深層強化学習を用いたオンランプマージングとプラグインハイブリッド電気自動車電力分割の同時最適化【JST・京大機械翻訳】

Lin Yuan; McPhee John; Azad Nasser L.

プレプリント

J-GLOBAL ID：202202211792369974 整理番号：22P0299763

深層強化学習を用いたオンランプマージングとプラグインハイブリッド電気自動車電力分割の同時最適化【JST・京大機械翻訳】

Co-Optimization of On-Ramp Merging and Plug-In Hybrid Electric Vehicle Power Split Using Deep Reinforcement Learning

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 (3件)： , ,
資料名：
発行年： 2022年03月06日プレプリントサーバーでの情報更新日： 2022年03月06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)

自動化オンランプ併合のための深層強化学習(DRL)に関する現在の研究は,車両パワートレインと動力学を無視する。本研究では,DRLを用いて,2015年Toyota Prius Plug-Inの電力分割プラグインハイブリッド電気自動車(PHEV)に対する自動化オンランプ併合を考察した。オンランプ併合制御とPHEVエネルギー管理は,DRL政策がエンジンと電動機の間の電力分割を直接出力するように共最適化される。試験結果は,DRLが共最適化のために首尾よく使用することができ,無衝突オンランプ併合に導くことを示した。上位レベルのオンランプ併合制御と低レベルPHEVエネルギー管理が独立に実行される逐次手法と比較して,逐次アプローチが,上位レベルオンランプ併合制御装置の設計において,パワートレイン電力制限制約を無視することにより,経済的だが,ジャージーなオンランプマージングに結び付くことを,逐次アプローチがもたらすことを,著者らは見出した。。また,逐次アプローチでは,経済的ではあるが,しかし,過敏なオンランプマージングを結び付けること,および,逐次アプローチが,上級のオンランプ併合コントローラの設計における,パワートレイン電力制限制約を無視することによる,衝突をもたらす可能性があることを見出した。【JST・京大機械翻訳】

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

電気自動車

, , ,

前のページに戻る