期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
Markov链与Q-Learning算法的超轻度混动汽车模型预测控制
被引量：
4
1
作者
尹燕莉
马永娟
+5 位作者
周亚伟
王瑞鑫
詹森
马什鹏
黄学江
张鑫新
《汽车安全与节能学报》
CAS
CSCD
北大核心
2021年第4期557-569,共13页
为了同时兼顾能量管理策略的全局最优性与运算实时性,本文提出了基于Markov链与Q-Learning算法的超轻度混合动力汽车模型预测控制能量管理策略。采用多步Markov模型预测加速度变化过程,计算得出混合动力汽车未来需求功率;以等效燃油消...
为了同时兼顾能量管理策略的全局最优性与运算实时性,本文提出了基于Markov链与Q-Learning算法的超轻度混合动力汽车模型预测控制能量管理策略。采用多步Markov模型预测加速度变化过程,计算得出混合动力汽车未来需求功率;以等效燃油消耗最小与动力电池荷电状态(SOC)局部平衡为目标函数,建立能量管理策略优化模型;采用Q-Learning算法对预测时域内的优化问题进行求解,得到最优转矩分配序列。基于MATLAB/Simulink平台,对于ECE_EUDC+UDDS循环工况进行仿真分析。结果表明:采用Q-Learning求解的控制策略比基于动态规划(DP)求解的控制策略,在保证燃油经济性基本保持一致的前提下,仿真时间缩短了4 s,明显地提高了运行效率,实时性更好。
展开更多
关键词
超轻度混合动力汽车
模型预测控制
Markov链(Markov
chain)
Q-Learning算法
多步Markov模型
能量管理
在线阅读
下载PDF
职称材料
题名
Markov链与Q-Learning算法的超轻度混动汽车模型预测控制
被引量：
4
1
作者
尹燕莉
马永娟
周亚伟
王瑞鑫
詹森
马什鹏
黄学江
张鑫新
机构
重庆交通大学机电与车辆工程学院
包头北奔重型汽车有限公司
出处
《汽车安全与节能学报》
CAS
CSCD
北大核心
2021年第4期557-569,共13页
基金
重庆市教委科学技术研究项目(KJQN201800718)
重庆市技术创新与应用发展(重点项目)(cstc2020jscx-dxwtBX0025)。
文摘
为了同时兼顾能量管理策略的全局最优性与运算实时性,本文提出了基于Markov链与Q-Learning算法的超轻度混合动力汽车模型预测控制能量管理策略。采用多步Markov模型预测加速度变化过程,计算得出混合动力汽车未来需求功率;以等效燃油消耗最小与动力电池荷电状态(SOC)局部平衡为目标函数,建立能量管理策略优化模型;采用Q-Learning算法对预测时域内的优化问题进行求解,得到最优转矩分配序列。基于MATLAB/Simulink平台,对于ECE_EUDC+UDDS循环工况进行仿真分析。结果表明:采用Q-Learning求解的控制策略比基于动态规划(DP)求解的控制策略,在保证燃油经济性基本保持一致的前提下,仿真时间缩短了4 s,明显地提高了运行效率,实时性更好。
关键词
超轻度混合动力汽车
模型预测控制
Markov链(Markov
chain)
Q-Learning算法
多步Markov模型
能量管理
Keywords
super-light hybrid electric vehicles
model predictive control
Markov chain
Q-learning algorithm
multi-step Markov model
energy management
分类号
U469.72 [机械工程—车辆工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
Markov链与Q-Learning算法的超轻度混动汽车模型预测控制
尹燕莉
马永娟
周亚伟
王瑞鑫
詹森
马什鹏
黄学江
张鑫新
《汽车安全与节能学报》
CAS
CSCD
北大核心
2021
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
