BriefGPT - AI 论文速递
·
插电式混合动力汽车的数据驱动建模和监控系统优化
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本文介绍了一种基于学习的智能能源管理系统，用于提高插电式混合动力电动汽车的能源利用效率。通过建立PHEV模型和控制框架，结合强化学习和最小化耗电量策略，改善了现有研究中的评估方法。通过仿真和硬件验证，证明了该控制框架在燃油经济性方面的优势。与传统的RL架构相比，该方法不仅实现了最优性，还提高了能源管理系统的干扰抗性。
🎯
关键要点
-
基于学习的智能能源管理系统对于插电式混合动力电动汽车的高效能源利用至关重要。
-
现实世界中应用面临系统可靠性的挑战，阻碍了原始设备制造商的广泛接受。
-
建立基于物理和数据驱动模型的PHEV模型，聚焦于高保真度训练环境。
-
提出一个以真实车辆应用为导向的控制框架，结合强化学习和等价耗电量最小化策略。
-
改善现有研究中基于瞬时驾驶循环和动力系统状态的等效因素评估方法的缺陷。
-
通过全面的仿真和硬件在环验证，证明所提出的控制框架在燃油经济性方面的优势。
-
与自适应ECMS和基于规则的策略相比，所提出的方法在燃油经济性上具有明显优势。
-
所提出的控制方法不仅能实现类似的最优性，还显著提高了能源管理系统的干扰抗性。
➡️
