一种基于工况辨识的规则融合深度强化学习能量管理方法
基本信息
| 申请号 | CN202111177978.1 | 申请日 | - |
| 公开（公告）号 | CN113715805A | 公开（公告）日 | 2021-11-30 |
| 申请公布号 | CN113715805A | 申请公布日 | 2021-11-30 |
| 分类号 | B60W20/20（2016.01）I;B60W20/11（2016.01）I;B60W20/15（2016.01）I;B60W10/06（2006.01）I;B60W10/08（2006.01）I | 分类 | 一般车辆; |
| 发明人 | 周小川;昌诚程;张自宇;栾众楷;赵万忠;周冠;文凯 | 申请（专利权）人 | 南京天航智能装备研究院有限公司 |
| 代理机构 | 北京华沛德权律师事务所 | 代理人 | 马苗苗 |
| 地址 | 210000江苏省南京市秦淮区永智路10号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于工况辨识的规则融合深度强化学习能量管理方法。本发明以插电式混合动力汽车为对象建立，采用并联式结构作为发动机和电动机的连接方式建立混合动力系统模型，通过选取了8种标准工况建立了工况库，并对其进行了运动学分割，根据所分割的运动学片段对比9个代表性的参数对车辆工况进行分类与辨识，然后对深度Q学习算法中状态、动作、agent和惩罚函数进行设计，之后在三种不同训练工况下对所设计的规则融合的深度强化学习算法进行训练、分配，从而达到能量高效分配和利用的目的，并且算法在训练过程中存在较少的较差样本，训练效率高，混合动力系统综合性能高。 |
