改进深度Q学习的燃料电池混合动力汽车能量管理
王浩聪1
付主木2
孙昊琛1
陶发展2
宋书中2
1.河南科技大学信息工程学院, 河南洛阳 4710232.河南科技大学信息工程学院, 河南洛阳 471023;河南科技大学河南省机器人与智能系统重点实验室, 河南洛阳 471023
摘要：针对传统深度Q学习对经验样本提取效率差、学习效率低的问题,提出一种改进深度Q学习的能量管理策略.首先,采用基于模糊控制的自适应低通滤波器进行功率分层,由超级电容承担需求功率的峰值部分.然后,设计基于深度Q学习的能量管理策略,以减少氢消耗量、提升燃料电池工作效率为目标,优化锂电池与燃料电池的能量分配.在策略训练过程采用基于求和树结构的优先经验回放机制.最后,在多种工况下仿真并进行平台试验.结果表明:所提出能量管理策略在燃料经济性上与基于传统深度Q学习策略相比平均提高5.1％,可有效延长锂电池使用寿命,实现对三能量源燃料电池混合动力汽车的能量管理.
关键词：燃料电池混合动力汽车功率分层深度Q学习优先经验回放
分类号：TP273(自动化技术及设备)
资助基金：国家自然科学基金(61473115)河南省自然科学基金(202300410149)河南省重点科研项目(20A120008)河南省重点科研项目(22A41300)河南省科技项目(212102210153)中国航空科学基金项目(20200051042003)
论文发表日期：2022-08-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 34-40 )