Route 2'də daha yüksək güç tepəleri nedeniyle yenidən paylanma daha bəlirgin və SOC değişimleri daha böyüktür. Route 3'te isə güç aktarımı daha düzgün və depolama resurslarının SOC değişimleri daha məhduddayan.

SIL və PIL doğrulaması

SIL ortamında qapalı dövrə sistem MATLAB/Simulink 2022b'də işlədilmiştır. PIL aşamasında isə FDI, enerji yönetim mantığı və FTC yeniden yapılandırmasını ehtiva edən üst seviye idarəedici STM32F407VG prosessorsine aktarılmış; fiziksəl tesis modəli əsas bilgisayardaki simulyasiya ortamında tutulmuşdövr.

100 ms'lik kullanılabilir audit periyoduna qarşı ən pis hal hesablama müddətinin 6,2 ms'nin altında olması, bu aparat üzərində üst seviye teşhis və enerji idarəetməsi algoritmasının hesaplama zamanı bcərəyanından örütubətli bir marja sahip olduğunu göstərir. Bununla bələ bu nəticə, aracın tamamının real vaxtlı gömülü idarəetməünün təsdiqləndiğı anlamına gəlmez; PIL deneyinde fiziksəl FC–Bat–SC tesisinin kendisi real aparat değildir.

Mənbənin desteklediği nəticələr

• Real GPS sürüş profillerinin kullanılması, enerji talebi və teşhis qalıqlarını fərqli marşrut dinamikleri altında sınamaya olanak vermiştir.
• EKF/CUSUM ilə CNN–LSTM'nin birlikdə kullanıldığı yapı, modəl əsaslı və məlumat əsaslı teşhisi eyni idarəetmə zəncirinde birleştirmiştir.
• LORO doğrulamasında pəncərə səviyyəsi təsnifat dəqiqliyi marşrutya bağlı kimi %68,52 ilə %87,04 arasında değişmiştir.
• Arıza teşhisi sonrasında FC, batareya və superkondensator güç istinadlarının yeniden dağıtılabildiği SIL ortamında göstərilmişdir.
• STM32F407VG üzerindeki PIL tətbiqsı 10 Hz üst seviye onlaynn hesaplama zamanı bcərəyanından yeterli marj göstərmişdir.
• Rota dinamiğinin hem teşhis doğruluğunu hem enerji yenidən paylanma yükünü etkilediği göstərilmişdir.

Tədqiqatın sübutlamadığı nəticələr

• Sistem real bir hidrogenli əlektrikli nəqliyyat vasitəsi üzərində tam araç deneyine tabi tutulmamıştır.
• Yanacaq hüceyrəsi, batareya və superkondensatorün fiziksəl nasazlıqlar real komponentlerde oluşdövrulup ölçülməmiştir; nasazlıqlar modəl parametrlərine enjekte edilmiştir.
• Elektrokimyasal və termal davranışlar yüksək dəqiqliklu fiziksəl modəlləşdirirle temsil edilmemiştir.
• Uzun dörütubət batareya, yanacaq hüceyrəsi və ya superkondensator köhnəlməsı birbaşa modəllenmemiştir.
• Raporlanan hidrogen istehlakı müəyyən bir ticari aracın sahə tüketimi kimi şərhlanamaz.
• Tədqiqat alternatif EMS/FTC memarlıqlerine qarşı sistematik bir qapalı dövrə benchmark müqayisəsı təqdim etmir.
• Türkiye'deki trafik, yol meyli, iklim və araç parametrlərinde eyni nəticələrın əlde edileceği gösterilmemiştir.

Mənbə daxilində rəqəmsal tutarlılık sorunu

Tədqiqatın kendi enerji tanımında:

\[ E_{dem}=E_{served}+E_{ENS} \]

və:

\[ \eta_{service}= \frac{E_{served}}{E_{dem}} \]

ilişkileri verilmektedir.

Buna karşın xülasə bölümünde bütün marşrutlarda talep edilen enerjinin %94'ünden fazalasının karşılandığı bəlirtilmektedir. Mənbə Cədvəl 4'teki ES və ENS dəyərləri bu formüllerde birbaşa kullanıldığında təxminən hizmet nisbətləri Route 1 üçün %74,81, Route 2 üçün %73,64 və Route 3 üçün %76,33 olmaktadır. Buna görə qaynaqta verilen xülasə ifadesi ilə Cədvəl 4'ün bucaqk rəqəmsal dəyərləri eyni şərh altında birbiriyle uyğun görünmemektedir.

Benzer şəkildə Cədvəl 5'in izahında SIL və PIL enerji əsaslı göstergəleri arasında görəli fərqların %5'in altında olduğu ifade edilmektedir. Lakin eyni cədvəlda Energy Qeyd Served dəyərləri Route 1 üçün SIL = 0,02410 və PIL = 0,00505; Route 2 üçün SIL = 0,07208 və PIL = 0,01878; Route 3 üçün SIL = 0,02283 və PIL = 0,00362 kimi verilmektedir. Bu ENS çiftleri %5'ten çox daha fazala fərqlidır.

Bundan əlavə Cədvəl 5'te “Average Speed” altında 30,338%, 50,699% və 27,489% şəklində yüzde işaretli dəyərlər görünmektedir; tədqiqatın daha əvvəlki marşrut cədvəlsunda orta sürət km/h kimi tanımlanmıştır. Bu səbəbdən burada da cədvəl etiketleme və ya biçimlendirme qaynaqlı bir tutarsızlık olasılığı mövcuddur.

Bu Verianla izahında söz konusu dəyərlər yeniden şərhlanarak və ya proqnozle düzəltilmemiştir; qaynaq içindeki uyuşmazlık bucaqk şəkildə korunmuşdövr.

Mənbə və Metod Qeydi

Tam orijinal başlık: Route-Aware AI-Assisted Fault Diagnosis and Fault-Tolerant Energy Management for Hybrid Hydrogen Electric Vehicles: SIL and PIL Validation

Yazar sırası: Sihem Nasri; Aymen Mnassri; Nouha Mansouri; Abderezak Lashab; Juan C. Vasquez; Adnane Cherif.

Sorumlu yazar: Juan C. Vasquez.

Qurumlar: Analyze and Process Electrical and Energy Signals (ATSSEE) Research Laboratory, University of Tunis Manar, Tunus; Higher School of Engineering Technologies, ESPRIT, Tunus; Center for Research on Microgrids (CROM), Department of Energy Technology, Aalborg University, Danimarka.

Jurnal: Actuators.

Nəşriyyat: MDPI.

Yayın: 2026, Cilt 15, Məqalə 126.

Gönderim tarihi: 15 Aralık 2025.

Revizyon tarihi: 29 Ocak 2026.

Kabul tarihi: 4 Şubat 2026.

Yayın tarihi: 16 Şubat 2026.

Mənbə növü: Hakemli tədqiqat məqaləsi.

DOI: 10.3390/act15020126.

Resmî birləşmə:https://doi.org/10.3390/act15020126

Lisenziya: Creative Commons Attribution (CC BY).

Maliyyələşdirmə: Müəlliflər tədqiqatnın xarici finansman almadığını və məqalə əməliyyat ücretinin də harici bir kuruluş tarafından karşılanmadığını bildirmiştir.

Patent: Müəlliflər bu tədqiqat sonucunda patent oluşmadığını bildirmiştir.

Məlumat əlçatanlığı: Tədqiqatda istifadə edilən sürüş profilleri GPS əsaslı hız və yüksəklik bilgilerinden türetilmiştir. Ham marşrut məlumatları mövqea bağlı bilgi içerdiğinden məxfilik və yerli məlumat paylaşma kistiliktları nedeniyle ictimaiyyətə bucaqk yayımlanmamıştır. Simülasyon modəlləşdiriri, işlenmiş məlumat setleri və eğitilmiş AI modəllərinin makul talep üzerine sorumlu yazardan edinilebileceği bəlirtilmiştir.

Maraqlar toqquşması: Müəlliflər çıkar çatışması bulunmadığını beyan etmiştir.

Bilimsəl sübut sərhədi: Tədqiqatdaki real dünya unsuru GPS əsaslı sürüş profilleridir. FC–Bat–SC güç sistemi, nasazlıq inyeksiyaları və enerji göstergəleri idarəetmə amaçlı matematiksəl modəlləşdirir üzərindən üretilmiştir. PIL aşaması idarəedicinin STM32F407VG üzərində çalıştırılmasıyla hesaplama zamanını və SIL ilə davranışsal tutarlılığı sınamaktadır; tam fiziksəl araç doğrulaması değildir.

Mənbə daxili məlumat tutarlılığı qeydi: Özet bölümündeki “talep edilen enerjinin %94'ünden fazalasının karşılanması” ifadesi ilə Cədvəl 4'teki ES/ENS dəyərlərinin, tədqiqatın kendi hizmet səmərəliliyi denklemi istifadə edilərək hesablanan nəticələrı arasında rəqəmsal uyumsuzluk mövcuddur. Cədvəl 5'in SIL–PIL fərqlarının %5'in altında olduğu izahı da eyni cədvəlnun ENS sütunlarındaki bucaqk dəyərlərle uyğun görünmemektedir. Bu uyuşmazlıklar qaynaq xaricindən məlumat eklenerek düzəltilmemiştir.

Metod xülasəi: Tədqiqat; real GPS marşrut məlumatlarınden çekiş talebi istehsali, idarəetmə amaçlı FC–Bat–SC əlektriksəl modəlleme, EKF qalıq/innovasiya analizi, CUSUM değişim aşkarlamai, CNN–LSTM zaman serisi təsnifatsı, LORO marşrut bazlı genəlleme testi, sintetik parametr əsaslı nasazlıq inyeksiyau, teşhis güdümlü enerji yenidən paylanmaı və STM32F407VG üzərində PIL doğrulamasını tək qapalı dövrə tədqiqat zəncirinde birləşdirir.