国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預訂訂單
服務訂單
發(fā)布專利 發(fā)布成果 人才入駐 發(fā)布商標 發(fā)布需求

在線咨詢

聯(lián)系我們

龍圖騰公眾號
首頁 專利交易 IP管家助手 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 需求市場 關于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 重慶交通大學尹燕莉獲國家專利權

重慶交通大學尹燕莉獲國家專利權

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(jiān)控用IP管家,真方便!

龍圖騰網(wǎng)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(fā)明授權專利權,本發(fā)明授權專利權由國家知識產(chǎn)權局授予,授權公告號為:CN114643963B

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-03-21發(fā)布的發(fā)明授權授權公告中獲悉:該發(fā)明授權的專利申請?zhí)?專利號為:202210376157.9,技術領域涉及:B60T8/17;該發(fā)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(fā)完成,并于2022-04-11向國家知識產(chǎn)權局提交的專利申請。

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(fā)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(shù);S2.構建基于深度Q學習的再生制動控制的多目標優(yōu)化模型;S3.確定混合動力汽車的狀態(tài)參數(shù)以及動作參數(shù);S4.將混合動力汽車的狀態(tài)參數(shù)及動作參數(shù)輸入至深度Q學習網(wǎng)絡中進行離線訓練;S5.再實時采集混合動力汽車的狀態(tài)參數(shù)輸入至完成訓練的深度Q學習網(wǎng)絡中在線優(yōu)化,然后深度Q學習網(wǎng)絡輸出優(yōu)化后的前軸制動力矩比例系數(shù)β和電機制動力矩比例系數(shù)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(wěn)定性。

本發(fā)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(shù),包括前軸制動力矩比例系數(shù)β和電機制動力矩比例系數(shù)α;S2.構建基于深度Q學習的再生制動控制的多目標優(yōu)化模型;S3.確定混合動力汽車的狀態(tài)參數(shù)以及動作參數(shù);其中,狀態(tài)參數(shù)包括制動需求功率以及電池SOC值,動作參數(shù)包括前軸制動力矩比例系數(shù)β、電機制動力矩比例系數(shù)α、制動能量回收效率權重系數(shù)ω1、前輪制動穩(wěn)定性權重系數(shù)ω2以及后輪制動穩(wěn)定性權重系數(shù)ω3;S4.將混合動力汽車的狀態(tài)參數(shù)及動作參數(shù)輸入至深度Q學習網(wǎng)絡中進行離線訓練;S5.再實時采集混合動力汽車的狀態(tài)參數(shù)輸入至完成訓練的深度Q學習網(wǎng)絡中在線優(yōu)化,然后深度Q學習網(wǎng)絡輸出優(yōu)化后的前軸制動力矩比例系數(shù)β和電機制動力矩比例系數(shù)α;步驟S1中,前軸制動力矩比例系數(shù)β和電機制動力矩比例系數(shù)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(yōu)化模型具體為:目標函數(shù)為: 其中,Qs,a為最優(yōu)的狀態(tài)-動作函數(shù),γt為折扣因子且γt∈[0,1],rst,at為在狀態(tài)為st且動作為at時的回報函數(shù),t表示時刻;其中,回報函數(shù)具體表達式為: 其中:ω1為制動能量回收效率權重系數(shù),ω2為前輪制動穩(wěn)定性權重系數(shù),ω3為后輪制動穩(wěn)定性權重系數(shù),φf為前軸利用附著系數(shù),φr為后軸利用附著系數(shù),z為制動強度;能量回收評價指數(shù)K通過如下方法確定: 其中,Tm為電機的轉(zhuǎn)矩,nm為電機的轉(zhuǎn)速,ηm為電機的效率,m為整車質(zhì)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(shù),CD為空氣阻尼系數(shù),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(shù)和回報函數(shù)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(zhuǎn)矩,Tm為電機的轉(zhuǎn)矩,Pchg_max為電池的最大充電功率,nm為電機的轉(zhuǎn)速,ηm為電機的效率;對深度Q學習網(wǎng)絡進行訓練具體包括:S41.確定隨機樣本數(shù)量nb,迭代次數(shù)n、折扣因子γt以及探索率ε,并初始化深度Q學習網(wǎng)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(tài)變量,將前軸制動力矩比例系數(shù)β、電機制動力矩比例系數(shù)α、制動能量回收效率權重系數(shù)ω1、前輪制動穩(wěn)定性權重系數(shù)ω2以及后輪制動穩(wěn)定性權重系數(shù)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(wǎng)絡的最優(yōu)Q值所對應的動作,計算回報值,并儲存當前狀態(tài)st下的動作at、回報值以及下一時刻的狀態(tài)st+1至經(jīng)驗池et,其中:et=st,at,rt,st+1;確定最優(yōu)Q值所對應的動作具體為: 其中,πa|s為最優(yōu)Q值所對應的動作策略,ε為探索率,As表示當前狀態(tài)s下可行動作的總個數(shù);S44.當經(jīng)驗池et的樣本存儲量達到設定值,從經(jīng)驗池中選取nb個樣本對深度Q學習網(wǎng)絡進行訓練;S45.構建損失函數(shù):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(wǎng)絡中的權重值θ;S46.每個設定步長C將評價網(wǎng)絡參數(shù)中的評價網(wǎng)絡參數(shù)復制給深度Q學習網(wǎng)絡的目標網(wǎng)絡;S47.判斷循環(huán)迭代次數(shù)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(shù)達到最大值;S48.判斷相鄰迭代次數(shù)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(yōu)動作,如否,則返回步驟S43。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術,可聯(lián)系本專利的申請人或?qū)@麢嗳?a target="_blank" rel="noopener noreferrer nofollow" >重慶交通大學,其通訊地址為:402247 重慶市江津區(qū)雙福新區(qū)福星大道1號;或者聯(lián)系龍圖騰網(wǎng)官方客服,聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。

免責聲明
1、本報告根據(jù)公開、合法渠道獲得相關數(shù)據(jù)和信息,力求客觀、公正,但并不保證數(shù)據(jù)的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發(fā)布本報告當日的職業(yè)理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據(jù)或者憑證。
主站蜘蛛池模板: 麟游县| 喜德县| 封开县| 北海市| 平乐县| 梁河县| 涡阳县| 嵩明县| 高清| 温州市| 台山市| 旌德县| 黔江区| 亚东县| 高清| 平阴县| 四会市| 永安市| 西宁市| 库尔勒市| 菏泽市| 乐昌市| 汉阴县| 宣威市| 宁阳县| 肥城市| 武宣县| 华蓥市| 陆河县| 荣昌县| 阿巴嘎旗| 赞皇县| 吉木萨尔县| 钟祥市| 金山区| 页游| 思南县| 凤凰县| 锡林浩特市| 西乌| 昆明市|