论文部分内容阅读
由于环境污染和能源短缺问题日益加剧,结合了传统燃油汽车和纯电动汽车特点的混合动力汽车(Hybrid Electric Vehicle,HEV)成为现在最具发展前景的汽车。混合动力汽车指其动力系统包括两个或多个可同时运行的动力源。本文以并联混合动力汽车(Parallel Hybrid Electric Vehicle,PHEV)为研究对象,采用模糊逻辑控制理论及深度强化学习策略,对能量控制策略进行研究,主要完成以下工作:(1)介绍了混合动力汽车建模方法,运用ADVISOR仿真软件,完成并联混合动力汽车整车动力学、发动机、蓄电池、电机、车轮等模块的建模工作。(2)针对电机辅助控制策略电机效率较低,油耗偏高等不足,结合混合动力汽车的工作模式,采用模糊逻辑控制,考虑汽车车速因素,设计了分层模糊能量管理管理控制器,以车辆需求转矩与当前时刻发动机最优转矩之差△T,蓄电池SOC值及当前车速为输入,发动机比例因子K作为输出。仿真结果表明在燃油经济性和排放性上分层模糊控制策略更优。(3)由于基于规则的控制策略缺乏对于工况的自适应能力,且规则具有局限性。通过引入基于强化学习的控制策略,给出基于Q学习的控制策略,该策略在没有预测信息和预设规则的情况下,从输入状态自动学习获得优化控制输出动作序列。选择需求转矩、荷电状态与车速作为输入,发动机转矩作为控制器的输出。仿真结果表明,基于Deep-Q-Network的控制策略效果有效地降低了油耗和排放。(4)针对实际工况中汽车频繁的启停,考虑加入制动能量管理策略来提高汽车的能量回收效率达到节能的目标。由于混合动力汽车的能量管理策略的控制对象为连续系统,基于ACTOR-CRITIC网络架构,提出基于DDPG的能量管理策略。同时为了解决经验池基于采样随机性的问题,设计基于优先级回放的DDPG制动能量管理控制器,通过仿真分析,表明了制动控制策略的有效性,提高了能量回收效率。