基于残差强化学习的生产级ECU自动标定

电子控制单元（ECU）在将昔日汽车转变为现代道路上行驶的车辆方面发挥了关键作用。它们主动调节各部件的作动，从而决定整个系统的特性。在此过程中，控制函数的行为严重依赖其标定参数，而工程师传统上通过手工设计这些参数。在客户期望不断提高和产品开发周期持续缩短的环境下，立法要求日益增加，排放标准也日趋严格。考虑到所有这些因素叠加的车辆变体数量，传统方法正在失去其实际和经济可行性。先前的研究已证明最优控制函数可通过强化学习（RL）自动开发；由于所得函数由人工神经网络表示，缺乏可解释性，这使得它们在量产车辆中难以应用。本文提出了一种基于残差RL的可解释方法，用于自动化标定过程，该方法遵循成熟的汽车开发原则。其适用性通过基于硬件在环（HiL）平台的系列控制单元中的基于地图的进气路径控制器得以验证。从一个次优地图出发，所提出的方法快速收敛到与系列ECU参考标定密切接近的标定结果。结果证明该方法适用于工业界，能够在显著更短的时间内获得更优的标定，且几乎无需人工干预。