基于路面识别与深度强化学习的混合动力系统控制方法

发明专利有效专利

申请号：
CN202110766400.3
IPC分类号：B60W20/00;B60W40/00;B60W60/00;G06K9/62;G06N3/04;G06K9/00
申请日期：
2021-07-07
申请人：
重庆大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于路面识别与深度强化学习的混合动力系统控制方法
申请号	CN202110766400.3	申请日期	2021-07-07
法律状态	实质审查	申报国家	中国
公开/公告日	2021-08-17	公开/公告号	CN113264031A
优先权	暂无	优先权号	暂无
主分类号	B60W20/00 ? IPC结构图谱： B 作业；运输 B6 交通运输 B60 一般车辆 B60W 不同类型或不同功能的车辆子系统的联合控制；专门适用于混合动力车辆的控制系统；不与某一特定子系统的控制相关联的道路车辆驾驶控制系统 B60W20/00 专门适用于混合动力车辆〔2006.01，2016.01〕	IPC分类号	B;6;0;W;2;0;/;0;0;;;B;6;0;W;4;0;/;0;0;;;B;6;0;W;6;0;/;0;0;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;K;9;/;0;0查看分类表>
申请人	重庆大学	申请人地址	重庆市沙坪坝区沙坪坝正街174号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	重庆大学	当前权利人	重庆大学
发明人	唐小林;陈佳信;汪锋;胡晓松;邓忠伟;李佳承
代理机构	北京同恒源知识产权代理有限公司	代理人	杨柳岸

摘要

本发明涉及一种基于路面识别与深度强化学习的混合动力系统控制方法，属于新能源汽车的智能控制领域。该方法包括：S1：建立P3结构的并联式混合动力系统以及驾驶环境模型；S2：建立VGG卷积神经网络，采集不同类型路面的图片，并对卷积神经网络进行关于路面类型特征提取的训练；S3：根据滑动率‑附着系数特征曲线确定制动阶段的最优滑动率，并且作为电机转速微调策略的参考值；S4：基于DQN算法建立适用于多目标控制的立体神经网络；S5：定义立体神经网络的状态变量空间、动作变量空间以及奖励函数，并完成迭代训练；S6：提取并保存同步拟合三种参数化控制策略的神经网络，实现混合动力汽车燃油经济性与制动安全性的协同保证。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供