期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于Munchausen-PER算法优化的混合动力履带车辆能量管理策略
1
作者 路潇然 邹渊 +3 位作者 张旭东 孙巍 孟逸豪 张彬 《兵工学报》 北大核心 2025年第6期125-136,共12页
为优化串联式混合动力履带车辆的燃油经济性及能量管理系统的离线训练用时,提出一种采用蒙乔森(Munchausen)优化算法及优先经验采样(Prioritized Experience Replay,PER)算法的双重深度Q网络(Double-Deep Q_learning Network,DDQN)的能... 为优化串联式混合动力履带车辆的燃油经济性及能量管理系统的离线训练用时,提出一种采用蒙乔森(Munchausen)优化算法及优先经验采样(Prioritized Experience Replay,PER)算法的双重深度Q网络(Double-Deep Q_learning Network,DDQN)的能量管理策略。通过包含发动机发电机组、动力电池组及驱动电机的模型对整车功率需求进行解算,根据功率需求,用能量管理控制策略对发动机节气门开度进行最优控制。采用蒙乔森优化算法、PER算法共同作用于离散型DDQN,同时提高网络对高影响数据的选取训练概率及对最优解的专注训练能力,在2种算法共同作用下DDQN能量管理策略的燃油经济性可实现对连续型复杂神经网络的超越,同时具有较大的离线训练用时优势。仿真实验结果表明:与基于PER的双延迟深度确定性策略梯度算法相比,新的能量管理控制策略可使得串联式混动履带车的燃油经济性平均提高4.6%,控制策略训练用时平均优化了35.3%。 展开更多
关键词 串联式混动履带车 Munchausen优化算法 优先经验采样算法 深度强化学习 能量管理策略
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部