驾驶条件感知的多智能体混合动力汽车集成能量与热管理
系统与控制
2026-03-31 v1 系统与控制
摘要
能量管理策略（EMS）与热管理（TM）的有效协同优化对于提升混合动力汽车（HEV）的燃油效率至关重要。驾驶条件显著影响 HEV 中 EMS 和 TM 的性能。本研究提出了一种新型的驾驶条件感知集成热与能量管理（ITEM）框架。在此背景下，在对驾驶数据进行分析并分割为微行程后，测量了两个主要特征（平均速度和最大加速度）。利用 K-means 方法，将微行程聚类为三个主要组别。最后，采用深度神经网络开发了一个实时驾驶识别模型。基于多智能体深度强化学习（DRL），并利用所提出的实时驾驶识别模型，构建了 ITEM 系统。主要目标是在保持乘客舒适舱内温度的同时，提升燃油经济性并降低 TM 功耗。仿真结果表明了所提框架的有效性以及识别驾驶条件对 ITEM 的积极影响：与基准策略相比，燃油经济性提升了 16.14%，TM 功耗降低了 8.22%。
引用
@article{arxiv.2603.27471,
title = {Driving Condition-Aware Multi-Agent Integrated Power and Thermal Management for Hybrid Electric Vehicles},
author = {Hanghang Cui and Arash Khalatbarisoltani and Jie Han and Wenxue Liu and Muhammad Saeed and Xiaosong Hu},
journal= {arXiv preprint arXiv:2603.27471},
year = {2026}
}