-
公开(公告)号：CN117184095A
公开(公告)日：2023-12-08
申请号：CN202311359313.1
申请日：2023-10-20
Applicant: 燕山大学
Abstract: 本发明提供一种基于深度强化学习的混合动力电动车系统控制方法，其中包括以下步骤：S1、获取插电式混合动力物流轻卡在历史行驶过程中的多维路况信息；S2、建立整车动力系统模型；S3、对两个电机进行预优化处理，降低优化的维度；S4、进行动态规划计算，生成状态转移数据集；S5、确定强化学习算法需要的状态变量，动作变量以及奖励函数；S6、用步骤S4生成的状态转移数据集，对critic与actor网络进行预训练；S7、搭建环境‑智能体模型，利用深度强化学习算法不断迭代训练能量管理策略。S8、对上述模型进行应用。其利用DDPG算法进行模型训练，获得训练后的深度强化学习智能体，在保证燃油经济性的情况下实现物流轻卡对固定路线下随机工况的自适应能力。
-
公开(公告)号：CN114771293A
公开(公告)日：2022-07-22
申请号：CN202210359338.0
申请日：2022-04-06
Applicant: 燕山大学
Abstract: 本发明公开了一种基于等效消耗最小策略的燃料电池汽车在线能量管理方法，涉及新能源汽车领域。该方法包括离线和在线两部分，离线部分包括：获取车辆驾驶工况数据；建立燃料电池混合动力汽车模型；基于庞特里亚金极小值原理，由目标函数建立哈密顿函数，用打靶法得到历史工况数据的最优解；将得到的最优解作为样本集训练LSTM模型。在线部分包括：基于网联信息在线预测车辆未来短期速度；利用训练好的LSTM模型实时得到最优协态变量；根据PMP与ECMS的关系得到最优等效因子；通过ECMS实时求解燃料电池汽车最优功率分配。本发明结果具有良好的全局优化性，计算效率高，实时性好；综合考虑了车辆历史信息与未来信息的影响，提升了燃油经济性和管理策略的鲁棒性。
-
公开(公告)号：CN117184095B
公开(公告)日：2024-05-14
申请号：CN202311359313.1
申请日：2023-10-20
Applicant: 燕山大学
Abstract: 本发明提供一种基于深度强化学习的混合动力电动车系统控制方法，其中包括以下步骤：S1、获取插电式混合动力物流轻卡在历史行驶过程中的多维路况信息；S2、建立整车动力系统模型；S3、对两个电机进行预优化处理，降低优化的维度；S4、进行动态规划计算，生成状态转移数据集；S5、确定强化学习算法需要的状态变量，动作变量以及奖励函数；S6、用步骤S4生成的状态转移数据集，对critic与actor网络进行预训练；S7、搭建环境‑智能体模型，利用深度强化学习算法不断迭代训练能量管理策略。S8、对上述模型进行应用。其利用DDPG算法进行模型训练，获得训练后的深度强化学习智能体，在保证燃油经济性的情况下实现物流轻卡对固定路线下随机工况的自适应能力。
-
-
Search Results
3
records
(took 0.02 seconds)
