面向电动化动力总成的序列感知 SAC 控制用于发动机燃油消耗优化
系统与控制
2025-08-08 v1 人工智能
机器学习
系统与控制
摘要
随着混合电动车（HEV）在重型卡车中的应用增长，对降低燃油消耗同时保持电池电量以进行长时间运行的适应性和高效能管理至关重要。我们提出了一种新的基于软动作-评论家（SAC）算法的强化学习（RL）框架，用于优化系列HEV中的发动机控制。我们将控制任务重新表述为序列决策问题，并通过将门控循环单元（GRU）和决策转换器（DT）集成到actor和critic网络中来增强SAC，以捕获时间依赖性并提高随时间的规划能力。为评估鲁棒性和泛化能力，我们在不同的初始电池状态、驱动循环持续时间、功率需求和输入序列长度下进行训练。实验表明，采用DT-based actor和GRU-based critic的SAC智能体在Highway Fuel Economy Test（HFET）循环中，燃油节省方面仅比动力学规划（DP）差1.8%；而采用GRU用于actor和critic网络的SAC智能体，以及基于前馈神经网络的SAC智能体，分别在燃油节省方面分别接近3.16%和3.43%。在未见的驱动循环（US06和Heavy Heavy-Duty Diesel Truck（HHDDT）巡航段）上，序列感知智能体始终优于基于前馈神经网络的智能体，凸显了其在实际场景中的适应性和鲁棒性。
引用
@article{arxiv.2508.04874,
title = {Sequence Aware SAC Control for Engine Fuel Consumption Optimization in Electrified Powertrain},
author = {Wafeeq Jaleel and Md Ragib Rownak and Athar Hanif and Sidra Ghayour Bhatti and Qadeer Ahmed},
journal= {arXiv preprint arXiv:2508.04874},
year = {2025}
}