基于深度强化学习的插电式柴电混合动力汽车多目标优化控制策略

• 全文链接
• 请求原文

作   者：

隗寒冰;  贺少川; 

作者机构：

重庆交通大学机电与车辆工程学院; 

关键词：

车辆工程;  深度强化学习;  动态规划算法;  插电式混合动力汽车;  多目标优化;  控制策略; 

期刊名称：

重庆交通大学学报(自然科学版)

i s s n：

1674-0696

年卷期：

2021 年 40 卷 001 期

页   码：

44-52

摘   要：

插电式混合动力汽车工作模式切过程中发动机频繁启停引起的发动机排气温度和进气流速波动明显,导致SCR催化器催化效率降低和排放恶化,尤其是低温冷启动阶段更为明显.另一方面,建立精确的SCR催化器瞬态模型较为困难,传统基于模型的混合动力控制策略开发方法效果较差.以某P2构型插电式柴电混合动力汽车为研究对象,建立了包括发动机、电池和SCR后处理系统的整车纵向动力学模型;在此基础上将深度强化学习应用于插电式混合动力汽车的能量管理问题,采用DQN算法对油耗和排放组成的加权目标函数进行求解,得到以需求功率、蓄电池SOC和SCR温度为状态变量、以电机最优功率为输出变量的控制策略;最后将测试结果与DP算法进行对比分析.结果表明,燃油消耗为2.623 L/100 km,SCR催化器出口NOx排放为0.2275 g/km,与DP控制策略相比,分别下降10.12%和25.69%,证明了提出控制策略的有效性.