基于深度强化学习的混合动力汽车智能跟车控制与能量管理策略研究

• 作者: 唐小林 陈佳信 刘腾 李佳承 胡晓松
• 来源期刊: 机械工程学报
• 学科: 交通运输
• 关键词: 混合动力汽车 深度强化学习 跟车控制 能量管理
• 年，卷（期）: 2021,（22）
• 所属期刊栏目: 运载工程
• 页码范围: 237-246
• 页数: 10页
• 分类号: U461
• 语种: 中文
• DOI: 10.3901/JME.2021.22.237

摘要

以研究智能混合动力汽车控制技术与深度强化学习算法为目标,首先,在两辆混合动力汽车的跟驰环境中,针对领航车提出一种基于深度值网络算法的能量管理策略,实现深度强化学习对发动机与机械式无级变速器的多目标协同控制;其次,针对跟随车建立基于深度强化学习的分层控制模型,实现面向智能混合动力汽车的上层跟车控制与下层能量管理;最后,仿真验证分层控制模型的有效性.结果表明,基于深度强化学习的跟车控制策略具有理想的跟踪性能;同时,基于深度强化学习的能量管理策略在领航车与跟随车中均实现了较好的燃油经济性;此外,基于深度强化学习的能量管理策略输出每组控制动作的平均时间为1.66ms,保证了实时应用的潜力.