買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉重慶交通大學申請的專利基于DQN算法的混合動力汽車再生制動控制方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114643963B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210376157.9，技術領域涉及：B60T8/17；該發明授權基于DQN算法的混合動力汽車再生制動控制方法是由尹燕莉;張鑫新;馬什鵬;黃學江;王福振設計研發完成，并于2022-04-11向國家知識產權局提交的專利申請。

本基于DQN算法的混合動力汽車再生制動控制方法在說明書摘要公布了：本發明提供的一種基于DQN算法的混合動力汽車再生制動控制方法，包括：S1.確定混合動力汽車的制動分配系數；S2.構建基于深度Q學習的再生制動控制的多目標優化模型；S3.確定混合動力汽車的狀態參數以及動作參數；S4.將混合動力汽車的狀態參數及動作參數輸入至深度Q學習網絡中進行離線訓練；S5.再實時采集混合動力汽車的狀態參數輸入至完成訓練的深度Q學習網絡中在線優化，然后深度Q學習網絡輸出優化后的前軸制動力矩比例系數β和電機制動力矩比例系數α；能夠使得混合動力汽車的再生制動分配合理，從而有效提升混合動力汽車能量回收效率以及制動的穩定性。

本發明授權基于DQN算法的混合動力汽車再生制動控制方法在權利要求書中公布了：1.一種基于DQN算法的混合動力汽車再生制動控制方法，其特征在于：包括以下步驟：S1.確定混合動力汽車的制動分配系數，包括前軸制動力矩比例系數β和電機制動力矩比例系數α；S2.構建基于深度Q學習的再生制動控制的多目標優化模型；S3.確定混合動力汽車的狀態參數以及動作參數；其中，狀態參數包括制動需求功率以及電池SOC值，動作參數包括前軸制動力矩比例系數β、電機制動力矩比例系數α、制動能量回收效率權重系數ω1、前輪制動穩定性權重系數ω2以及后輪制動穩定性權重系數ω3；S4.將混合動力汽車的狀態參數及動作參數輸入至深度Q學習網絡中進行離線訓練；S5.再實時采集混合動力汽車的狀態參數輸入至完成訓練的深度Q學習網絡中在線優化，然后深度Q學習網絡輸出優化后的前軸制動力矩比例系數β和電機制動力矩比例系數α；步驟S1中，前軸制動力矩比例系數β和電機制動力矩比例系數α通過如下方法確定： 其中：Tf為前軸總的制動力矩，Tr為后軸總的制動力矩，Tre為電機制動力矩；步驟S2中，深度Q學習的再生制動控制的多目標優化模型具體為：目標函數為： 其中，Qs,a為最優的狀態-動作函數，γt為折扣因子且γt∈[0,1]，rst,at為在狀態為st且動作為at時的回報函數，t表示時刻；其中，回報函數具體表達式為： 其中：ω1為制動能量回收效率權重系數，ω2為前輪制動穩定性權重系數，ω3為后輪制動穩定性權重系數，φf為前軸利用附著系數，φr為后軸利用附著系數，z為制動強度；能量回收評價指數K通過如下方法確定： 其中，Tm為電機的轉矩，nm為電機的轉速，ηm為電機的效率，m為整車質量，v0為車輛制動初速度，vt為車輛制動中速度，f為滾動阻尼系數，CD為空氣阻尼系數，A為車輛的迎風面積，v為車輛的速度，g為重力加速度；且目標函數和回報函數的約束條件如下： 其中，La為整車重心與前軸的距離，Lb為整車重心與后軸的距離，hg為整車重心的高度，L表示混合動力汽車的軸距；Tm_max為電機的最大轉矩，Tm為電機的轉矩，Pchg_max為電池的最大充電功率，nm為電機的轉速，ηm為電機的效率；對深度Q學習網絡進行訓練具體包括：S41.確定隨機樣本數量nb，迭代次數n、折扣因子γt以及探索率ε，并初始化深度Q學習網絡的權重值θ；S42.將車輛制動過程中的需求功率Preq和電池SOC值作為狀態變量，將前軸制動力矩比例系數β、電機制動力矩比例系數α、制動能量回收效率權重系數ω1、前輪制動穩定性權重系數ω2以及后輪制動穩定性權重系數ω3作為動作變量；S43.選取動作變量樣本，并采用ε-greedy策略確定深度Q學習網絡的最優Q值所對應的動作，計算回報值，并儲存當前狀態st下的動作at、回報值以及下一時刻的狀態st+1至經驗池et，其中：et＝st,at,rt,st+1；確定最優Q值所對應的動作具體為： 其中，πa|s為最優Q值所對應的動作策略，ε為探索率，As表示當前狀態s下可行動作的總個數；S44.當經驗池et的樣本存儲量達到設定值，從經驗池中選取nb個樣本對深度Q學習網絡進行訓練；S45.構建損失函數：Lθ＝E{[r+γtminQst+1,at+1；θ--Qst,at；θ]2}；利用梯度下降法反向更新深度Q學習網絡中的權重值θ；S46.每個設定步長C將評價網絡參數中的評價網絡參數復制給深度Q學習網絡的目標網絡；S47.判斷循環迭代次數是否達到最大值，如是，則進入步驟S48，如否，則重復步驟S43-S46直至迭代次數達到最大值；S48.判斷相鄰迭代次數的累計預測Q值之間的差值是否小于設定閾值，如是，則迭代結束，并將此時Q值對應的動作作為最優動作，如否，則返回步驟S43。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人重慶交通大學，其通訊地址為：402247 重慶市江津區雙福新區福星大道1號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。