| بهینه سازی مصرف سوخت و هزینه شارژ باتری خودرو هیبریدی مبتنی بر یادگیری تقویتی عمیق |
| کد مقاله : 1296-ISME2024 |
| نویسندگان |
|
hana mojezi *1، میثم فرج الهی2 1دانشجو 2استادیار دانشگاه علم و صنعت |
| چکیده مقاله |
| آلودگی هوا، گرم شدن کره زمین و کاهش سریع منابع نفتی جهان، چالش های مهمی هستند که صنعت خودرو با آن مواجه است و منجر به تمرکز بر روی خودروهای الکتریکی و هیبریدی شده است. در دهه‌های اخیر، تحقیق و توسعه در صنعت خودرو، مسیر آینده را برای دستیابی به حمل‌ونقل الکتریکی ایمن و با راندمان بالا هموار کرده است. مطالعه حاضر یک استراتژی مدیریت انرژی مبتنی بر یادگیری تقویتی را برای خودروهای هیبریدی تقسیم قدرت بررسی می‌کند. وسایل نقلیه الکتریکی هیبریدی به دلیل پیچیدگی مدیریت انرژی، امکان استفاده از سیاست های مدیریت توان پیشرفته تری را فراهم می کنند. برای این ویژگی، یک الگوریتم یادگیری Q برای طراحی یک استراتژی مدیریت انرژی پیشنهاد شده است.در این مطالعه یک تابع پاداش چند هدفه برای بهینه سازی مصرف سوخت آنی موتور احتراقی و هزینه شارژ باتری تعریف شده است .همچنین این تابع پاداش باعث حفظ کردن وضعیت شارژ باتری در محدوده مشخص نیز می‌شود. نتایج شبیه‌سازی نشان می‌دهد که در چرخه NEDC، مصرف سوخت روش پیشنهادی می‌تواند به ۸۸٪ مصرف سوخت برنامه‌ریزی پویا به عنوان مرجع دست می‌یابد. نتایج حاصل از سایر چرخه‌های رانندگی نیز این بهبود را تأیید می‌کنند. علاوه بر این، مشخص شده است که با تغییر چرخه رانندگی، روش مذکور عملکرد خود را حفظ کرده و نسبت به کنترل‌کننده مبتنی بر قوانین، عملکرد بهتری ارائه می‌دهد. |
| کلیدواژه ها |
| خودرو هیبریدی ، مدیریت انرژی ، یادگیری تقویتی |
| وضعیت: پذیرفته شده برای ارائه شفاهی |