原文传递
基于深度Q学习的再生制动控制策略研究
| 论文题名： | 基于深度Q学习的再生制动控制策略研究 |
| 关键词： | 并联式混合动力汽车;再生制动策略;能量回收;制动稳定性;深度Q学习 |
| 摘要： | 本文以并联式混合动力汽车为研究对象，以制动能量回收效率和制动稳定性为目标，制定了基于深度Q学习的再生制动能量回收控制策略。文章主要围绕以下几方面进行研究： ①在阐述混合动力汽车整车结构基础上，分析了车辆的五种工作模式和每种模式下的能量传输过程。然后，建立了车辆关键部件的数学模型，为后续的制动能量回收控制策略的制定和仿真实验奠定了基础。 ②基于Q学习算法理论，以制动稳定性和制动能量回收为优化目标，建立以制动需求功率Preq和蓄电池SOC为状态变量，以制动力矩分配系数为动作变量的优化模型，制定了基于恒权重的Q学习再生制动能量回收控制策略，其中，制动稳定性和制动能量回收效率的权重系数为根据经验确定的恒定值。基于重庆渝北区实际工况，对比了所提策略与传统的理想制动力分配策略的仿真结果。 ③在阐述模糊控制理论的基础上，以车速v、蓄电池SOC和制动强度z为输入，权重系数为输出，搭建了模糊控制模型。然后，通过模糊控制算法确定权重系数，制定了基于模糊控制算法优化权重的Q学习再生制动能量回收控制策略。基于重庆渝北区实际工况，对比了所提策略与恒权重Q学习再生制动控制策略的仿真结果。 ④为了使权重系数更好地适应实际工况，以及解决Q学习维灾和计算量大的问题，把权重系数和制动力矩分配系数都纳入制动优化的动作变量中，用深度神经网络代替Q表，基于深度Q学习理论，制定了基于权重优化的DQN再生制动能量回收控制策略。基于重庆渝北区实际工况，对比了所提策略与基于Q学习算法再生制动能量回收控制策略的仿真结果。 |
| 作者： | 马什鹏 |
| 专业： | 车辆工程 |
| 导师： | 尹燕莉 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
