基于地图数据的深度强化学习型混合动力汽车控制方法技术

本发明专利技术涉及一种基于地图数据的深度强化学习型混合动力汽车控制方法，属于新能源汽车与智能网联汽车的交叉领域。该方法包括：处理地图数据，建立环境模型；预规划目标速度轨迹；建立车身模型与混合动力系统模型，根据整车动力学对行驶过程进行受力分析并且确定混合动力系统功率平衡关系；车辆转向控制影响分析；建立基于深度确定性策略梯度的混合动力汽车控制策略训练模型，以整车的加速度与转向角以及混合动力系统的发动机与变速器为控制对象，建立控制策略的状态空间、动作空间以及奖励函数，并且进行阶梯式迭代训练过程。本发明专利技术能实现混合动力汽车的智能网联化自动驾驶。现混合动力汽车的智能网联化自动驾驶。现混合动力汽车的智能网联化自动驾驶。

【技术实现步骤摘要】
基于地图数据的深度强化学习型混合动力汽车控制方法


[0001]本专利技术属于新能源汽车与智能网联汽车的交叉领域，涉及一种基于地图数据的深度强化学习型混合动力汽车控制方法。

技术介绍

[0002]随着汽车工业向智能化、网联化与新能源化的发展。一方面，作为解决目前单车自动驾驶的有效途径，基于信息与通讯技术的智能网联汽车实现了人、车、路、云等的信息交换与信息共享。通过车辆、交通基础设施、通信技术与计算服务等核心领域的技术研发，促进了智能网联汽车与智能交通系统的协同发展。另一方面，车辆动力系统的新能源化，能够对全球的气候条件与能源结构做出重大调整。纯电动汽车、混合动力汽与燃料电池汽车作为三类代表性产品，未来将占据市场的主要份额。相比之下，混合动力汽车拥有更加成熟的技术条件。以常见的油电混动系统为例，在电机的辅助作用下，不但可以改善发动机运行条件、优化油耗与排放，还能够通过再生制动模式回收多余的能量。同时，在拥堵工况下切换纯电动模式可以避免发动机的频繁启停以及相应的油耗代价。
[0003]混合动力汽车的研发路线包括构型筛选、参数匹配与能量管理。前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于地图数据的深度强化学习型混合动力汽车控制方法，其特征在于，该方法具体包括以下步骤：S1：处理地图数据，建立环境模型：通过车道级地图确定车辆行驶起点与目标终点间的最优路径方案，提取目标路径的经纬度与海拔数据进行处理，获取全程路径的行驶里程、坡度角、车道曲率与转向度数；S2：预规划目标速度轨迹：以驾驶舒适性为优化目标规划全程车速，通过当前路段的交通管理信息，在非转角时刻以道路最高限速行驶，在转角时刻以安全过弯速度行驶；S3：建立车身模型与混合动力系统模型，根据整车动力学对行驶过程进行受力分析并且确定混合动力系统功率平衡关系；S4：车辆转向控制影响分析：结合车辆定位与气象信息，通过车路融合感知修正车道级高精地图的道路曲率误差，同时在掌握实时风向风速的情况下确定车辆迎风面面积与空气阻力变化情况；S5：建立基于深度确定性策略梯度的混合动力汽车控制策略训练模型，以整车的加速度与转向角以及混合动力系统的发动机与变速器为控制对象，建立控制策略的状态空间、动作空间以及奖励函数，并且进行阶梯式迭代训练过程。2.根据权利要求1所述的混合动力汽车控制方法，其特征在于，步骤S1中，计算车道曲率：首先对相邻三个坐标点进行二次拟合，然后依据曲率公式确定中点的曲率与曲率半径；先对相邻三个坐标点进行二次拟合，然后依据曲率公式确定中点的曲率与曲率半径；先对相邻三个坐标点进行二次拟合，然后依据曲率公式确定中点的曲率与曲率半径；先对相邻三个坐标点进行二次拟合，然后依据曲率公式确定中点的曲率与曲率半径；先对相邻三个坐标点进行二次拟合，然后依据曲率公式确定中点的曲率与曲率半径；其中，lat是纬度数据，lon是经度数据，V是坐标向量，Angle是A、B两坐标向量之间的向量夹角，R
earth
是地球半径，i是坡度，θ是坡度角，h是邻点海拔差，D
bet
是邻点距离，K是曲率，ρ是地图道路轨迹的曲率半径，y是经坐标点拟合的二次函数。3.根据权利要求1所述的混合动力汽车控制方法，其特征在于，步骤S2中，根据车辆过弯时受力分析，得到能够保证车辆始终安全行驶在车道内的曲线速度v与重力加速度g、车道曲线半径R
road
即地图道路轨迹的曲率半径ρ，以及路面倾角的关系为：其中，v是车辆行驶速度，即车道内的曲线速度。
4.根据权利要求1所述的混合动力汽车控制方法，其特征在于，步骤S3中，建立车身模型与混合动力系统模型，具体包括以下步骤：S31：通过三维建模软件CATIA建立整车车身模型并测量不同角度的车身表面积；S32：根据动力学分析，在行驶时的整车受力与混合动力系统功率平衡关系如下；S32：根据动力学分析，在行驶时的整车受力与混合动力系统功率平衡关系如下；其中，F
f
是滚动阻力，F
w
是空气阻力，F
i
是坡度阻力，F
j
是加速阻力，g是重力加速度，f是滚动阻力系数，θ是道路坡度角，ρ
air
是空气密度，C
D
是空气阻力系数，A
car
是迎风面积，u
r
是相对速度，δ是汽车旋转质量换算系数，m
car
是整车质量，acc是加速度，P
demand
表示需求功率，η
T
表示机械传动效率，P
eng
是发动机功率，P
mg
是电动机功率；S33：采用准静态map图方式建立发动机油耗模型、发动机效率模型以及电机效率模型，通过基于内阻的一阶等效电路模型表示锂离子动力电池组的电池电荷状态变化；其中，是锂离子动力电池组的电池电荷状态变化，V
oc
是开路电压，R
int
是电池内阻，P
batt
表示电池功率，Q
batt
表示电池标称容量。5.根据权利要求1所述的混合动力汽车控制方法，其特征在于，步骤S4中，车辆转向控制影响分析，具体包括以下步骤：S41：结合当前车辆行驶方向与实时风向，确定整车迎风面面积A
car
，再根据当前风速与车速确定相对行驶速度u
r
，由此计算对整车所受空气阻力F
w
以及需求功率的变化；S42：融合车载感知与路段感知信息对前方道路转向角进行检测，修正车道级高精地图的曲率数据误差，保证车辆安全平稳地行驶在车道线范围之内。6.根据权利要求1所述的混合动力汽车控制方法，其特征在于，步骤S5中，建立基于深度确定性策略梯度的混合动力汽车控制策略训练模型，具体包括以下步骤：S511：建立基于深度确定性策略梯度的混合动力汽车控制策略训练模型，实现智能体模块与环境模块的交互式学习模式，定义所有全连接型神经网络均在三层结构且每层均包含100个神经元，定义算法的超参数并且初始化经验池容量与神经网络参数；S512：混合动力汽车集成控制策略包含四种控制对象：加速度、转向角、变速器传动比以及发动机功率；针对以...

【专利技术属性】
技术研发人员：唐小林，陈佳信，杨凯，邓忠伟，杨为，胡晓松，李佳承，
申请(专利权)人：重庆大学，
类型：发明
国别省市：