申请/专利权人：中汽研汽车检验中心(天津)有限公司

申请日：2024-04-03

公开（公告）日：2024-06-21

公开（公告）号：CN117984983B

主分类号：B60W20/10

分类号：B60W20/10;B60W30/18;B60W50/00;B60W10/06;B60W10/08;G06N3/0499;G06F17/15;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.05.24#实质审查的生效;2024.05.07#公开

摘要：本发明公开了混合动力车能量实时控制方法、车辆控制器以及混合动力车。混合动力车能量实时控制方法，包括：对双延迟深度确定性策略梯度神经网络模型训练，得到最优参考速度规划模型；将获取的实时模型输入数据，输入最优参考速度规划模型处理，得到车辆在未来一段时间内的每个时刻最优参考速度，得到最优参考速度序列；基于最优参考速度序列，计算车辆未来一段时间内每个时刻的总需求转矩，得到总需求转矩序列；基于总需求转矩序列，确定车辆的发动机转矩序列和电机转矩序列；基于发动机转矩序列和电机转矩序列，对车辆控制。本发明能更好控制混合动力车进行能量控制管理。

主权项：1.混合动力车能量实时控制方法，其特征在于，包括步骤：S1.对双延迟深度确定性策略梯度神经网络模型训练，得到最优参考速度规划模型；双延迟深度确定性策略梯度神经网络模型以自车所在当前路面坡度、自车电池荷电状态、自车速度、自车与前车相对距离、前车加速度以及前车速度构造状态空间，以自车加速度构造动作空间；奖励函数由自车油耗与电耗总成本能耗奖励函数、自车和前车相对距离能耗奖励函数、自车速度能耗奖励函数以及前车速度能耗奖励函数构建；训练后，将Actor目标网络作为最优参考速度规划模型；S2.将基于智慧交通系统和或车联网获取的实时模型输入数据，输入最优参考速度规划模型处理，得到车辆在未来一段时间内的每个时刻最优参考速度，得到最优参考速度序列；S3.基于最优参考速度序列，计算车辆未来一段时间内每个时刻的总需求转矩，得到总需求转矩序列；S4.基于总需求转矩序列，以车辆能耗最小为目标，确定车辆的发动机转矩序列和电机转矩序列；其中，车辆在未来一段时间内每个时刻的发动机转矩和电机转矩之和等于需求总转矩；S5.基于车辆的发动机转矩序列和电机转矩序列，对车辆进行控制；所述双延迟深度确定性策略梯度神经网络模型的表达式如下： ,式中，S表示状态空间，A表示动作空间，R表示奖励函数； 表示自车在当前时刻电池荷电状态，表示自车所在当前路面当前时刻坡度，表示当前时刻自车与前车相对距离，表示当前时刻前车加速度，表示当前时刻前车速度，表示当前时刻自车速度； 表示在当前时刻自车加速度； 代表单位时间内自车油耗与电耗总成本能耗奖励函数的权重因子，代表自车与前车相对距离能耗奖励函数的权重因子，代表单位时间内自车速度能耗奖励函数的权重因子，代表单位时间内前车速度能耗奖励函数的权重因子，是单位时间内自车油耗与电耗总成本能耗奖励函数，是单位时间内自车与前车相对距离能耗奖励函数，是单位时间内自车速度能耗奖励函数，是单位时间内前车速度能耗奖励函数。

全文数据：

权利要求：

百度查询： 中汽研汽车检验中心(天津)有限公司 混合动力车能量实时控制方法、车辆控制器以及混合动力车

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD