原文传递
基于数据驱动的混合动力汽车能量管理策略研究
| 论文题名： | 基于数据驱动的混合动力汽车能量管理策略研究 |
| 关键词： | 混合动力汽车;能量管理策略;确定性规则;动态规划;离线强化学习 |
| 摘要： | 随着我国汽车保有量的增长，化石能源的消耗也不断上升。在力争实现碳达峰、碳中和的大背景下，发展混合动力汽车（Hybrid Electric Vehicle，HEV）成为一种重要方案，因为它兼具电驱动的高能效特性和传统石化能源的便捷性，能够显著降低油耗，提升续航里程，有助于实现节能减排。HEV的能量管理策略（Energy Management Strategy，EMS）决定了其能量分配方式，是提升车辆燃油经济性和综合性能的关键技术，也是目前HEV领域的研究重点。本文针对一款并联式HEV，建立了其动力系统各主要部件的模型，并根据模型搭建了对应的基于确定性规则和动态规划（Dynamic Programming, DP）的能量管理策略。同时，利用基于确定性规则的能量策略在模型中仿真产生的数据集，提出了一种基于监督学习的策略。此外，本文还进一步设计了一种基于数据模型的离线强化学习能量管理策略。本文中所包括的工作如下： （1）本文针对一款并联式HEV，建立了一个包括发动机、电机、电池、传动系、车辆纵向动力学在内的系统模型。基于本模型搭建了基于确定性规则的能量管理策略以及基于动态规划的能量管理策略。 （2）通过利用基于确定性规则的能量管理策略与搭建的模型进行仿真所得的数据，本文设计了一种基于监督学习的能量管理策略，将当前时刻电池的荷电状态（State of Charge, SOC) 与初始SOC的偏差量、需求转矩、挡位、车速信息作为策略的状态。以提高燃油经济性，同时避免电池过充或过放为目标，将电机转矩作为控制输出。并在WLTC、FTP-75、Artemis Urban以及Artemis Motorway四个不同的工况下进行了仿真。仿真结果表明，在速度需求较高的工况下，可能会出现不能维持SOC稳定的情况。 （3）本文中提出了一种基于数据驱动模型的离线强化学习能量管理策略。介绍了该策略的构建过程、强化学习智能体与数据驱动模型的交互过程以及数据驱动模型的优化方法。最后，通过在所搭建的并联式HEV模型上进行仿真，结果表明该能量管理策略在四种不同的循环工况下都表现出良好的工况适应性和燃油经济性。相较于logging policy（基于确定性规则的能量管理策略），该策略在WLTC、FTP-75、Artemis Urban以及Artemis Motorway循环工况下的相对油耗下降分别为3%、5%、5.5%以及0.3%。最后搭建了硬件在环实验平台，对本文中所提出的基于数据驱动模型的离线强化学习能量管理策略在实时环境中的有效性进行验证。 |
| 作者： | 肖秧 |
| 专业： | 车辆工程 |
| 导师： | 胡博 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆理工大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
