ハイブリッドトラック車両のための移動深層強化学習可能エネルギー管理戦略【JST・京大機械翻訳】

Guo Xiaowei; Liu Teng; Tang Bangbei; Tang Xiaolin; Zhang Jinwei; Tan Wenhao; Jin Shufeng

プレプリント

J-GLOBAL ID：202202203953155780 整理番号：22P0171995

ハイブリッドトラック車両のための移動深層強化学習可能エネルギー管理戦略【JST・京大機械翻訳】

Transfer Deep Reinforcement Learning-enabled Energy Management Strategy for Hybrid Tracked Vehicle

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2020年07月16日プレプリントサーバーでの情報更新日： 2020年07月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,深層強化学習(DRL)と移動学習(TL)を結合することにより,ハイブリッド電気自動車に対する適応エネルギー管理戦略を提案した。本研究は,退屈な訓練時間におけるDRLの欠陥に対処することを目的とする。最初に,ハイブリッド追跡車両の最適化制御モデリングを構築して,そこで,精巧なパワートレイン構成要素を導入した。次に,2レベル制御フレームワークを構築し,エネルギー管理戦略(EMS)を導いた。上位レベルは,異なる速度間隔におけるEMS訓練のための特定の深い決定論的政策勾配(DDPG)アルゴリズムを適用する。低レベルは,事前訓練ニューラルネットワークを新しい駆動サイクルに変換するためにTL法を採用した。最後に,提示した制御フレームワークの有効性を証明するために一連の実験を行った。定式化EMSの最適性と適応性を明らかにした。設立されたDRLとTL-可能制御政策は,エネルギー効率を高め,システム性能を向上させることができる。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

電気自動車

, , ,

前のページに戻る