基于深度强化学习的燃料电池混合动力汽车能量管理策略研究OA
Research on Energy Management Strategy of Fuel Cell Hybrid Vehicles Based on Deep Reinforcement Learning
为提高燃料电池混合动力汽车的燃油经济性和燃料电池寿命,该文提出一种基于深度强化学习(Deep Reinforcement Learning,DRL)的能量管理策略.该策略首先在DRL奖励信号中加入寿命因子,通过降低燃料电池功率波动,起到延长燃料电池寿命的效果;其次,通过限制DRL的动作空间的方法,使燃料电池系统工作在高效率区间,从而提高整车效率.在UDDS、WLTC、Japan1015三个标准工况下进行了离线训练,并在NEDC工况下实时应用以验证…查看全部>>
李卫;郑春花;许德州
中国科学院深圳先进技术研究院 深圳 518055中国科学院大学 北京 100049中国科学院深圳先进技术研究院 深圳 518055
交通工程
燃料电池混合动力汽车能量管理策略深度强化学习寿命增强动作空间限制强化学习
《集成技术》 2021 (3)
47-60,14
深圳市海外高层次人才创新创业计划项目(KQJSCX20180330170047681)深圳无人驾驶感知决策与执行技术工程实验室计划项目(Y7D004)深圳电动汽车动力平台与安全技术重点实验室计划项目
评论