基于LSTM车速预测和深度确定性策略梯度的增程式电动汽车能量管理

打开文本图片集

【摘要】为提高增程式电动汽车的能量管理性能，首先利用长短时记忆（LSTM）神经网络进行车速预测，然后计算出预测时域内的需求功率，并将其与当前时刻的需求功率共同输入深度确定性策略梯度（DDPG）智能体，由智能体输出控制量，最后通过硬件在环仿真验证了控制策略的实时性。结果表明，采用所提出的LSTM-DDPG能量管理策略相对于DDPG能量管理策略、深度Q网络（DQN）能量管理策略、功率跟随控制策略在世界重型商用车辆瞬态循环（WTVC）工况下的等效燃油消耗量分别减少0.613 kg、0.350 kg、0.607 kg，与采用动态规划控制策略时的等效燃油消耗量仅相差0.128 kg。（剩余16821字）