【作者】

楼狄明; 赵瀛华; 房亮; 张允华

【单位】

同济大学

【摘要】

强化学习是解决混合动力乘用车能量管理问题的一个新的研究热点。本文基于目前应用较为广泛的DQN强化学习算法，融合Double DQN、Dueling DQN和专家经验融合策略，基于串并联多挡混合动力系统的特点设计合理的状态变量、控制变量、奖励函数和专家经验池，建立基于D4QN算法的混合动力能量管理策略。结果表明，D4QN算法既可以在训练工况下实现接近动态规划的近似全局最优结果（相差0.05%），具备了良好的学习能力和泛化能力，又建立了混合动力系统状态变量和动作变量的正向映射关系，能够应用于HCU，并在各种测试工况下有效控制混合动力系统；与实车规则式能量管理策略相比，在WLTC工况下的燃油经济性提升了9.64%；在不同初始SOC的状态下，该策略均能实现电量平衡(50±10%)的目标，鲁棒性较强。

【关键词】

乘用车;混合动力;多挡;能量管理;强化学习;仿真

【论文集名称】

航空动力

【会议名称】

交通能源与智能动力大会

【会议时间】

2022-11-24至2022-11-29

【会议地点】

上海

【下载次数】

1

返回