HEV 受约束最优燃油消耗：一种受约束强化学习方法
机器学习
2024-10-27 v2
摘要
混合电动汽车（HEV）因能更好地结合内燃机和电动机的工作特性而日益受到青睐。然而，针对特定装配条件和特定速度曲线下，HEV 在电池电量平衡情况下的最小燃油消耗问题尚未在学术界和工业界明确。针对此问题，本文首次从受约束强化学习（CRL）的角度，对受约束最优燃油消耗（COFC）进行全局数学表达式。此外，本文首次运用两种主流的 CRL 方法，即受约束变分策略优化（CVPO）和拉格朗日方法，以获得在电池电量平衡条件下汽车的最小燃油消耗。我们在著名的丰田混合系统（THS）Prius 上进行案例研究，分析了在 NEDC 条件下的 CRL 方法实施关键步骤，并比较了 CVPO 与拉格朗日方法的性能。我们的案例研究发现，CVPO 和拉格朗日方法均可在保持 SOC 平衡约束的前提下获得最低燃油消耗。CVPO 方法收敛稳定，但拉格朗日方法可获得最低燃油消耗为 3.95 L/100km，尽管波动更大。这一结果验证了我们提出的 CRL 方法解决 COFC 问题的有效性。
引用
@article{arxiv.2403.07503,
title = {Constrained Optimal Fuel Consumption of HEV: A Constrained Reinforcement Learning Approach},
author = {Shuchang Yan},
journal= {arXiv preprint arXiv:2403.07503},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication