重庆理工大学学报2020，Vol.34Issue(9) ：62-72.DOI:10.3969/j.issn.1674-8425(z).2020.09.007

基于并行深度强化学习的混合动力汽车能量管理策略优化

Energy Management Strategy of Hybrid Vehicle Based on Parallel Deep Reinforcement Learning

李家曦 孙友长 庞玉涵 伍朝兵 杨小青 胡博
重庆理工大学学报2020，Vol.34Issue(9) ：62-72.DOI:10.3969/j.issn.1674-8425(z).2020.09.007
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

基于并行深度强化学习的混合动力汽车能量管理策略优化

Energy Management Strategy of Hybrid Vehicle Based on Parallel Deep Reinforcement Learning

李家曦 1孙友长 1庞玉涵 1伍朝兵 1杨小青 1胡博2
扫码查看

作者信息

  • 1. 重庆理工大学 车辆工程学院 汽车零部件先进制造技术教育部重点实验室,重庆 400054
  • 2. 重庆理工大学 车辆工程学院 汽车零部件先进制造技术教育部重点实验室,重庆 400054;宁波市鄞州德来特技术有限公司,浙江 宁波 315100
  • 折叠

摘要

提出了能量管理策略优化方法,通过深度强化学习中的深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法调整等效因子,以提高燃油利用率,达到SOC保持与油耗降低的目标.受到边缘计算架构启发,建立了基于并行的深度强化学习算法以加快学习速度.在FTP72工况的仿真结果表明:提出的算法使油耗相对基于PID控制器的传统A-ECMS算法降低了7.2％,而以边缘计算架构建立的并行深度强化学习算法使收敛速度提高了334％.

关键词

自适应等效能耗最小策略/混合动力汽车/等效因子/并行深度强化学习/边缘计算

引用本文复制引用

基金项目

国家自然科学基金(51905061)

中国博士后科学基金(2020M671842)

重庆市自然科学基金(cstc2019jcyj-msxmX0097)

重庆市教育委员会科学技术研究项目(KJQN201801124)

内燃机燃烧学国家重点实验室开放课题(k2019-02)

出版年

2020
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
被引量8
参考文献量3
段落导航相关论文