【技术实现步骤摘要】
本专利技术涉及汽车能量管理方法，具体涉及一种嵌入模仿学习的学习型燃料电池混动汽车能量管理方法。
技术介绍
1、燃料电池电动汽车(fcv)采用燃料电池系统(fcs)作为其主要动力源，在保持零排放的同时，能够提供卓越的续航里程，因此具有广泛应用潜力。然而，fcs的动态输出特性有限，缺乏电池的快速充放电能力。燃料电池混合动力汽车(fchev)通过采用辅助电源来规避fcv的这一缺点，额外的动力源不仅提高了行驶里程，还促进了制动过程中的能量回收。随着不同动力源的引入，需要能源管理策略(ems)来优化多个能源流的分配，从而协调不同的动力源，实现节能目标。
2、近年来，强化学习(rl)被应用于训练ems，训练过程中，智能体不断与环境互动，通过反复试错寻求最佳策略。训练好的ems具有快速的推理速度，可在车载控制器上实现实时应用。深度强化学习(drl)是rl的衍生产品，其特点是使用深度神经网络(dnn)来逼近值函数。得益于dnn强大的拟合能力，与rl相比，drl表现出更强的学习能力，可以扩展到高维状态空间，并且能接近全局最优性能。基于drl的...
【技术保护点】
1.嵌入模仿学习的学习型燃料电池混动汽车能量管理方法，其特征在于，包括：
2.根据权利要求1所述的嵌入模仿学习的学习型燃料电池混动汽车能量管理方法，其特征在于，步骤(1)中，训练工况采用中国轻型汽车试验工况-乘用车和西弗吉尼亚大学州际公路工况；测试工况采用标准中国城市工况。
3.根据权利要求1所述的嵌入模仿学习的学习型燃料电池混动汽车能量管理方法，其特征在于，步骤(1)中，搭建FCHEV模型时，以准稳态电动机模型的效率图和燃料电池输出特性曲线作为先验知识；
4.根据权利要求3所述的嵌入模仿学习的学习型燃料电池混动汽车能量管理方法，其...
【技术特征摘要】
1.嵌入模仿学习的学习型燃料电池混动汽车能量管理方法，其特征在于，包括：
2.根据权利要求1所述的嵌入模仿学习的学习型燃料电池混动汽车能量管理方法，其特征在于，步骤(1)中，训练工况采用中国轻型汽车试验工况-乘用车和西弗吉尼亚大学州际公路工况；测试工况采用标准中国城市工况。
3.根据权利要求1所述的嵌入模仿学习的学习型燃料电池混动汽车能量管理方法，其特征在于，步骤(1)中，搭建fchev模型时，以准稳态电动机模型的效率图和燃料电池输出特性曲线作为先验知识；
4.根据权利要求3所述的嵌入模仿学习的学习型燃料电池混动汽车能量管理方法，其特征在于，步骤(1)包括：
5.根据权利要求4所述的嵌入模仿学习的学习型燃料电池混动汽车能量管理方法，其特征在于，步骤(1)还包...
【专利技术属性】
技术研发人员：彭剑坤，任廷辉，陈志军，陈伟琪，吴长城，马春野，
申请(专利权)人：东南大学，
类型：发明
国别省市：
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。