改进深度Q学习的燃料电池混合动力汽车能量管理OA北大核心CSTPCD
针对传统深度Q学习对经验样本提取效率差、学习效率低的问题,提出一种改进深度Q学习的能量管理策略.首先,采用基于模糊控制的自适应低通滤波器进行功率分层,由超级电容承担需求功率的峰值部分.然后,设计基于深度Q学习的能量管理策略,以减少氢消耗量、提升燃料电池工作效率为目标,优化锂电池与燃料电池的能量分配.在策略训练过程采用基于求和树结构的优先经验回放机制.最后,在多种工况下仿真并进行平台试验.结果表明:所提出能量管理策略在燃料经济性上与基于传统深度Q学…查看全部>>
王浩聪;付主木;孙昊琛;陶发展;宋书中
河南科技大学信息工程学院, 河南洛阳 471023河南科技大学信息工程学院, 河南洛阳 471023河南科技大学河南省机器人与智能系统重点实验室, 河南洛阳 471023河南科技大学信息工程学院, 河南洛阳 471023河南科技大学信息工程学院, 河南洛阳 471023
信息技术与安全科学
燃料电池混合动力汽车功率分层深度Q学习优先经验回放
《河南科技大学学报（自然科学版）》 2022 (4)
多离合器ISG混合动力汽车分层多模式切换协调控制与优化
34-40,7
国家自然科学基金项目(61473115)河南省自然科学基金项目(202300410149)河南省重点科研项目(20A120008,22A41300)河南省科技项目(212102210153)中国航空科学基金项目(20200051042003)
评论