基于带有 Soft-Argmax 算子的神经网络的在线生态换挡策略
系统与控制
2024-02-29 v1 系统与控制
摘要
本文提出了一种带有 soft-argmax 算子的神经网络优化器，以实现实时的生态换挡策略。该策略被重新表述为混合整数模型预测控制（MIMPC）问题，以最小化能耗。随后引入外部凸化方法，将整数变量转化为松弛的二元控制量。为了在训练过程中适当逼近二元解，我们将 soft-argmax 算子应用于神经网络，利用该方案所有操作均可微分的特性。此外，该算子有助于推动松弛的二元变量趋近于 0 或 1。为评估策略效果，我们将其部署于一辆两档电动汽车（EV）。与成熟的求解器 Bonmin 相比，我们提出的方法不仅实现了相似的节能效果，还显著减少了解算时间以满足实时要求。与基于规则的方法相比，该方法实现了 6.02% 的显著节能。
引用
@article{arxiv.2402.18076,
title = {Online Ecological Gearshift Strategy via Neural Network with Soft-Argmax Operator},
author = {Xi Luo and Shiying Dong and Jinlong Hong and Bingzhao Gao and Hong Chen},
journal= {arXiv preprint arXiv:2402.18076},
year = {2024}
}
备注
6 pages, 5 figures, submitted to 8th IFAC Conference on Nonlinear Model Predictive Control