基于迁移深度强化学习的混合履带车辆能量管理策略
信号处理
2020-07-20 v1 人工智能
机器学习
摘要
本文通过结合深度强化学习（DRL）与迁移学习（TL）提出一种用于混合动力车辆的自适应能量管理策略。该工作旨在解决DRL训练耗时过长的缺陷。首先，建立混合履带车辆的优化控制模型，其中介绍了精细的的动力总成部件。然后，构建双层控制框架以推导能量管理策略（EMSs）。上层应用特定的深度确定性策略梯度（DDPG）算法在不同速度区间进行EMS训练。下层采用TL方法将预训练神经网络迁移至新的行驶循环。最后，执行一系列实验以证明所提控制框架的有效性。阐明了所构建EMS的最优性与适应性。所建立的DRL与TL赋能的控制策略能够提升能效并改善系统性能。
引用
@article{arxiv.2007.08690,
title = {Transfer Deep Reinforcement Learning-enabled Energy Management Strategy for Hybrid Tracked Vehicle},
author = {Xiaowei Guo and Teng Liu and Bangbei Tang and Xiaolin Tang and Jinwei Zhang and Wenhao Tan and Shufeng Jin},
journal= {arXiv preprint arXiv:2007.08690},
year = {2020}
}
备注
11 pages, 11 figures