基于动态规划与机器学习的插电式混合动力汽车能量管理算法研究

作者：陈渠; 殷承良; 张建龙; 秦文刚

来源：汽车技术, 2020, (10): 51-57.

DOI：10.19620/j.cnki.1000-3703.20191172

• 插电式混合动力汽车
• 能量管理算法
• 动态规划
• K-均值聚类
• BP神经网络

为提高插电式混合动力汽车的燃油经济性,对基于动态规划与机器学习的能量管理算法展开了研究。利用K-均值聚类算法将20个标准工况划分为3个类型的工况段,利用动态规划(DP)算法最优功率分配数据分别训练3个类型工况段的神经网络模型,在控制过程中根据实际工况段类型选择相应的神经网络模型进行功率分配,并对上海市某个随机工况进行了仿真运算,结果表明,该算法燃油经济性较电量消耗-电量维持(CD-CS)策略有明显的改善。

• 单位
  上海交通大学