利用强化学习改进电动汽车换挡控制器
系统与控制
2021-12-02 v1 系统与控制
摘要
在多速变速器开发过程中，换挡控制器参数的最终标定通常在物理试验台上进行。工程师通常将控制器参数到换挡质量的映射视为黑箱，并使用根植于实验设计的方法——一种纯统计方法——来推断能使所选换挡性能指标最大化的参数组合。遗憾的是，这种方法需要数千次换挡试验，最终阻碍了不同控制策略的探索。在本工作中，我们使用改编自Pilco的基于模型的强化学习算法来标定换挡控制器的前馈和反馈参数。实验结果表明，该方法仅需少量换挡试验即可优化控制器参数。这种方法可以加速换挡控制策略的探索，这对于电动汽车多速变速器这一新兴技术尤为重要。
引用
@article{arxiv.2112.00529,
title = {Improving gearshift controllers for electric vehicles with reinforcement learning},
author = {Marc-Antoine Beaudoin and Benoit Boulet},
journal= {arXiv preprint arXiv:2112.00529},
year = {2021}
}