原文传递
基于深度Q学习的燃料电池混合动力汽车控制研究
| 论文题名： | 基于深度Q学习的燃料电池混合动力汽车控制研究 |
| 关键词： | 燃料电池混合动力汽车;动力系统;能量管理策略;再生制动;控制策略;深度Q学习 |
| 摘要： | 燃料电池混合动力汽车被誉为最具发展前景的新能源汽车之一，受到了汽车行业及学者的广泛关注和研究。为了促进燃料电池汽车的推广和发展，提高整车经济性，延长燃料电池的使用寿命以及确保制动的安全性，本文以一款前驱型燃料电池混合动力汽车为研究对象，分别对驱动能量管理策略以及再生制动控制策略进行研究，主要内容如下： 首先，根据燃料电池混合动力汽车的动力系统结构，分析了车辆的工作模式，建立了整车动力学模型以及关键部件的模型，其中包括电机模型、燃料电池系统模型和动力电池模型，为后续能量管理策略及再生制动控制策略的研究奠定基础。 其次，研究了基于 Q学习的燃料电池汽车驱动能量管理策略。以降低等效耗氢量为优化目标，利用Q学习算法离线优化燃料电池的输出功率。通过KL散度值对在线工况类型进行识别，选择与在线工况相适应的离线优化结果，采用在线查表的方式将离线优化结果应用到在线工况中，以实现基于 Q 学习的燃料电池汽车驱动能量管理策略的在线应用。在组合工况和西宁市某路段实际工况下进行仿真分析，将所提策略与基于规则、基于动态规划的策略进行比较，验证了所提策略的有效性及工况适应性。 然后，研究了基于深度 Q 学习的燃料电池汽车驱动能量管理策略。以减缓燃料电池性能衰退、降低等效耗氢量为优化目标，利用深度 Q 学习算法优化燃料电池的输出功率。通过将优化后的 Q 网络应用到在线仿真中，以实现策略的在线应用。将组合工况和西宁市某路段实际工况作为仿真工况，对所提策略进行有效性和工况适应性的仿真验证，并将该策略与基于 Q 学习、基于动态规划以及不考虑燃料电池寿命的深度 Q学习策略的仿真结果作对比分析，结果表明所提策略在提高整车经济性和延长燃料电池寿命方面，都能够实现较好的控制效果。 最后，研究了燃料电池混合动力汽车在常规制动工况和紧急制动工况的再生制动控制策略。在常规制动工况下，提出了一种再生制动力矩分配策略。以提高制动稳定性和能量回收最大化为优化目标，利用深度 Q 学习算法对再生制动力矩和前后轴的机械制动力矩进行优化求解；同时，在紧急制动工况下，研究了再生制动与ABS协调控制策略。以最佳滑移率为控制目标，采用基于模糊PID的ABS控制方法，提出了一种再生制动力矩和机械制动力矩共同参与防抱死制动的控制策略。分别对上述两种再生制动控制策略进行仿真验证，结果表明所提策略能够有效的实现再生制动能量回收，并且保证车辆的制动稳定性。 |
| 作者： | 张鑫新 |
| 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： | 2023 |
检索历史
应用推荐
