https://doi.org/10.1016/j.egyai.2023.100246
❖ 第一作者: Liang Guo, Aix-Marseille University, France
❖ 通讯作者: Liang Guo, Aix-Marseille University, France
Zhongliang Li, Aix-Marseille University, France & Université de Franche-Comté, France
❖ 作者邮箱: liang.guo@lis-lab.fr, zhongliang.li@univ-fcomte.fr
摘要
本文提出了一种燃料电池混合动力汽车（FCHEV）的自学习能量管理策略（EMS），以实现燃料电池混合动力汽车（FCHEV）的氢气节约和电池的稳定运行。在EMS中，提出了用模糊推理系统（FIS）逼近EMS策略函数，并通过策略梯度强化学习（PGRL）学习策略参数的方法。本文首次提出了一种模糊增强算法，并对EMS问题进行了研究。模糊REINFORCE是EMS Agent通过与环境的交互进行自学习的一种无模型方法，它不依赖于模型精度、先验知识和专家经验。同时，为了稳定训练过程，在不影响策略梯度方向的前提下，采用模糊基线函数逼近基于FIS的值函数。此外，该算法还克服了传统强化学习算法计算量大、收敛时间长的缺点。硬件在环仿真实验验证了本文方法的有效性，同时，验证了该方法对驾驶工况和系统状态变化的适应性。
详情可点击下方“阅读原文”
