燃料电池汽车跟车速度控制与能量管理分层优化

摘要

为解决燃料电池汽车在跟车场景下的生态驾驶问题，提出一种分层优化的解决办法(SAC-DP)。通过深度强化学习解决上层跟车速度控制问题，将汽车行驶过程中的多个目标融合于奖励函数，使燃料电池汽车在保持跟车安全的前提下提升跟车效率和舒适性；通过动态规划解决燃料电池汽车下层能量管理问题，减少汽车氢气消耗量和燃料电池的损耗，提高经济性。仿真结果表明，相较于Krauss-DP策略和CACC-DP策略，所提出方法至少可使舒适性提高27.26%,安全性提高21.66%,跟车效率提高10.08%,氢气消耗量减少4.13%,燃料电池损耗减少54.45%。

关键词

生态驾驶 / 分层优化 / 燃料电池汽车 / 深度强化学习 / 跟车场景

基金资助

国家自然科学基金面上项目(52077007)