本发明涉及一种基于路面识别与深度强化学习的混合动力系统控制方法,属于
新能源汽车的智能控制领域。该方法包括:S1:建立P3结构的并联式混合动力系统以及驾驶环境模型;S2:建立VGG卷积神经网络,采集不同类型路面的图片,并对卷积神经网络进行关于路面类型特征提取的训练;S3:根据滑动率‑附着系数特征曲线确定制动阶段的最优滑动率,并且作为电机转速微调策略的参考值;S4:基于DQN算法建立适用于多目标控制的立体神经网络;S5:定义立体神经网络的状态变量空间、动作变量空间以及奖励函数,并完成迭代训练;S6:提取并保存同步拟合三种参数化控制策略的神经网络,实现混合动力汽车燃油经济性与制动安全性的协同保证。
声明:
“基于路面识别与深度强化学习的混合动力系统控制方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)