基于深度强化学习的混合动力汽车数据驱动迁移能量管理策略
信号处理
2022-12-14 v3 人工智能
摘要
混合动力汽车（HEVs）中能量管理策略（EMSs）的实时应用是研究人员和工程师面临的最严苛要求。受深度强化学习（DRL）优异的问题解决能力启发，本文提出一种通过结合DRL方法与迁移学习（TL）的实时EMS。相关EMS源自运输安全数据中心（TSDC）真实采集的驾驶循环数据集并据此评估。具体的DRL算法是属于策略梯度（PG）技术的近端策略优化（PPO）。具体而言，许多源驾驶循环被用于基于PPO训练深度网络参数。学习到的参数在TL框架下迁移至目标驾驶循环。与目标驾驶循环相关的EMS在不同训练条件下被估计和比较。仿真结果表明，所提出的基于迁移DRL的EMS能有效减少时间消耗并保证控制性能。
引用
@article{arxiv.2009.03289,
title = {Data-Driven Transferred Energy Management Strategy for Hybrid Electric Vehicles via Deep Reinforcement Learning},
author = {Hao Chen and Gang Guo and Bangbei Tang and Guo Hu and Xiaolin Tang and Teng Liu},
journal= {arXiv preprint arXiv:2009.03289},
year = {2022}
}
备注
28 pages, 14 figures