关键词:
混合动力
移动作业底盘
能源管理
贝叶斯优化
TD3
燃油经济性
电池SOC维持
丘陵山地
摘要:
为优化混合动力丘陵山地移动作业底盘在梨耕工况下的燃油经济性与电池SOC维持性能,并解决强化学习能源管理策略中超参数选择的不确定性问题,提出了一种基于贝叶斯超参数优化的双延迟深度确定性策略梯度算法(BO-TD3)控制策略。首先,以双延迟深度确定性策略梯度算法(TD3)为核心,通过贝叶斯优化(BO)算法对学习率、折扣因子等关键超参数进行寻优,确定最优参数组合;然后,将优化后的参数应用于TD3算法,对梨耕工况数据进行训练,通过发动机与电机协同控制,实现燃油消耗最小化与电池利用优化。仿真结果表明,所提出的BO-TD3策略在燃油经济性和电池性能方面表现优异,与传统TD3和深度确定性策略梯度算法(DDPG)控制策略相比,燃油经济性分别提高了2.08%和10.37%,提升了车辆的综合能源管理效率。实时在线控制策略验证中,相较于TD3、DDPG和基于规则的耗电-维持充电控制策略(CDCS),BO-TD3的燃油经济性分别提高了4.75%、7.13%、28.71%,电池SOC维持性能良好,验证了策略的优越性与适用性。研究可为混合动力移动作业底盘和其他农业机械的能量管理提供新的解决思路。