典型文献
改进深度Q学习的燃料电池混合动力汽车能量管理
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
王浩聪;付主木;孙昊琛;陶发展;宋书中
作者机构：
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
文献出处：
引用格式：
[1]王浩聪;付主木;孙昊琛;陶发展;宋书中-.改进深度Q学习的燃料电池混合动力汽车能量管理)[J].河南科技大学学报（自然科学版）,2022(04):34-40
A类：
燃料电池混合动力汽车
B类：
进深,汽车能量管理,提取效率,学习效率,能量管理策略,模糊控制,低通滤波器,功率分层,超级电容,消耗量,锂电池,能量分配,策略训练,训练过程,树结构,优先经验回放,经验回放机制,燃料经济性,学习策略,能量源
AB值：
0.267355
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
