原文传递
基于驾驶风格识别和深度强化学习的插电式混合动力客车能量管理策略
| 论文题名： | 基于驾驶风格识别和深度强化学习的插电式混合动力客车能量管理策略 |
| 关键词： | 插电式混合动力客车;能量管理策略;驾驶风格识别;行驶工况识别;深度强化学习 |
| 摘要： | 环境污染和资源短缺问题日益严重，新能源汽车成为解决这些问题的有效途径。插电式混合动力客车(Plug-inhybridelectricbus，PHEB)结合传统燃油客车和纯电动客车的优点，可实现更长续驶里程和更少的排放，广泛应用于城市客运。PHEB的关键技术之一是整车能量管理策略，其通过控制发动机与电机之间的能量流动来获得最优的扭矩/功率分配，直接影响着车辆的性能。PHEB的能量管理受到人-车-路的综合影响。本文围绕考虑行驶工况、驾驶员的驾驶风格等影响因素的PHEB能量管理问题展开研究。 本文研究的客车原型为中通客车公司的一款PHEB，其混合动力系统采用单轴并联式结构。首先建立了发动机、电机、动力电池等关键部件以及整车动力学系统的数学模型，基于AVLCRUISE仿真平台搭建了整车仿真模型，并验证了整车动力性。 以建立的整车模型为基础，设计了两种基于优化的能量管理策略，包括基于等效燃油消耗最小的实时优化能量管理策略和基于动态规划（Dynamicprogramming，DP）的全局能量管理策略，将其分别与电量消耗-电量维持（Chargedepleting/Chargesustaining，CD-CS）策略进行对比，验证其有效性，为后文能量管理策略提供评价标准。 基于三种先进的深度强化学习(Deepreinforcementlearning，DRL)算法，包括双深度Q网络(DoubledeepQnetwork，DDQN)、深度确定性策略梯度(Deepdeterministicstrategygradient，DDPG)和双延迟深度确定性策略梯度算法(Twindelayeddeepdeterministicpolicygradient，TD3)，选取需求转矩、车速、加速度以及电池SOC作为系统状态，发动机最优转矩作为控制动作，油耗和电池SOC稳定作为回报，设计了基于DRL的能量管理策略。仿真结果表明，基于TD3的能量管理收敛速度更快，自学习能力更强，可以获得更好的燃油经济性。 在以上研究的基础上，考虑驾驶风格对车辆燃油经济性的影响，提出考虑驾驶风格识别的深度强化学习能量管理策略。分析了行驶工况对驾驶风格的影响，选取了两种典型的工况作为研究工况，通过主成分分析、聚类分析等方法，实现工况识别;在此基础上，将驾驶员的驾驶风格分为平静型、稳健型和激进型三类。继而将驾驶风格识别和CD-CS策略、DP策略以及基于DRL的策略结合，并在不同工况下进行仿真验证。结果表明，与不考虑驾驶风格的TD3策略相比，考虑驾驶风格识别的TD3策略在真实工况和典型组合工况下的燃油经济性分别提高了7.84％和14.71％。这表明了结合驾驶风格识别和深度强化学习可以有效提高PHEB的燃油经济性。 |
| 作者： | 石月美 |
| 专业： | 控制工程 |
| 导师： | 崔纳新 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山东大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
