《VGT控制策略实验及结果分析的案例》2400字.docxVIP

VGT控制策略实验及结果分析的案例

目录

TOC\o1-3\h\u8585VGT控制策略实验及结果分析的案例 1

153241.1实验系统概述 1

230091.2结果分析 2

91591.3工作小结 5

1.1实验系统概述

基于上述关于并行强化学习算法的讨论，提出一种基于A3C算法的可变几何截面涡轮增压器柴油机瞬态增压控制策略。在本研究中将并行强化学习控制策略应用于一个配备VGT的6缸3升的柴油机中，以GT-POWER引擎模型作为引擎环境，并且假设边缘设备到云端全局服务器之间通信可用。经典的无模型强化学习算法（DRL）需要通过大量随机探索来学习才能达到较好控制性能，因此将经典DRL应用于实际控制中是十分困难的，为解决该问题，本研究借鉴一种混合端到端的控制策略[21]。

试验中控制动作选择为VGT的叶片位置，采用实际增压、目标增压、发动机转速和当前叶片位置四个参数形成四维的状态空间[20]。该实验的控制目标是通过快速稳定地调节叶片位置，来跟踪瞬态驱动循环下的目标增压。为达到这个目标，对于外部奖励（rt）的选择，定义目标增压与当前增压（e

为了提供比较，模型最开始由一个微调的基准控制器控制。算法具体参数如图4-1所示。在A3C算法中的演员-评论家神经网络（图4-2）中，演员网络以上述四个参数形成的四维状态空间作为网络的输入层，在输入层后有三个