基于深度强化学习的并联式HEV能量管理策略研究

发布时间：2021-02-09 03:08

　　混合动力汽车的节能方法和能量管理策略一直是汽车行业的重点研究对象。但是,目前实际应用最广泛的依然是基于专家经验的能量管理策略。以混合动力汽车的智能能量管理策略为研究重点的成果极少。因为混合动力电动汽车具有复杂的结构,并且其在运行状态下的工况通常是未知的,所以设计出一个应用于混合动力汽车的自适应并能持续自我更新的能量管理策略并不容易。本文以深度强化学习算法为基础,对并联式混合动力汽车的能量管理策略进行研究。论文的主要工作包括:1.混合动力汽车能量管理策略的分类及算法分析对国内外已有的混合动力汽车能量管理策略进行总结,将能量管理策略算法分为三个大类:基于规则、基于优化和基于学习。通过对能量管理策略的问题关键点进行进一步地分析,选用了等效油耗作为实验结果的判断标准。2.基于深度强化学习的并联式混合动力汽车能量管理策略设计详细设计了能量管理策略模型、Loss函数和经验池回放机制等内容,制定了离线训练、在线学习以及离线预训练结合在线学习的仿真方案,并通过Matlab-Python完成了程序的设计,并联合Advisor进行了仿真。实验结果表明:通过在线学习与离线训练相结合的方式可以极大地减少训练和... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
注释表
第1章 引言
    1.1 研究背景及意义
    1.2 混合动力汽车国内外研究现状
    1.3 并联式HEV能量管理国内外研究现状
    1.4 深度强化学习算法国内外应用现状
    1.5 论文主体结构
第2章 并联式混合动力系统
    2.1 并联式混合动力系统原理及结构
    2.2 基于Advisor的并联式混合动力汽车仿真模型
        2.2.1 并联式HEV基础配置
        2.2.2 并联式HEV系统模型
    2.3 基于Advisor的实验验证技术
    2.4 乘用车燃料消耗量限值国家标准
    2.5 本章小结
第3章 并联式HEV能量管理策略设计
    3.1 基于模糊控制的并联式HEV能量管理策略
        3.1.1 模糊控制基本原理
        3.1.2 基于模糊控制的并联式HEV能量管理算法设计
    3.2 基于PSO优化模糊控制的并联式HEV能量管理策略
        3.2.1 PSO算法基本原理
        3.2.2 基于PSO优化模糊控制的并联式HEV能量管理算法设计
    3.3 基于深度强化学习的并联式HEV能量管理策略
        3.3.1 深度强化学习基本原理
        3.3.2 基于深度强化学习的并联式HEV能量管理算法设计
        3.3.3 参数设置
    3.4 本章小结
第4章 对比实验设计及仿真
    4.1 基于模糊控制的实验设计与结果分析
    4.2 基于PSO优化模糊控制的实验设计与结果分析
    4.3 基于深度强化学习的实验设计与结果分析
        4.3.1 离线训练
        4.3.2 在线学习
        4.3.3 预训练后在线学习
    4.4 三种能量管理策略仿真结果对比
    4.5 本章小结
第5章 总结及展望
    5.1 研究总结
    5.2 创新点
    5.3 后续研究工作
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3024945