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

• “智能网联汽车”专栏 • 上一篇    

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

李家曦1,孙友长1,庞玉涵1,伍朝兵1,杨小青1,胡 博1,2   

  1. 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.宁波市鄞州德来特技术有限公司,浙江宁波 315100
  • 收稿日期:2020-08-08 发布日期:2020-10-18
  • 作者简介:李家曦,男,硕士研究生,主要从事节能与新能源汽车先进动力总成建模及智能控制研究,Email:11607990404@2016.cqut.edu.cn;通讯作者胡博,男,博士,副教授,主要从事节能与新能源汽车先进动力总成建模及智能控制(机器学习方向)研究,Email:b.hu@cqut.edu.cn。
  • 基金资助:
    国家自然科学基金项目(51905061);中国博士后科学基金项目(2020M671842);重庆市自然科学基金项目(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)

  • Received:2020-08-08 Published:2020-10-18

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(deepdeterministicpolicygradient,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

中图分类号: 

  • U461