文献

J-GLOBAL ID：201902283362470608   整理番号：19A2500507

地形情報を用いた深部強化学習による電力分割ハイブリッド電気バスのエネルギー管理【JST・京大機械翻訳】

Energy management for a power-split hybrid electric bus via deep reinforcement learning with terrain information

著者 (5件)： Li Yuecheng (National Engineering Laboratory for Electric Vehicles, School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China) ,  He Hongwen (National Engineering Laboratory for Electric Vehicles, School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China) ,  Khajepour Amir (Department of Mechanical and Mechatronics Engineering, University of Waterloo, Waterloo, Ontario N2L 3G1, Canada) ,  Wang Hong (School of Vehicle and Mobility, Tsinghua University, Beijing 100084, China) ,  Peng Jiankun (National Engineering Laboratory for Electric Vehicles, School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China)
資料名： Applied Energy  (Applied Energy)
巻： 255  ページ： Null  発行年： 2019年 
JST資料番号： A0097A  ISSN： 0306-2619  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ハイブリッド商用車の高い走行と重い負荷能力のために,エネルギー管理は,それらの燃料経済性を改良することにおいて重要になった。本論文では,深い強化学習アプローチに基づく電力分割ハイブリッド電気バスのためのエネルギー管理戦略に地形情報を系統的に統合した。特に,このエネルギー管理法は改善され,離散的連続ハイブリッド作用空間における最適エネルギー管理戦略の探索が可能であり,本研究では,エンジンに対する2つの連続動作とパワートレインモード選択に対する4つの離散的行動から成る。さらに,強化学習プロセスの前に,二重化アーキテクチャと前訓練段階を有する臨界ネットワークを,採用されたアルゴリズムによる効率的戦略学習のために結合した。現在の地形情報を制御装置に利用できると仮定して,深い強化学習ベースのエネルギー管理戦略を訓練し,異なる運転サイクルとシミュレートした地形について試験した。訓練された戦略のシミュレーション結果は,合理的エネルギー配分方式とモードスイッチング規則が同時に学習されることを示した。動的計画法を用いたベースライン戦略によるその燃料経済ギャップは,約6.4%まで狭くなり,一方,エンジンの時間は約76%短縮された。更なる比較はまた,この学習ベースのエネルギー管理における地形情報の組込みにより,燃料経済における約2%の促進が寄与していることを示している。本研究の主な貢献は,大きなハイブリッド行動空間を扱うことができる学習ベースのエネルギー管理法における地形情報の包含を調査することである。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *電力 ,  計算機アーキテクチャ ,  *学習 ,  計算機シミュレーション ,  商用車 ,  *エネルギー管理 ,  制御装置 ,  アルゴリズム ,  動的計画法 ,  ネットワーク ,  *強化学習 ,  *エネルギー ,  連続操作
準シソーラス用語： 二重化 ,  パワートレイン ,  *地形情報 , 【Automatic Indexing@JST】

著者キーワード (5件)： エネルギー管理戦略 ,  深部強化学習 ,  離散-連続ハイブリッド作用空間 ,  電力分割ハイブリッド電気バス ,  地形情報

分類 (1件)： 電気自動車  (QG07020B)

タイトルに関連する用語 (5件)： 地形情報 ,  深部 ,  強化学習 ,  バス ,  エネルギー管理