[发明专利]一种基于模型强化学习的燃料电池电动汽车能量控制策略

说明书

本发明涉及一种基于模型强化学习的燃料电池电动汽车能量控制策略，包括：建立车辆仿真模型；设计基于模型强化学习的方法；设计基于模型强化学习的能量控制策略；进行车辆仿真实验。本发明的有益效果是：本发明建立车辆动力系统模型并进行路况信息迭代学习，迭代学习过程具有较强的稳定性，与基于规则的能量控制策略进行比较，本发明提出的基于MBRL的能量控制策略使氢燃料消耗量平均降低5.7％。

技术领域

本发明涉及能量控制领域，更确切地说，它涉及一种基于模型强化学习的燃料电池电动汽车能量控制策略。

背景技术

燃料电池具有零排放等优点，目前广泛应用于燃料电池电动汽车(FCEV)技术上。燃料电池类型众多，包括聚合物电解质膜燃料电池(PEMFC)、直接甲醇燃料电池、碱性燃料电池、磷酸燃料电池和固体氧化物燃料电池，考虑到工作温度、功率密度、效率和成本，PEMFC最适用于电动汽车应用环境。传统的能量控制策略(EMS)是基于动态编程(DP)方法计算全局最优解，该方法利用Bellman方程的递归形式表示控制策略的优化问题，但是DP方法计算量较大。强化学习(RL)应用于能量控制决策过程，实现环境参数建模和交互，根据控制行为、状态转换表示控制策略的优化问题。强化学习方法是一种无模型的控制方法，需要经验数据进行迭代学习获得最优控制策略，但是该方法的收敛过程需要较长时间和较多迭代计算数据。

发明内容

本发明的目的是克服现有技术中的不足，提供了一种基于模型强化学习(MBRL)的燃料电池电动汽车能量控制策略。

第一方面，提供了基于模型强化学习的燃料电池电动汽车能量控制策略，包括：

S1、建立车辆仿真模型；

S2、设计基于模型强化学习的方法；

S3、设计基于模型强化学习的能量控制策略；

S4、进行车辆仿真实验。

作为优选，S1包括：

S101、建立车辆系统结构模型；所述车辆系统结构模型包括依次相连的质子交换膜燃料电池、动力系统配置辅助设备、转换器、电机和主减速器；所述转换器还与蓄电池相连；所述动力系统配置辅助设备包括压缩机、热交换器和加湿器；转换器将蓄电池和动力系统配置辅助设备产生的能量转换为电能驱动电机，电机驱动主减速器，主减速器在再生制动过程中，将制动产生的能量存储在蓄电池中；

S102、建立车辆动力学模型；所述车辆动力学模型采用准静态建模，仅考虑纵向动力学，如公式(1)：

其中，v为车速，m_v为车辆质量，T_whl为轮胎扭矩，R_tire为轮胎半径，F_brk为制动力，F_load为车辆在水平道路上的荷载，计算公式为：

其中，ρ_a为空气密度，A_f为车辆前部面积，C_d为车辆阻力系数，C_r为车辆滚动阻力系数，g为重力加速度，θ为坡度；车辆动力传动系统公式如(3)和(4)：

ω_m＝γ_fd·ω_whl  (4)

其中，T_m为电机扭矩，η_fd为主减速机效率，γ_fd为主减速机传动比，ω_m为电机转速，ω_whl为轮胎转速，满足电功率需求值P_elec可以表示为：