公开(公告)号：CN116552338A

公开(公告)日：2023-08-08

申请号：CN202310661465.0

申请日：2023-06-06

Applicant: 东南大学

Inventor： 彭剑坤 ,  申阳 ,  王春海 ,  周稼铭 ,  魏中宝 ,  江如海 ,  陈伟琪 ,  衣丰艳 ,  马春野

IPC: B60L58/30

Abstract: 本发明提出了一种氢燃料电池客车节能驾驶控制方法及系统，所述方法包括：设计了分层式的双层深度强化学习架构，上层深度强化学习通过获取氢燃料电池客车和前车速度、加速度及匝道路况等交通环境信息，对氢燃料电池客车纵向速度进行合适控制，保证其安全平稳行驶；下层深度强化学习则通过上层输出的速度对氢燃料电池进行能量管理节能优化；同时设计了一条包含三组不同交通流量的匝道的快速路进行对深度强化学习算法的离线训练，获得优化的节能驾驶控制。本发明实现了采用双层深度强化学习方法完成对氢燃料电池客车的纵向速度控制与能量管理节能优化，使氢燃料电池客车实现节能驾驶。

公开(公告)号：CN118963124A

公开(公告)日：2024-11-15

申请号：CN202411026157.1

申请日：2024-07-30

Applicant: 东南大学

Inventor： 彭剑坤 ,  周嘉璇 ,  王鑫晨 ,  何洪文 ,  王春海 ,  范毅

IPC: G05B13/04 ,  B60W50/00 ,  B60W60/00 ,  B60W20/11 ,  B60L58/40

Abstract: 本发明公开了一种综合舒适性增强型网联燃料电池客车节能驾驶方法，以网联燃料电池客车为研究对象，利用IRI和WRMSA之间的相关性，将垂向舒适度和路面信息引入进节能驾驶策略；集成能量管理系统和自适应巡航控制，将协同优化目标量化成奖励系数，设定状态空间、动作空间和奖励函数，基于深度强化学习算法得到综合舒适性增强型节能驾驶策略；通过对节能驾驶策略进行离线训练，获得可继承的参数化神经网络策略，并下载到整车控制器中，实现节能驾驶策略的实时在线应用。本发明能够实现与动态规划相当的节能和舒适性水平，并大大提高计算效率以实时应用。本发明在保持车辆最优节能调节下的安全性、耐久性等指标的同时，增加了驾乘综合舒适性。