关键词：燃料电池混合动力汽车;功率分层;深度Q学习;优先经验回放
摘 要：针对传统深度Q学习对经验样本提取效率差、学习效率低的问题，提出一种改进深度Q学习的能量管理策略。首先，采用基于模糊控制的自适应低通滤波器进行功率分层，由超级电容承担需求功率的峰值部分。然后，设计基于深度Q学习的能量管理策略，以减少氢消耗量、提升燃料电池工作效率为目标，优化锂电池与燃料电池的能量分配。在策略训练过程采用基于求和树结构的优先经验回放机制。最后，在多种工况下仿真并进行平台试验。结果表明：所提出能量管理策略在燃料经济性上与基于传统深度Q学习策略相比平均提高5.1%,可有效延长锂电池使用寿命，实现对三能量源燃料电池混合动力汽车的能量管理。
内 容：原文可通过湖北省科技信息共享服务平台（http://hbstl.hbstd.gov.cn/webs/homepage.jsp)获取