【技术实现步骤摘要】
本专利技术涉及燃料电池汽车能量管理，尤其是涉及一种基于多目标强化学习的燃料电池汽车能量管理方法。
技术介绍
1、在汽车动力系统中，由于燃料电池系统动态响应较慢，通常会使用电池或超级电容作为辅助动力，以适应剧烈变化的工况。而为了合理分配不同动力源的输出功率，提升整车的经济性和耐久性，设计合理的能量管理策略尤为重要。
2、目前常见的能量管理策略主要分为三类：基于规则、基于优化和基于学习。其中，基于规则的策略是针对动力源工作特性和驾驶工况设计控制规则，简单实用，但是不具备最优性，控制效果依赖于专家经验。
3、基于优化的策略则以动态规划为代表，需要提前获取工况信息且计算时间较长，难以实时应用，易于陷入局部最优，且只可实现某单一性能或参数的优化，难以充分发挥各能量源的优异性，可能出现燃料电池的输出波动仍然较大，效率较低的情况。
4、基于学习的策略是当前的研究热点，其结合了基于规则和基于优化的特点，具有较好的工况适应性，但在实际应用中，难以兼顾车辆的多目标性能最优以及实时性。
技术实现
本文档来自技高网...【技术保护点】
1.一种基于多目标强化学习的燃料电池汽车能量管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多目标强化学习的燃料电池汽车能量管理方法，其特征在于，所述步骤S1的具体过程为：收集标准工况速度数据，将数据划分为训练集和测试集；
3.根据权利要求1所述的一种基于多目标强化学习的燃料电池汽车能量管理方法，其特征在于，所述标准工况包括UDDS、NEDC、US06、HWFET。
4.根据权利要求1所述的一种基于多目标强化学习的燃料电池汽车能量管理方法，其特征在于，所述步骤S2中整车动力系统模型包括燃料电池模型、蓄电池模型、
【技术特征摘要】
1.一种基于多目标强化学习的燃料电池汽车能量管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多目标强化学习的燃料电池汽车能量管理方法，其特征在于，所述步骤s1的具体过程为：收集标准工况速度数据，将数据划分为训练集和测试集；
3.根据权利要求1所述的一种基于多目标强化学习的燃料电池汽车能量管理方法，其特征在于，所述标准工况包括udds、nedc、us06、hwfet。
4.根据权利要求1所述的一种基于多目标强化学习的燃料电池汽车能量管理方法，其特征在于，所述步骤s2中整车动力系统模型包括燃料电池模型、蓄电池模型、车辆传动模型。
5.根据权利要求4所述的一种基于多目标强化学习的燃料电池汽车能量管理方法，其特征在于，所述车辆传动模型为车辆整车需求功率与速度的关系：
6.根据权利要求5所述的一种基于多目标强化学习的燃料电池汽车能量管理方法，其特征在于，所述燃...
【专利技术属性】
技术研发人员：高源，梁博文，王子恒，王田文，刘浩，
申请(专利权)人：同济大学，
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。