【技术实现步骤摘要】
一种基于DQN变体的混联式混合动力系统能量管理方法
本专利技术属于混联式混合动力汽车
，尤其涉及一种基于DQN变体的混联式混合动力系统能量管理方法。
技术介绍
在能源危机日渐严重的当今，汽车排放标准也逐渐变得严苛，纯燃油汽车的使用受到了挑战，而混合动力汽车兼顾了燃油车的续驶里程长和电动车无排放解决化石燃料燃烧问题的优势，所以混合动力的能量管理问题一直是研究的关键。目前混合动力汽车的能量管理大多是基于规则的策略，通过制定一定的能量管理阈值，最常见的插电式混合动力的规则是先进行电池能量的消耗，然后进行电池电量的保持，进行规则上的能量控制。基于优化的策略具有代表基准的是动态规划(DP)，在全局工况信息已知的情况下离线得到的混合动力汽车相对最优能量管理，它利用速度工况已知，对混合动力汽车发动机和电池进行相应最优的能量需求分配，来得到最优能量管理。在现有技术中，利用工程师经验制定规则进行规则上能量管理或者基于优化的在速度已知或者预测的基础上选择的模型预测控制进行能量管理，进而调节混合动力汽车的等效燃油消耗的大小。...
【技术保护点】
1.一种基于DQN变体的混联式混合动力系统能量管理的方法，其特征在于，包括以下步骤：/n步骤一：建立被动混联式汽车的模型；/n步骤二：获取实验车辆在固定路线工况下影响能量管理的参数，然后利用DP求解得到最优解，将最优解经验储存在OEB；/n步骤三：基于影响能量管理的参数和观测量，利用结合PER的HER训练Dueling DQN神经网络模型，获得训练后的深度强化学习代理；/n步骤四：获取汽车实际行驶中影响能量管理的参数和观测量，基于实际行驶中影响能量管理的参数和观测量，以及所述训练后的深度强化学习代理，进行所述混合动力汽车不同工况下的能量管理。/n
【技术特征摘要】
1.一种基于DQN变体的混联式混合动力系统能量管理的方法，其特征在于，包括以下步骤：
步骤一：建立被动混联式汽车的模型；
步骤二：获取实验车辆在固定路线工况下影响能量管理的参数，然后利用DP求解得到最优解，将最优解经验储存在OEB；
步骤三：基于影响能量管理的参数和观测量，利用结合PER的HER训练DuelingDQN神经网络模型，获得训练后的深度强化学习代理；
步骤四：获取汽车实际行驶中影响能量管理的参数和观测量，基于实际行驶中影响能量管理的参数和观测量，以及所述训练后的深度强化学习代理，进行所述混合动力汽车不同工况下的能量管理。
2.根据权利要求1所述的基于DQN变体的混联式混合动力系统能量管理的方法，其特征在于，所述被动混联式汽车的模型包括汽车动力学模型、行星齿轮变速器以及电机和电池。
3.根据权利要求2所述的基于DQN变体的混联式混合动力系统能量管理的方法，其特征在于，所述汽车动力学模型如下：
其中，Tout是驱动轴扭矩，R是汽车车轮半径，Fa是汽车惯性阻力，Fr是汽车空气阻力，Fg是汽车坡道阻力，Ff是汽车滚动阻力，m是汽车质量，v是汽车速度，a是汽车加速度，ρ是空气密度，A是汽车迎风面积，CD是空气阻力系数，α是汽车道路坡度，μr为滚动阻力系数。
4.根据权利要求2所述的基于DQN变体的混联式混合动力系统能量管理的方法，其特征在于，所述行星齿轮变速器模型如下：
其中nm是电机转速；β是行星齿轮参数；nout是驱动轴转速；ne是发动机转速；Tm是电机扭矩、Te是发动机扭矩。
5.根据权利要求2所述的基于DQN变体的混联式混合动力系统能量管理的方法，其特征在于，所示电池模型为：
其中Pbatt(t)是电池功率，Voc是电池电压，Ib(t)是电池电流，rint是电池电阻，Pm(t)是电机功率，其大小为其中ηm是电机效率，SOC是电池荷电状态，Qmax是电池最大容量。
6.根据权利要求1所述的基于DQN变体的混联式混合动力系统能量管理的方法，其特征在于，所述影响能量管理的参数包括混合动力汽车不同工况上的道路情况即道路坡度和因乘客或货物变化导致的车载质...
【专利技术属性】
技术研发人员：周健豪，薛四伍，廖宇晖，薛源，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。