基于深度强化学习的分布式电驱动车辆扭矩分配策略

摘要

为在保证分布式电驱动车辆制动稳定性的前提下实现经济性的提升,提出了基于深度强化学习的分布式驱动前、后轴扭矩分配策略。在建立分布式电驱动车辆关键部件物理模型的基础上,基于车辆模型及制动稳定性约束,建立了基于深度强化学习的扭矩最优分配控制模型,并对传统固定比值的扭矩分配策略和所提出的策略进行了对比,结果表明:在新欧洲驾驶循环(NEDC)仿真工况下,相对于传统策略,所提出的方法可实现牵引效率提高4.18百分点,再生制动率提高4.92百分点;在对开路面大制动强度的硬件在环试验中,所提出的方法可将低附着系数路面车轮的滑移率控制在20%附近,有效保证制动的稳定性。