学位专题

封面
声明
中文摘要
英文摘要
目录
第1章绪论
1.1 研究背景及意义
1.2 FCHEV能量管理策略研究现状
1.2.1 基于规则的能量管理策略
1.2.2 基于优化的能量管理策略
1.2.3 基于学习的能量管理策略
1.2.4 存在的不足和问题
1.3 本文研究的主要内容
第2章 FCHEV模型的建立
2.1 能量管理系统拓扑结构及试验平台参数
2.2 能量源建模
2.2.1 燃料电池建模
2.2.2 锂电池建模
2.2.3 超级电容建模
2.3 整车模型建立
2.4 本章小结
第3章基于改进深度Q学习的能量管理策略
3.1 基于深度Q学习的能量管理策略
3.1.1 基于模糊滤波的功率分层结构
3.1.2 基于等效氢耗最小的奖惩函数
3.2 基于优先经验回放的深度Q学习算法
3.2.1 Q学习与深度Q学习的思想与具体算法
3.2.2 基于求和树结构的优先经验回放
3.3 仿真分析
3.4 本章小结
第4章基于动作剪切的深度Q学习能量管理策略
4.1 基于启发式技术的动作剪切算法
4.1.1 动作空间的选取
4.1.2 动作空间的剪切
4.2 基于数据驱动优化的能量管理策略设计
4.2.1 需求功率的转移概率矩阵
4.2.2 奖励函数的归一化处理
4.2.3 所提出能量管理策略的训练过程
4.3 仿真与分析
4.3.1 不同能量源管理系统的比较
4.3.2 不同优化策略的比较
4.4 本章小结
第5章考虑能量源退化的双深度Q学习能量管理策略
5.1 基于双深度Q学习的能量管理策略设计
5.1.1 双深度Q学习的思想与具体算法
5.1.2 改进的双深度Q学习
5.2 考虑能量源退化的多目标优化函数设计
5.2.1 能量源退化模型
5.2.2 综合能量源退化成本的奖惩函数设计
5.3 仿真与分析
5.4 本章小结
第6章总结与展望
6.1 全文总结
6.2 研究展望
参考文献
致谢
攻读学位期间的研究成果