[发明专利]一种基于深度强化学习的插电式混合动力车辆能量管理方法

摘要

本发明提供了一种基于深度强化学习的插电式混合动力车辆能量管理方法，其对多源高维行驶工况信息进行了表征提取，并处理为低维表征向量；利用冗余信息剔除算法，对所得低维表征向量、车辆自身状态信息、坡度等工况状态表征进行降维、融合处理，得到低维连续工况信息；构建基于深度强化学习的插电式混合动力车辆能量管理框架，输入低维连续工况信息，完成离线训练；利用训练好的策略控制能量分配，为综合考虑了多源高维行驶工况信息对插电式混合动力车辆能量管理效果的影响提供了途径，并可利用强化学习自主学习最优能量分配方案，挖掘其节能潜力。

主权项

1.一种基于深度强化学习的插电式混合动力车辆能量管理方法，其特征在于：具体包括以下步骤：步骤1、利用深层卷积神经网络以及长短期记忆神经网络分别对车载视觉信息和交通状态信息进行表征提取；步骤2、对所述步骤1中所提取的所述车载视觉信息和交通状态信息，以及车辆自身状态信息、坡度信息等工况状态表征进行降维、融合处理，得到低维连续型工况状态；步骤3、将所述步骤2中得到的所述低维连续型工况状态作为输入量，基于深层神经网络构建动作价值函数，建立所述车辆的工况状态与控制动作价值的非线性映射关系；步骤4、基于所述步骤(3)中构建的所述动作价值函数，确定状态变量、动作变量、反馈奖励、能量管理策略，建立基于深度强化学习插电式混合动力车辆能量管理模型；步骤5、对所述步骤4中建立的所述能量管理模型进行训练；步骤6、训练完毕后，执行相应的能量管理策略。