基于深度强化学习的网联燃料电池混合动力汽车生态驾驶联合优化方法OA北大核心CSTPCD
随着物联网、无人驾驶等新技术的快速发展,基于网联交通驾驶环境为混合动力车辆节能驾驶与能量管理优化注入了新的研究思路。针对燃料电池混合动力汽车在多信号灯城市道路的驾驶场景,本文提出一种基于深度强化学习算法的车速与能量管理的多目标分层联合优化方法(DDPG-DP)。在上层节能速度规划方面采用DDPG算法,同时设计多目标奖励值函数和加入优先经验回放机制,在提高算法速度和稳定性的基础上,进行节能、驾驶舒适性以及通行效率的多目标速度规划。在下层能量管理方面…查看全部>>
田晟;陈东
华南理工大学土木与交通学院,广东广州510640华南理工大学土木与交通学院,广东广州510640
计算机与自动化
能量管理燃料电池混合动力汽车深度强化学习联合优化智能网联车辆
《广西师范大学学报（自然科学版）》 2024 (6)
P.67-80,14
广东省自然科学基金(2021A1515011587,2020A1515010382)。
评论