原文传递
基于并行计算的混合动力汽车等效燃油消耗最小策略研究
| 论文题名： | 基于并行计算的混合动力汽车等效燃油消耗最小策略研究 |
| 关键词： | 混合动力汽车;等效燃油消耗最小策略;深度强化学习;并行计算 |
| 摘要： | 随着中国汽车产量不断增长，环境污染和石油资源紧张的问题愈发凸显。在这样的环境下，混合动力汽车（Hybrid Electric Vehicle,HEV）应运而生，它既有纯燃油车长续航的优势，又有纯电动汽车低排放的特点，有着良好的发展和研究前景。等效燃油消耗最小策略（Equivalent Consumption Minimization Strategy,ECMS）作为一种典型的瞬时优化HEV能量管理策略由于鲁棒性差存在着较大的局限。而经典的自适应ECMS（Adaptive-ECMS,A-ECMS）策略多采用比例-积分（Proportional Integral,PI）控制，其控制性能受限于PI控制器参数的合理调整，且需要反复标定才能达到更优，控制性能有待提高。 随着人工智能技术结合工业控制的场景越来越多，同时，由于深度强化学习（Deep Reinforcement Learning,DRL）有着较好的自学习、自适应特性，因此许多研究者会将其应用于各自的研究领域。本文将利用DRL算法对ECMS进行改进，形成一种新的A-ECMS策略。而目前，经典的DRL算法需要与环境交互收集大量经验数据才能逐渐学习到最优策略，这导致算法迭代速度慢，计算效率低。在“并行计算+机器学习”技术不断发展的背景下，本文提出一种应用于并联HEV能量管理的基于并行DRL的算法，以提高算法的迭代训练速度。本论文的主要研究内容如下： （1）阐述HEV能量管理策略的研究现状，介绍各种策略的特点和优劣势。 （2）介绍并联式HEV的构型，包括其工作模式和能量流；然后对并联式HEV各个动力部件和传统系统各部分进行建模，搭建整车模型；最后设计一种基于确定规则的控制策略，并对HEV模型进行验证。 （3）由ECMS相关理论，搭建ECMS控制策略模型，并在不同条件下测试其控制表现，验证算法存在的局限性；阐述基于PI的A-ECMS的控制原理，并搭建算法模型，随后测试其在不同条件和工况的控制表现。 （4）根据并行计算原理设计一种并行DRL算法，然后对并行DRL算法进行搭建和部署实验，最后在多种工况下和基于PI控制的A-ECMS策略、基于规则策略进行对比分析，最后发现并行DRL的A-ECMS策略能够有效提升训练速度，且控制性能要优于基于PI的A-ECMS和基于规则的策略。 |
| 作者： | 张乔 |
| 专业： | 工程(车辆工程) |
| 导师： | 胡博;杨靖 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
