基于深度强化学习的插电式混合动力汽车能量管理策略研究_沈亮屹.pdfVIP

机械工程学院

工程硕士

车辆工程

沈亮屹

张小俊教授

二〇二二五

编号：201931206029

河北工业大学硕士学位论文

基于深度强化学习的插电式混合动力汽车

能量管理策略研究

论文作者：沈亮屹学生类别：全日制

专业学位类别：工程硕士专业学位领域：车辆工程

指导教师：张小俊职称：教授

2022年3月

资助项目：天津市新一代人工智能科技重大专项（18ZXZNGX00230）

ThesisSubmittedto

HebeiUniversityofTechnology

for

TheMasterDegreein

VehicleEngineering

ResearchonEnergyManagementStrategyofPlug-in

HybridElectricVehiclesBasedonDeepReinforcement

Learning

By

ShenLiangyi

Supervisor:Prof.ZhangXiaojun

March,2022

ThisworkwassupportedbytheMajorProjectofTianjinNewGenerationArtificialIntelligenceTechnology.No.

18ZXZNGX00230.

摘要

插电式混合动力汽车（Plug-inHybridElectricVehicle，PHEV）是一种拥有多动力

源的新型交通工具，负责协调控制多个动力源的能量管理策略是该类车辆控制技术的

核心组成部分，其工作效能直接影响整车性能表现，故对能量管理策略的研究具有重

要意义。本文针对某功率分流式PHEV，提出一种基于改进深度强化学习的能量管理

策略，通过实时优化能量分配，协调控制多动力源工作状态，提升了车辆经济性，降

低了燃油消耗和尾气排放，使整车性能得到了提升。主要研究内容如下：

（一）选取功率分流式PHEV作为研究对象，搭建前向仿真的整车模型，为能量

管理策略研究提供基础。基于THS-Ⅲ平台，通过对其驾驶员模型、发动机、电动机、

发电机、动力电池和传动系统等主要组成部分进行分析和建模，建立了适用于能量管

理策略研究的整车数字模型。

（二）针对深度强化学习算法收敛困难、学习效率低、学习不稳定等问题，通过

层归一化和优先经验回放对深度确定性策略梯度算法和双延迟深度确定性策略梯度

算法进行改进，同时建立相应的马尔可夫决策过程，提出基于改进深度强化学习的能

量管理策略，并与车辆自适应巡航功能进行深度融合，以促进该能量管理策略的实际

应用。选取国家标准工况WLTC-Class3作为基本数据驱动进行仿真实验，结果显示该

策略在两种工况下均表现良好