期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
融合动态能耗与路网信息的电动汽车充电路径规划策略 被引量:6
1
作者 林歆悠 周斌豪 夏玉田 《中国机械工程》 EI CAS CSCD 北大核心 2021年第6期705-713,共9页
针对电动汽车续驶里程短的问题,以电动汽车为研究对象,基于“车路网”智能系统建立了道路拓扑模型、阻抗评价模型以及整车能耗模型,分别以电动汽车行驶时间最优、能耗最优和综合最优为目标,运用A*算法对电动汽车进行了充电路径规划。以... 针对电动汽车续驶里程短的问题,以电动汽车为研究对象,基于“车路网”智能系统建立了道路拓扑模型、阻抗评价模型以及整车能耗模型,分别以电动汽车行驶时间最优、能耗最优和综合最优为目标,运用A*算法对电动汽车进行了充电路径规划。以福州市区交通为实例,采集了各路段主要行驶工况数据,将规划路段与行驶工况数据匹配用于车辆行驶时间和能耗的预测,并结合充电等待时间计算各目标阻抗成本。研究结果表明:所提出的充电路径规划策略能够根据驾驶员的不同需求分别规划出考虑时间、能耗以及综合最优的充电路径。 展开更多
关键词 电动汽车 充电路径规划 能耗预测 阻抗成本
下载PDF
基于DQN强化学习的自动驾驶转向控制策略 被引量:3
2
作者 林歆悠 叶卓明 周斌豪 《机械工程学报》 EI CAS CSCD 北大核心 2023年第16期315-324,共10页
为解决自动驾驶汽车的自主转向问题,大多研究主要基于模型预测控制(Model predictive control,MPC)策略,而传统MPC策略需要被控对象精确的数学模型同时需要大量实时控制计算。为此,提出一种基于深度Q-Learning神经网络(Deep Q-Learning ... 为解决自动驾驶汽车的自主转向问题,大多研究主要基于模型预测控制(Model predictive control,MPC)策略,而传统MPC策略需要被控对象精确的数学模型同时需要大量实时控制计算。为此,提出一种基于深度Q-Learning神经网络(Deep Q-Learning neural network,DQN)强化学习的转向控制策略,使自动驾驶汽车能够精准有效地进行路径跟踪,提高路径跟踪精度和稳定性。该策略基于DQN强化学习通过选取合适的学习率对智能体进行训练,使训练后的智能体能够自适应根据不同路况和车速得到最佳的前轮转角。仿真对比结果表明,与无约束的线性二次型调节器(Linear quadratic regulator,LQR)控制策略相比,基于DQN强化学习的控制策略的累计绝对横向位置偏差以及累计绝对横摆角度偏差都有较大的增加,但也在可接受的范围内,能有效提高路径跟踪的精度。最后的实车试验结果同样表明了所制定的控制策略的有效性。 展开更多
关键词 自动驾驶 转向控制 路径跟踪 强化学习 深度Q学习神经网络
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部