咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >考虑驾驶风格的混合动力汽车强化学习能量管理策略 收藏

考虑驾驶风格的混合动力汽车强化学习能量管理策略

Reinforcement Learning-Based Energy Management Strategy Considering Driving Style for Hybrid Electric Vehicle

作     者:施德华 袁超 汪少华 周卫琪 陈龙 SHI Dehua;YUAN Chao;WANG Shaohua;ZHOU Weiqi;CHEN Long

作者机构:江苏大学汽车工程研究院江苏镇江212013 江苏省新能源汽车电驱动系统与智能控制工程研究中心江苏镇江212013 

出 版 物:《西安交通大学学报》 (Journal of Xi'an Jiaotong University)

年 卷 期:2024年第58卷第10期

页      面:51-62页

核心收录:

学科分类:082304[工学-载运工具运用工程] 08[工学] 080204[工学-车辆工程] 0802[工学-机械工程] 0823[工学-交通运输工程] 

基  金:国家自然科学基金资助项目(51905219) 中国博士后科学基金资助项目(2023M731444) 中国科协青年人才托举工程资助项目(2020QNRC001) 

主  题:混合动力汽车 能量管理策略 驾驶风格 强化学习 等效燃油消耗最小策略 

摘      要:为了提升混合动力汽车能量管理策略对不同风格驾驶员的适应性,基于深度强化学习和等效燃油消耗最小策略(equivalent consumption minimization strategy,ECMS),提出一种考虑驾驶风格的混合动力汽车能量管理策略。通过实车试验采集驾驶员行驶数据,基于采集数据进行驾驶员驾驶风格的聚类分析,建立驾驶风格识别模型;构建基于强化学习和ECMS的能量管理策略,将驾驶风格系数作为强化学习状态变量,利用多种驾驶风格的组合工况训练深度确定性策略梯度智能体,获取不同工况和驾驶风格下ECMS等效因子,采用ECMS求解最优发动机、电机转矩分配以及变速箱挡位;搭建硬件在环测试平台,并基于实际采集的不同驾驶员驾驶数据构建测试工况,验证所提出控制策略的有效性。研究结果表明,相较于基于规则策略、基于等效因子比例修正的自适应ECMS以及DRL-SAC策略,提出的考虑驾驶风格的强化学习能量管理策略使整车能量消耗分别降低16.35%、11.11%和7.56%,所提控制策略的有效性得到了验证。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分